麥肯錫2023年報告:生成式人工智慧的經濟潛力:下一個生產力前沿
麥肯錫公司於2023年6月出版68頁的報告<<生成式人工智慧的經濟潛力:下一個生產力前沿>>(The economic potential of generative AI:The next productivity frontier)。
這份麥肯錫報告探討生成式AI的經濟潛力,分析其在63個應用案例中,於各產業及商業功能的影響,預估每年可創造數兆美元的經濟價值。報告並以兩種方法評估生成式AI的影響:第一種著重於組織應用案例的總體經濟潛力,第二種則分析其對全球勞動生產力的影響,預測未來數十年工作型態將如何轉變,並探討企業及社會應如何因應。報告也特別關注生成式AI對不同產業(特別是經濟和醫療,如零售、銀行和製藥業)的影響,以及其對勞動力轉型和生產力增長的潛在衝擊。最後,報告提出企業、政策制定者和個人在面對生成式AI的機會和風險時,應考量的因素。
生成式人工智慧將引領下一波生產力浪潮。報告提出生成式AI技術的突破性進展及其廣泛應用,例如ChatGPT等工具在文本創作、音樂作曲和數位藝術創作上的能力,已吸引全球目光;報告分析應用案例,估算生成式AI每年可為全球經濟創造數兆美元的價值,其主要價值集中在客戶營運、行銷銷售、軟體工程和研發四大領域,並預測其對各產業及就業市場的影響,例如將加速工作自動化,提高生產力,但也可能導致工作職位的轉變,需要配套的技能培訓和政策支持。報告指出企業需要以負責任的態度來使用生成式AI,並呼籲企業、政策制定者和個人共同應對其帶來的機遇和挑戰。
根據資料,生成式人工智慧 (AI) 有可能透過以下方式徹底改變全球經濟:
生成式人工智慧可以將價值 2.6 兆美元至 4.4 兆美元的生產力效益應用於全球經濟,相當於每年為全球經濟增加 15% 到 40% 的價值。這項估計如果包含將生成式 AI 嵌入目前用於其他任務的軟體的影響,則會加倍。 這種生產力提升的潛力源於生成式人工智慧能夠執行自動化任務並增強人類工作者的能力。
生成式人工智慧有可能透過自動化某些個人活動來增強個別工作者的能力,由於生成式人工智慧提高了理解自然語言的能力(占目前總工作時間的 25%),因此目前估計生成式人工智慧和其他技術有自動化當今員工 60% 到 70% 工作時間的潛力。 這可能導致工作活動發生變化,並且某些工作可能會完全被取代。 然而,生成式人工智慧也有可能創造新的工作機會,並提高現有工作的品質。
生成式人工智慧可以用於加快新產品和服務的開發,例如研究報告就指出在製藥和醫療產品產業中,生成式人工智慧對藥物發現和開發可能的重大貢獻。 生成式人工智慧可以用於產生候選分子,加速開發新藥物和材料的過程,這種創新加速有可能導致經濟成長和新的產業出現。
生成式AI如何改變工作內容與生產力?
生成式 AI 有可能從根本上改變目前的工作方式,並對生產力產生重大的影響。以下列出一些重要影響:
自動化相關任務
- 生成式 AI 擅長自動執行各種任務,特別是那些涉及重複性或基於規則的任務,包括資料輸入、內容審核、客戶服務,以及特定程式碼撰寫等活動。透過將這些任務自動化,生成式 AI 可以讓員工騰出時間來專注於更具戰略性、創造性和價值更高的活動。
增強人類能力
- 生成式 AI 不僅僅是取代工作,它還能增強人類的能力,讓員工在工作中表現更出色,例如,生成式 AI 可以快速分析大量資料,提供見解並提出選項,協助員工做出更明智的決策。
- 生成式 AI可以協助撰寫報告、建立簡報,甚至產生創意內容,讓員工更有效率且更具創造力。
工作需求改變
- 隨著生成式 AI 自動化更多任務,某些工作可能會消失,而其他工作可能會發生變化,例如創造力、批判性思維、解決問題和情商等技能的需求可能會增加,因為這些技能機器難以複製。
- 也因此,企業和員工需要適應這些變化,投資於技能提升和再培訓,以保持競爭力。
提升生產力
- 生成式 AI 有可能大幅提高生產力,透過自動化任務和增強人類能力,員工可以更快、更有效率地完成工作,這種生產力的提高可以促進經濟成長、獲得更高的利潤和改善生活品質。
生成式AI對哪些產業的營收影響最大?
