定制报告-个性化定制-按需专项定制研究报告
行业报告、薪酬报告
联系：400-6363-638
《IBM：2024生成式AI的智慧之力：解锁大规模生产力和创新报告（28页）.pdf》由会员分享，可在线阅读，更多相关《IBM：2024生成式AI的智慧之力：解锁大规模生产力和创新报告（28页）.pdf（28页珍藏版）》请在本站上搜索。
1、IBM 商业价值研究院|研究洞察生成式 AI 的 智慧之力解锁大规模生产力和创新2企业可以利用 IBM 深厚的行业、职能和技术专业能力，丰富的企业级技术解决方案以及基于科学的研究创新来释放 AI、分析和数据的潜能。如需了解关于 IBM Consulting 提供的 AI 服务的更多信息，请访问 IBM Software 提供的 AI 解决方案的更多信息，请访问 IBM Research 提供的 AI 创新的更多信息，请访问 如何提供帮助企业领导者必须将实验转化为可大规模创造价值的企业级投资。摘要生成式 AI 投资呈激增之势。生成式 AI 支出在 12 个月内增长了超过 10 倍，而 IT 支出
2、的增长率仅为通货膨胀率的一半。1AI 的财务回报稳稳超过投资成本。2022 年，AI 的平均投资回报率为 13%，而生成式 AI 的早期成果（由成功的试点项目推动）推动 AI 投资回报率提升至 31%。早期的生成式 AI 实验倾向于低风险的非核心用例。但是，组织可以专注于与其竞争优势更密切相关的业务领域，从而创造更多价值。最大的收获可能来自未知领域。超过一半的高管预计，在未来三年内，生成式 AI 将使以前不可能的工作类型成为可能。1从媒体轰动到面向市场的解决方案“在企业的世界中，并没有一个舒适区可以让你悠闲地享受过去的胜利。你必须始终向下一个目标迈进。”Bill Anderson 拜耳公司首席
3、执行官生成式 AI 的能力达到了令人难以置信的水平。这项技术可以将编码时间从数天缩短到数分钟，对产品进行最细微层面的个性化，还可以在第一时间发现出现的安全漏洞。自 2022 年以来，生成式 AI 推动 AI 投资回报率从 13%飙升至 31%。尽管这在很大程度上反映了试点、沙盒实验和其他小规模投资的成功，但这些早期成果开始促使企业领导者重新思考新的可能性。我们针对 24 个国家/地区和 25 个行业的 5,000 名高管进行的最新专项调研表明，大多数高管比去年更看好 AI 的发展前景。超过四分之三(77%)的受访高管表示生成式 AI 已经准备好进入市场，而 2023 年这一比例仅为 36%；近
4、三分之二(62%)的受访高管表示生成式 AI 是现实而非炒作（见图 1）。超过四分之三的受访高管表示其组织需要迅速采用生成式 AI，以跟上竞争对手的步伐。根据 IBM 商业价值研究院(IBM IBV)发布的 2024 年 CEO 研究报告，72%的高绩效 CEO 认为企业的竞争优势取决于是否拥有最先进的生成式 AI。2 企业领导者已经开始意识到生成式 AI 能够提高盈利水平。2022 年至 2023 年，直接归因于 AI 的营业利润增长翻了一番，达到近 5%而受访高管预计这一数字到 2025 年将达到 10%。根据即将发布的 IBM IBV 研究报告，在现有企业软件工作流程中嵌入生成式 AI
5、也有望实现更可持续的投资回报率。3尽管已有这些早期的迹象，但一些分析机构仍持怀疑态度。他们预计，这种由炒作推动的采用高峰之后将是“幻灭低谷”，组织面对在核心业务功能中部署生成式 AI 的复杂性将选择放弃。4 在某些情况下，这确实是事实。三分之一的受访企业在试点后暂停了 AI 用例，但这意味着有三分之一的受访企业并未止步。2在这种情况下，企业领导者如何才能有效将实验转化为可大规模创造价值的企业级投资？本文提供了一个路线图，可帮助企业回答这个问题，并附有相关案例研究来说明行动的有效性。首先，我们概述了生成式 AI 目前在哪些领域实现了最高的投资回报率。然后，我们阐述了高管如何利用生成式 AI 的长