根據資料分析,生成式 AI 對各產業的潛在營收影響取決於各產業不同的功能組合和重要性,以及產業營收規模。不過一般而言,生成式 AI 應用程式預計對銀行、高科技和生命科學產業的營收影響最大,例如,在銀行業,「如果充分實施這些應用程式,該技術每年可帶來相當於 2000 億美元到 3400 億美元的額外價值」,在零售業和消費性包裝商品業,潛在影響也很大,「每年可能達到 4000 億美元到 6600 億美元」。
- 高科技產業: 生成式 AI 的大部分潛在價值來自於它提高軟體開發速度和效率的能力。
- 銀行業: 生成式 AI 有可能藉由接手風險管理中價值較低的任務來提升人工智慧已經實現的效率,例如必要報表、監控法規發展,以及資料收集。
- 生命科學產業: 生成式 AI 正準備在藥物發現和開發方面做出重大貢獻。
- 零售業: 生成式 AI 可以透過提升行銷和客戶互動效率等功能,為零售業(包括汽車經銷商)貢獻約 3100 億美元的額外價值。
- 製藥和醫療產品業: 生成式 AI 可能會對製藥和醫療產品業產生重大影響,每年可能達到 600 億美元到 1100 億美元。這種巨大的潛力反映在發現新藥物化合物的過程需要密集的資源。 製藥公司通常將約 20% 的營收用於研發,而且開發一種新藥平均需要 10 到 15 年的時間。
企業和政策制定者應如何因應生成式 AI 帶來的挑戰?
企業和政策制定者必須了解生成式 AI 的潛力及其帶來的挑戰,並採取積極措施引導其發展和應用,以造福社會並減輕潛在風險。以下是一些可以採取的步驟。
對於企業和企業領導者
- 迅速採取行動以掌握潛在價值,同時管理風險。 生成式 AI 有可能大幅提高生產力並改變工作結構,但也帶來了風險,例如侵犯智慧財產權、產生有偏見的內容以及造成工作流失。企業領導者需要意識到這些風險,並採取措施來減輕這些風險。企業和政府領導者可以透過投資負責任的 AI 開發、實施強大的治理框架以及對員工進行 AI 的倫理含義方面的培訓來防範倫理的風險。
- 評估生成式 AI 對勞動力技能組合的影響。 生成式 AI 自動化某些任務並創造新任務的潛力將改變企業所需的技能組合。領導者需要評估這些變化,並相應地調整其招聘計劃、再培訓計劃和其他人力資源實務,可以專注於培養員工在創造力、批判性思維和解決問題等領域的技能,這些技能是機器難以複製的。
- 採取措施防止負面用例。 企業有責任確保生成式 AI 以負責任和合乎道德的方式使用。這包括避免將該技術用於可能危害社會或弱勢群體的應用,例如建立深度偽造或傳播錯誤訊息,應建立道德準則並積極監控 AI 系統的使用,以防止濫用。
- 分享經驗並與利益相關者合作。 企業可以透過分享其擴展生成式 AI 使用的經驗,促進最佳實務並幫助建立行業標準,可以與政策制定者、研究人員和其他利益相關者合作,來解決與生成式 AI 相關的挑戰,並確保該技術的效益得到廣泛分享。
對於政策制定者
- 制定政策來防止生成式 AI 被用於有害目的。 政策制定者需要制定政策框架來規範生成式 AI 的開發和使用,這包括制定法律來防止生成式 AI 被用於製造深度偽造、傳播錯誤訊息或其他有害活動。他們還可以考慮激勵措施,鼓勵開發和使用對社會有益的生成式 AI 應用。
- 確保以人為本的 AI 開發和準備。 政策制定者應該優先考慮以人為本的 AI 方法,以確保生成式 AI 的開發和建置方式符合人類價值觀和倫理原則,包括在 AI 系統的設計和實施中納入人工監督、促進 AI 開發中的多元化和包容性,以及建立機制來解決與生成式 AI 相關的社會和倫理問題。