6、期潜力，并克服从组织结构到安全性等方面的关键挑战。最后，我们列出了一份行动指南，可指导企业利用生成式 AI 推动业务转型无论企业当前处于 AI 旅程的哪个阶段。图 1从怀疑到信心高管们看到生成式 AI 的真正潜力正在形成我们需要迅速采用生成式 AI 以跟上竞争对手77%38%77%36%生成式 AI 已准备好进入市场62%33%生成式 AI 是现实而非炒作20232024三分之一的受访企业在试点后暂停了 AI 用例，但这意味着有三分之二的受访企业并未止步。3案例研究拜耳公司首席执行官 Bill Anderson 对 AI 的未来有着宏大的愿景：“在未来 20 年内，在土地减少、水源减少、需要使
7、用更少化学品的情况下，我们将如何养活世界上另外 20 亿人，我认为 AI 将在这方面发挥最广泛的作用。”Anderson 拥有麻省理工学院化学工程专业的高级学位，在罗氏制药公司担任首席执行官后加入拜耳公司，这表明他采用严谨、基于证据的方法进行重大预测。他对生成式 AI 的最终影响充满信心，因为他了解生成式 AI 在人工智能和机器学习等技术中的地位，这些技术已经对他的公司和行业产生了一段时间的影响。他谈到这一快速发展的新一代应用时说道，“这才刚刚开始，不容置疑，我们正在从理论走向应用。”生成式 AI 的实际应用在拜耳公司，生成式 AI 的第一项重大成果是提高了生产率，这项应用正在进行中。Ande
8、rson 说道，这项技术已经取代了大量的人工任务，而我们才刚刚开始。例如，收集、检查和分析数据以更好地理解患者群体，这样可以在测试地点和参与者选择方面带来有意义的增量效益。这一切都不容易。例如，假冒产品和仿真产品是一项重大风险，因为生成式 AI 让犯罪分子能够在躲避安全措施的同时快速作案。深度伪造和虚假报道也是不可忽视的威胁。但 Anderson 仍然坚信，生成式 AI 在加速药物发现领域极具潜力。他表示，在两到三年内，得益于当前正在进行的生成式 AI 工作，一种新的抗癌药物将进入第三阶段临床试验他说道：“这真的很快。”拜耳公司展望 AI 的宏大愿景54播种未来Anderson 开始意识到，随
9、着时间的推移，生成式 AI 可帮助拜耳的作物科学部门（投资达 250 亿欧元）有效应对气候变化时代的作物保护挑战。开发一种新的杀虫剂可能比开发一种新的抗癌药物还要困难，因为抗癌药物只对人体产生影响，而杀虫剂则可能对整个生态产生影响。“我们必须模拟一种新的作物保护化学品在 100 种不同环境中的表现如果能利用生成式 AI 来预测哪种作物保护化学品的表现可能最好，就能为我们节省大量的试验时间。”在生成式 AI 能够实现这些宏大的愿景之前，必须将其全面整合到这家总部位于德国勒沃库森的公司的制药、消费品和作物科学部门中。Anderson 于 2023 年接任这家全球生命科学巨头的首席执行官，有望成为变
10、革的推动者。他认为这种企业转型是可能的，也是必要的。在谈到这家业务遍布 83 个国家、年收入达 500 亿欧元的传奇企业时，他说道，“如果满足于过去的成功，就不可能持续成功 160 年。在企业的世界中，并没有一个舒适区可以让你悠闲地享受过去的胜利，对吧？你必须始终向下一个目标迈进。”拜耳公司展望 AI 的宏大愿景(续)5生成式 AI 目前在哪些领域能创造最大价值？生成式 AI 有望成为业务转型的强大催化剂，但它并不是万能的。在实施过程中，必须认真考虑成本、数据治理和伦理影响，同时还要关注人才与技能。由于生成式 AI 的最大优势是增强人类工作而非自动化，因此文化变革对于持续创造价值至关重要。事实
11、上，64%的受访 CEO 表示，AI 项目的成功将更多地取决于员工的采用，而不是技术本身。6企业领导者需要理解不同工具如何协同运作，传统 AI 技术、生成式 AI 模型和自动化各司其职，而不是将生成式 AI 作为所有问题的解决方案。他们必须打破用例思维，专注于利用生成式 AI 来转变员工的日常工作方式。实现这一目标需要一个过程组织在 AI 领域的经验将影响其应从何处开始。组织正在采取两种主要方法来推动实现持续 AI 投资回报所需的系统性变革。1.实验：在低风险的非核心职能中发现效率。优先在传统 AI 已经为企业创造明确业务价值的领域采用生成式 AI 有助于加速转型并创造增量利润。大约三分之二的
12、受访高管表示其组织正在客户服务(70%)、IT(65%)和产品开发(65%)职能中采用生成式 AI，这与我们在 2023 年中期看到的情况一致。72.聚焦：增强基本业务职能以推动更广泛的转型。在更接近核心的业务运营中使用生成式 AI 的风险可能更高，但这正是业务转型潜力开始显现的领域。那些侧重于销售、信息安全以及供应链、物流和履行等以前未充分开发的领域的企业正在实现更高的投资回报率。聚焦于关键业务职能的生成式 AI 应用有助于组织创造变革性的收入增长。6当然，对于许多组织来说，在风险较低的领域进行实验，作为生成式 AI 旅程的切入点也是有意义的。在团队学习如何充分利用技术的同时，组织还能获得边
13、际效益。然而，停留在浅层也会导致组织无法实现生成式 AI 所能创造的更具变革性的顶层增长。只有将目光投向企业范围内的创新上，并专注于潜力最大的领域，组织才能实现长期、可扩展的成功。图 2绘制生成式 AI 旅程 核心聚焦更有助于推动企业转型AI 的战略重要性企业类型临时在低风险的非核心业务领域进行实验的企业对功能有效性非常 重要在职能部门部署 AI 以改善客户体验/运营效率的企业对业务单位的效率 非常重要将 AI 融入职能部门以改善客户体验/运营效率的企业有机增长与创新的 核心将 AI 嵌入核心产品与研发以实现差异化的企业转型与平台战略的 关键利用 AI 助力实现平台经济的企业业务战略的核心各种
14、超大规模云服务提供商、软件/硬件公司基础AI 初创公司机会主义水平部署垂直集成产品嵌入新业务模式推动者以业务模式为中心业务模式的基础聚焦 实验17%33%19%31%受访者百分比转型程度7广度与深度不同组织根据所在起点以不同方式实施生成式 AI。观点AI 领先者凭借自身的丰富经验，利用生成式 AI 推动更广泛的转型。此类组织已经在运行和优化传统 AI，并主要使用生成式 AI 来改进现有的 AI 能力。此类组织在各个职能中具有最高的传统 AI 和生成式 AI 采用成熟度，其传统 AI 的投资回报率也要高于其他组织。在大多数职能中，至少有 60%已经实施了生成式 AI，这意味着此类组织有机会将重点
15、放在已经实现最大价值的领域。生成式 AI 机会主义者对 AI 的采用总体上处于中低水平，但在拥有传统 AI 经验的领域，其生成式 AI 采用率会激增。此类组织正在三个关键职能中开展生成式 AI 的相关实验，包括信息技术、客户服务和信息安全。通过探索自己认为最具潜力的领域，此类组织从生成式 AI 项目中实现了比其他组织更高的投资回报率。客户服务信息技术信息安全研究与创新制造营销财务销售人力资源供应链、物流和履行采购产品开发风险与合规55%67%59%46%1%29%33%29%19%3%5%17%26%83%76%72%67%64%64%61%61%60%60%59%57%55%AI 领先者生成
16、式 AI 机会主义者问：贵组织在以下职能中采用生成式 AI 的情况如何？百分比包括选择“实施”、“运行”和“优化”的受访者。8 8如何实现长期价值从实验到企业级创新并不是一条直线。采用方式的演变取决于组织的起点、已开发的能力以及员工适应能力的准备程度。与此同时，随着生成式 AI 的成熟，竞争能力可能会开始趋同，这会导致获得竞争优势变得更加困难。在因此，组织必须竭力解决与生成式 AI 相关的障碍和挑战，并且需要迅速采取行动。当前带来的优势，未来可能只是基本要求。对于处于早期阶段的企业来说，在低风险职能领域部署生成式 AI 有助于快速启动业务转型。实验和小规模的成果可以简化工作流程并提高效率，同时
17、团队也能逐渐适应。我们的研究重点揭示，有两个关键领域可作为明智的起点：客户服务我们的分析表明，在生成式 AI 的采用和投资回报率方面，客户服务都处于领先地位。许多企业已经建立了稳固的传统 AI 基础，例如可用自然语言回答客户询问的对话式 AI。根据 IBM 商业价值研究院的调研，平均而言，相比未在客户服务中使用生成式 AI 的组织，使用生成式 AI 的组织实现了更高的客户满意度。8 但这并不是绝对的。需要注意的一个陷阱是：大多数客户服务用例仅专注于提高现有工作流程的效率。这种情况将迅速改变。到 2024 年底，高管们指出了三个呈增长趋势的机会：生成用于训练对话式 AI 的测试用例(78%)、为