除了上述步驟之外,企業和政策制定者還可以考慮以下措施:
- 投資於生成式 AI 的研究和開發,以更了解其潛力和挑戰。
- 支持勞動力轉型措施,加強再培訓計劃和工作配對服務,以幫助受生成式 AI 影響的員工。
- 促進關於生成式 AI 的社會對話,以提高社會大眾的認識並建立對該技術的信任。
生成式 AI 是一項強大的技術,具有深刻改變我們生活和工作方式的潛力。通過採取積極措施來應對挑戰並利用機遇,企業和政策制定者可有助於確保生成式 AI 被用於創造一個更美好、更公平的未來。
小結:生成式 AI 的潛力、應用、影響與風險
潛力
- 生成式 AI 有望為全球經濟帶來巨大的價值,麥肯錫報告估計其每年可貢獻 2.6 兆至 4.4 兆美元,大幅提升整體 AI 影響力 (15% 至 40%)。
2. 生成式 AI 不僅提升生產力,更能創造全新產品與服務,推動經濟成長。
應用範圍
生成式 AI 應用廣泛,幾乎涵蓋各行各業。麥肯錫報告分析了 63 個應用案例,涵蓋 16 種商業功能。其中主要應用領域包括科技、金融、醫療等,主要是在以下四種業務範圍:
- 客戶營運:透過自然語言處理技術,生成式 AI 可自動化與客戶的互動,提升客戶體驗和代理生產力。
2. 行銷和銷售:生成式 AI 可根據客戶偏好,自動生成個人化訊息、行銷文案、廣告等內容,提高行銷效率和銷售轉換率。5
3. 軟體工程:生成式 AI 可輔助程式碼撰寫,自動生成程式碼、測試案例、文件等,加速軟體開發流程。6
4. 產品研發: 生成式 AI 可加速新藥物、新材料等產品的研發過程,透過生成設計快速產生候選方案,並優化產品設計。7
對就業的影響
生成式 AI 的自動化能力可能取代部分現有工作,特別是在知識工作領域;然而,生成式 AI 也將提高生產力,創造新的工作機會,例如 AI 模型訓練師、AI 倫理專家等。
面對生成式 AI 的挑戰,工作者需要不斷提升技能,適應新的工作方式;教育體系需要改革,培養未來所需技能;政府需要制定政策,協助勞工適應勞動力市場變化。
風險與挑戰
生成式 AI 發展帶來許多風險和挑戰,需要謹慎應對。 主要風險包括:
- 公平性:訓練數據的偏差可能導致生成式 AI 產生不公平的結果。
2. 智慧財產權:生成式 AI 產生的內容可能侵犯智慧財產權。
3. 隱私性:生成式 AI 可能洩露使用者隱私資訊。
4. 安全性:生成式 AI 可能被用於網路攻擊或產生惡意內容。
5. 權威性:生成式 AI 模型決策過程難以解釋,正確性和公平性不易評估。
6. 可靠性:生成式 AI 產生的結果可能不一致,影響其應用。
7. 組織影響:生成式 AI 可能導致失業問題。
8. 社會和環境影響:生成式 AI 的訓練過程可能帶來環境問題。
評論
生成式 AI對於知識和教育產業的影響最大,卻沒有被麥肯錫報告特別討論,可能是因為知識界和教育界與財富產值的關係比較少?知識產業和教育產業鏈上的工作者應該要特別提防。(m.m.)
原文:https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20digital/our%20insights/the%20economic%20potential%20of%20generative%20ai%20the%20next%20productivity%20frontier/the-economic-potential-of-generative-ai-the-next-productivity-frontier.pdf