18、对话式 AI 生成对话(74%)以及为人工客服生成对话(69%)（请参阅第 11 页的“AI 开启客户服务引擎”）。IT开发人员正在依靠生成式 AI 来简化日常任务。例如，在 IT 领域采用生成式 AI 的企业中，有 77%使用这项技术来生成代码。这些企业还利用生成式 AI 来识别和修复错误，帮助确保代码按预期运行，从而实现代码测试自动化。生成式 AI 还能加快创建所需文档的过程，包括用户手册和其他与软件开发和网络安全审查配套的技术材料。9当前带来的生产力提升，未来可能只是基本要求。910这些领域是实现长期投资回报的起点，可实现具有重要影响的生产力提升。随着时间的推移，将生成式 AI 部署到更
19、接近核心的业务职能将创造最大的效益。我们的研究表明，一些领先组织开始将生成式 AI 应用于一些以前未曾探索的领域，例如销售和供应链，重塑这些领域的工作方式。销售和营销生成式 AI 可以利用客户数据提供对其行为的洞察，从而提升销售团队的业绩。生成式 AI 能识别高价值细分市场中的优质线索，使营销战略和推广工作更加有效。事实上，在营销领域采用生成式 AI 的企业中，有 85%正在利用这项技术来总结市场情报。此外，销售和营销团队还利用生成式 AI 来撰写和编辑电子邮件、博客、社交媒体帖子和网站创意内容，从而大幅节省时间（从数小时缩短至数分钟），然后将节省下来的时间投入到探索拓展客户关系的新方法中。1
20、0供应链随着供应链中断的加剧，生成式 AI 有助于识别潜在的障碍，并在问题影响交付之前找到解决方案。这项技术能让供应链决策者与 AI 助手进行直观的对话，通过实时提供所需信息，使其影响更加具体和相关。通过自动化日常任务和增强工作流程，生成式 AI 还使供应链专业人员能够专注于解决复杂问题和改进流程。11 例如，在供应链中采用生成式 AI 的企业中，有 80%利用这项技术来生成运营文档。但对于一些组织来说，这样的转型机会似乎遥不可及。正是因此，一些企业领导者正在考虑采用一种平台方法来实现生成式 AI，将各个部门或合作组织的资源和收益汇集在一起，作为一种成本更低、实施更简单的选择。通过这种方式，企
21、业领导者可以避免在每个领域从零开始，并迅速、更具战略性地在具有最大潜力的职能中嵌入生成式 AI，包括财务、供应链和制造、人力资源以及销售和市场营销。不过，采用这种方法的企业领导者还需要考虑每个职能的独特需求，并设法对生成式 AI 应用进行相应的微调。75%的组织至少在五个或更多职能中试点生成式 AI。11AI 开启客户服务引擎观点从与客户聊天、创建精准内容到优化呼叫中心绩效，生成式 AI 正在将客户服务转型提升到全新的水平。借助自然语言生成技术，生成式 AI 能够用更流畅、更符合上下文的方式来回答客户问题。生成式 AI 还可以根据客户的交互记录来提供量身定制的响应，并提供更加个性化的体验。这样
22、一来，客户就可以像与人类客服互动一样与生成式 AI 助手进行聊天。不仅如此，生成式 AI 的应用远远超出了与客户的直接互动。这项技术可以提供人工客服培训、个性化增强、翻译内容和预测未来客户行为，从而全方位增强客户服务职能。生成式 AI 还可以为面向客户的对话式 AI 提供支持，包括生成测试用例和对话，以及分析交互以识别改进机会。12这些用例有助于生成式 AI 在减少人工干预的情况下为对话式 AI 提供强力赋能。使用生成式 AI 创建测试用例（用于验证 AI 模型是否按预期运行的一系列步骤）和对各种客户询问的回复，可帮助团队在培训和微调对话式 AI 时处理广泛的场景、用户输入和边缘情形。12案例
23、研究Zebra Technologies 赋能增强型员工团队13Zebra Technologies 公司的首席执行官 Bill Burns 预计生成式 AI 将对人们的工作方式产生积极的影响，包括公司员工和其公司生产的耐用移动设备的用户。他表示，“我们的业务专注于一线工人。”这家年收入 45 亿美元的制造商已转型为数字解决方案提供商，助力企业智能地连接各行业的数据、资产和人员。该公司致力于为零售、制造、运输、医疗保健和公共服务等行业的物流和其他职能制造智能跟踪、标记和打印设备。他认为，关于生成式 AI 会淘汰人类的早期观念已经过时。“生成式 AI 并不会取代工人，而是在工作流程中自动执行某些
24、任务，从而增强工人的能力，为他们节省时间，并最终为工人赋能，让他们专注于价值更高的活动。”Zebra Technologies 在生成式 AI 投资方面采取了系统化的方法，并对在企业范围内实施用例有很高的标准。Burns 先生引用了组织的“感知、分析、行动”方法，作为流程指南和避免屈从于炒作的方法。我们的目标是理解工作流程中的哪些行动和变化能推动改善结果（例如操作速度、准确性、一致性和整体生产率），然后量化影响并明确投资回报率。他说道：“证明给我看，并展示商业论证。”这种审慎的策略必须与生成式 AI 的快速成熟和市场需求进行权衡。他说道，“你必须对所做的每一件事都保持紧迫感，并以两种速度运作。
25、第一种速度是有意识的，专注于执行并将解决方案交到客户手中，针对那些我们有信心能创造价值的用例。第二种速度的结构性和实验性较弱，就是与客户共同推动创新，发现可以从 AI 创新中受益的新领域。“如果我们不这样做，其他人就会这样做。”“生成式 AI 将使员工的工作更轻松，并改善客户体验。”Bill Burns Zebra Technologies 公司首席执行官 13Zebra Technologies 赋能增强型员工团队（续）在 Zebra 开始评估生成式 AI 时，Burns 先生与公司各利益相关方保持密切联系。计划是：“在与大型战略技术合作伙伴建立联系的同时，对我们自己进行生成式 AI 方面的
26、知识普及，组建一个跨职能团队，由组织的首席技术官关注外部，首席信息官关注内部，随着 AI 技术的发展，共同努力定义负责任和符合伦理的 AI 原则，”他如是说道，他说。“其中一个关键在于沟通和变革管理，以确保每个人都了解这些团队，并接受新的运营方式这要从高层开始。”在对预期效益和成本进行全面审查之后，才会做出关键的实施决策。他说道，“人们认为这一切都是免费的，因为今天他们可以免费使用 ChatGPT。如果想在企业内部大规模使用，就不再是免费的了，因为这些解决方案需要消耗云中的真实资源。但 Zebra 正在探索并开发一款在移动设备上运行生成式 AI 模型的一线工作者应用。这可以降低成本、提高安全性
27、并保护数据。”Zebra Technologies 已经确定了许多生成式 AI 的内部用例，这些用例有潜力改变员工的工作流程。其中包括使用多种语言快速开展营销活动，以及使客户服务团队能够提供更个性化的客户体验，缩短问题解决时间。在以客户为中心的产品开发方面，该公司的战略是在其新一代移动设备上部署开源大型语言模型。然后，Zebra 利用自己的数据，按用例微调这些模型，同时利用一个平台，让客户用自己的数据填充模型，并通过 Zebra 移动设备与他们的系统连接。创造工作的未来Burns 先生预计，生成式 AI 的净影响将包括许多好的就业机会，创造出压力更小的新职位，让员工专注于更有意义的工作，发展增
28、强型能力，并在工作中快速学习和成长。他感受到高管们对未来的讨论方式发生了变化。他表示：“这已经从工人将被取代的炒作发展为任务自动化。“生成式 AI 将使员工的工作更轻松，并改善客户体验。”他举例说道，软件开发人员现在可以利用这项技术编写代码。他继续说道，“开发人员不会失业，而是可以花更多时间在增值任务上，或更轻松地完成更多工作，尤其是在劳动力供应和成本挑战的形势下。他表示，这项技术让人们能够快速行动，并轻松从结构化和非结构化数据中获取切实可行的洞察。更快的培训和更短的熟练时间显然也能为雇主带来回报。例如，在零售行业中，员工流动率非常高，还有一些领域通常需要对新员工进行较长周期的培训。“有了移动
29、设备作为生成式 AI 助手的窗口，新员工可以迅速变得像经验丰富的员工一样熟练，同时受益于工作满意度的大幅提升。”“你必须对所做的每一件事都保持紧迫感如果我们不这样做，其他人就会这样做。”Bill Burns Zebra Technologies 公司首席执行官 14搭建增长跳板尽管生成式 AI 已经取得了进展，但挑战依然存在。近一半的受访高管表示对准确性和偏见感到担忧这个问题可能会带来许多新问题，就像生成式 AI 承诺解决的问题一样。许多高管还担心，专业知识不足、商业论证不明确和专有数据不足可能会阻碍生成式 AI 的进展（见图 4）。如今，为生成式 AI 奠定坚实基础的组织将能够在新机遇出现时
30、及时做出调整并形成发展势头。图 4挑战并存组织必须克服许多障碍，才能在生成式 AI 领域取得进展。而随着 AI 技术的成熟，高管们最关心的问题也在发生变化。45%对数据准确性或偏见的担忧42%可用于定制模型的专有数据不足42%生成式 AI 专业知识不足42%财务理由/商业论证不足40%对数据和信息隐私/保密性的担忧 40%技术能力有限36%需要太多的投资32%对知识产权的担忧31%用例不相关或不清晰31%数据安全/对网络安全的担忧19%受到法规/合规性的约束12%与商业战略不一致 1%基础设施不足/没有障碍2023 年 4 月2023 年 8 月2024 年 3 月 15要克服这些挑战，需要技
31、术、金融、安全、法律和 AI 伦理等领域的领导者共同努力。14 这是一项复杂的工作，但省去这项工作会带来严重的后果。从更大的责任、引入新的安全漏洞到损害品牌声誉，领导者在将生成式 AI 整合到业务运营中时，必须要理解并减轻一系列新出现的风险。一些组织已经在竭力管理这些威胁：的受访组织在其风险职能中单独设立一个部门，专门处理与使用 AI 或生成式 AI 有关的风险。的受访组织定期进行风险评估，以识别生成式 AI 带来的潜在安全威胁。的受访组织维护了健全的文档，以增强生成式 AI 模型运行和训练方式的可解释性。的受访组织为生成式 AI 治理建立了明确的组织 结构、政策和流程。的受访组织制定了管理数
32、据和应对潜在风险的 政策和程序。这些活动应成为任何稳健的生成式 AI 风险管理策略的一部分。但是，当领导者开始在对其竞争优势至关重要的领域使用生成式 AI 时，确定其组织需要重点关注的领域应该成为其首要任务。重新想象可能性AI 有潜力以难以想象的方式改变商业世界、经济和社会。今天，通过建设正确的能力，企业就能将这些新机遇转化为现实。这不仅仅是自动化当前的一些任务，还包括实现一些前所未有的可能性。15 从帮助开发疾病治疗方案到应对气候变化，生成式 AI 可以解决困扰人类几个世纪的问题。在我们的调研中，超过一半的受访高管表示，在未来三年内，生成式 AI 将使一些全新的工作类型成为可能（见图 5）。
33、很难想象这些新用例可能是什么样子，但这正是关键所在。能够在未来创造最大价值的生成式 AI 应用还有待发现。如今，为生成式 AI 奠定坚实能力基础的组织将能够在新机遇出现时及时做出调整并形成发展势头。80%81%78%76%72%16通过搭建一个能让员工安全进行实验的平台，企业可以释放员工的集体智慧。领导者需要培养一种成长和创新的心态，并鼓励员工超越过去的成功，开创突破性的创新，超越竞争对手，并利用生成式 AI 推动大规模的变革性增长。图 5开辟新领域生成式 AI 开启了一个充满机遇的新世界新机遇增强型人机任务人类任务“流程自动化并不是要取代个人，而是要提升个人的价值，让人类的工作更加人性化。”
34、Javier Tamargo 407 ETR 首席执行官注：图是概念性的。比例并非根据数据得出。1718观点目前，世界上有近四分之一的人口生活在洪水泛滥地区，随着气候变化引发的海平面上升和风暴加剧，预计这一数字还会继续上升，使更多人面临危险。准确绘制洪水事件地图的能力不仅对保护人们和财产至关重要，还能在未来引导开发活动向风险较低地区转移。IBM 和 NASA 的地理空间基础模型旨在将 NASA 的卫星观测和数据转换为自然灾害和其他环境变化的定制地图，从而为实现这一目标迈出重要的一步。潜在应用包括帮助估算气候相关的作物、建筑和其他基础设施的风险；监测和评估森林的碳抵消项目；生成可再生能源预测；以
35、及开发预测模型，帮助企业制定减缓和适应气候变化的策略。作为太空法案协议的组成部分，IBM 和 NASA 于 2023 年初着手建立了首个用于分析地理空间数据的基础模型。以前，用户必须为每项任务训练一个新模型，这需要大量的数据整理和计算。IBM 研究人员并没有基于文本来训练基础模型，而是指导模型来理解卫星图像。然后，团队向模型提供手动标记的示例，以教会它识别历史洪水和火灾烧痕的范围、土地利用变化和森林生物量等。2024 年，IBM 和 NASA 扩展了该模型系列，开发了一个用于天气和气候数据的基础模型。他们针对更具体的任务定制了该模型，例如为可再生能源规划创建高度本地化的风力预测，以及提高气候模
36、拟的分辨率，从而更好地理解和规划气候变化对当地的影响。使用基础模型的设计非常简单，只需选择一个区域、一项映射任务和一组日期即可。例如，如果用户在搜索栏中输入“法国拉纳港”，并选择 2019 年 12 月 13 日至 15 日这一日期范围，模型就会以粉红色突出显示洪水水位的范围。用户可以叠加其他数据集，查看农作物或建筑物被淹没的位置。这些模型及其随附的可视化内容可以帮助在类似灾难场景下进行未来规划模型提供的信息可以帮助减轻洪水影响，指导保险和风险管理决策，制定基础设施计划，改善灾难响应以及保护环境。IBM 和 NASA 帮助 人类适应气候变化1619IBM 和 NASA 使用掩蔽自动编码器构建了
37、这两个模型，用于处理视频并将根据卫星图像进行调整。为了训练模型理解随时间展开的图像序列，研究人员将每个图像的部分区域遮蔽，并让模型进行重建。重建的图像越多，模型对卫星图像组成的理解就越好。随后，IBM 和 NASA 针对特定任务（如图像分类和分割）对模型进行了微调。为了提高模型的效率，研究人员还缩小了卫星图像的尺寸，这样就能以更小的块来处理数据，并使用更少的 GPU。然后，他们在 IBM Research 的 Vela 超级计算机上使用 5000 多个 GPU 小时对模型进行了训练。结果令人欣喜。在测试中，研究人员发现，与最先进的深度学习模型相比，该模型在绘制洪水和火灾烧痕的准确率上提高了 1
38、5%，而使用的标记数据仅为一半。据 IBM 估计，该模型可以将地理空间分析的速度提高三到四倍，并帮助减少传统深度学习工作流程中所需的数据清理和标记工作。这项技术可以应用于企业和政府，因为许多企业和政府正在寻找更简单、更快速的方法来分析气候数据并从中提取洞察。例如，IBM 最近支持肯尼亚政府应对灾难性洪水，利用洪水检测模型与其他数据源相结合，跟踪对医院、道路和能源基础设施等关键资产的快速影响。此外，IBM 还利用这项技术监测肯尼亚的再造林工作并量化森林生物量，以便通过碳融资为恢复工作提供可持续的资金。17该解决方案还可以帮助大型消费品公司更好地理解气候变化、极端天气或地缘政治风险等宏观趋势，这些
39、趋势会影响其从哪里采购原材料，以及未来可能考虑在哪里购买这些资源。该解决方案还可以帮助大型农业企业更好地衡量、跟踪和减轻其农业实践对当地环境和周边社区的影响，更好地理解土壤退化、水资源保护活动，以及如何减少田地向当地水体排放造成的污染。IBM 和 NASA 帮助人类适应气候变化（续）研究人员发现，与最先进的深度学习模型相比，在绘制洪水和火灾烧疤地图时，只需使用一半的标记数据，准确率就提高了 15%。行动指南扩展生成式 AI 需要一支全明星团队。任何一位高管都无法仅凭一己之力来推动生成式 AI 计划。要为长期业务转型奠定必不可少的基础，就需要各职能部门密切合作。下面列出了六种类型的领导者当前需要
40、采取的行动，以便让其组织为未来挑战做好准备。设定明确的任务。确保领导者知道扩展生成式 AI 并不是一个可选项。问题是如何实现，而不是能否实现。指派一名高级领导来掌舵，并优先考虑与业务战略最密切相关的 AI 计划。重新想象可能性。生成式 AI 不是一个技术项目。在开始对话时，先确定您希望实现的目标，然后探讨生成式 AI 如何帮助实现这些目标。推动团队重新设计业务和工作流程，以利用生成式 AI 创造的新机会。鼓励成长心态。激励团队尝试新事物，并奖励最具创新性的想法即使这些想法不能带来立竿见影的效果。培养一种参与性和包容性的文化，鼓励团队积极面对生成式 AI 带来的挑战，而不是因为害怕失败而回避这些
41、挑战。摒弃用例思维。将业务问题及其解决方案归类为战略主题或用例“系列”。将生成式 AI 与员工体验相结合，以实现最大收益。评估 AI 即服务在哪些方面比自建解决方案更具成本效益。诚实地评估哪些方面不起作用。确定团队需要做出哪些改变，才能有效利用生成式 AI。不要对不良流程进行自动化，而是要进行重新设计。明智地承担风险。在低风险领域实验生成式 AI 是一个良好的起点，但要想办法尽快发展核心功能。不要止步于早期的生产率提升请继续推动规模化成功。在企业内部优先建立数据和 AI 素养。提高员工团队技能，让他们更轻松地采用生成式 AI。消除孤岛。建立跨职能的产品团队，使用生成式 AI 来简化数字工作流程
42、并增强决策能力。举办生成式 AI 集体活动，激发热情。通过变革举措激励员工，促进动员、采用和开放创新。找出那些引领变革的人，并为他们提供一个激励他人的平台。最高管理层业务部门领导者人力资源领导者20 行动指南保持模型无关性。投资建立一个开放平台，以便在适当的时机轻松更换模型。尽可能选择较小、适用性强的模型。构建可组合的数据和生成式 AI 平台架构。在能力、成本和集成模式方面确保灵活性，使 IT 架构能够解耦模型、工程工具、基础设施和应用层。使用业务语言进行沟通。用业务团队能够理解的方式传达数据管理、质量和准备最佳实践，助力从基层推进创新。采用产品和平台运营模式。跟踪性能提升情况，并为 AI 驱
43、动的工作流程分配运营价值。优先考虑整体 AI 治理。建立确保 AI 应用可信和合规的实践与流程。尽可能实现自动化的模型生命周期治理、风险管理和合规文档流程。为数据和 AI 建立专有工程和运营实践。利用数据和模型管道、自动化、测试和端到端监控模板，提高质量、可重复性和效率。举办生成式 AI 创新日和包含治理要素的黑客马拉松。要求团队使用生成式 AI 来提高运营效率和解决业务问题，然后要求他们证明其解决方案是合乎伦理和合规的。建立明确的问责制。AI 治理应从概念层面开始，并贯穿 AI 解决方案的整个生命周期。制定筹资任务，确定负责任的领导者，发展 AI 卓越中心，确保企业保持在正确的轨道上。创建责
44、任与协作文化。识别那些能从社会技术角度看待治理问题，并欢迎采用新方法来降低 AI 风险（无论其来源如何）的领导者。将管理作为协同创新工作的组成部分，并强调责任属于每一个人，而不仅仅是模型负责人。IT 领导者AI 领导者道德与数据隐私 领导者2122作者Brian Goehring 副合伙人，AI 研究负责人，IBM 商业价值研究院 Goyal IBM Consulting 高级合伙人、全球 AI 和分析负责人 Gunnar数据与 AI 产品管理总经理IBM S Anthony Marshall高级研究总监IBM 商业价值研究院 Aya SofferAI 技术副总裁，IBM ResearchIB
45、M R 专题专家衷心感谢以下人员为本报告提供了宝贵的见解、专业知识和支持：IBM Consulting：Gianluca Antonini、Stephan Bloehdorn、Phaedra Boinodiris、Francesco Brenna、Matt Candy、Michael Conway、Blaine Dolph、Dominique Dubois、Glenn Finch、Matt Francis、Ambhi Ganesan、David Gerken、Tony Giordano、Rosane Giovis、Jill Goldstein、Teresa Hamid、Avdyl Haxhaj
46、、Vivek Kapur、Jennifer Kirkwood、Kim Morick、John Nevin、Luq Niazi、Wouter Oosterbosch、Linda Perry-Lube、Cathy Reese、Enik Rzsa、Aldo de Rubert、Kim Morick、John Nevin、Luq Niazi、Wouter Oosterbosch、Linda Perry-Lube、Cathy Reese、Enik Rzsa、Aldo de Rubertis、Richard Sarcomo、David Sebaoun、Brent Smolinski、Srini Tumma
47、lapenta、John Uysal、Molly Vannucci、Shobhit Varshney、Debbie Vavangas、Sebastian Weir、Alexis ZamkowIBM Research：Dakshi Agrawal、Lisa Amini、David Cox、Bill Higgins、Mahmoud Naghshineh、Sriram Raghavan、Francesca Rossi、Kate Soule、Kush VarshneyIBM Software：Maryam Ashoori、Kate Blair、Edward Calvesbert、Tarun Chopr
48、a、Adam Cutler、Heather Gentile、Milena Pribic、John ThomasIBM Corporate：Heather Domin、Steven Eliuk、Stefa Etchegaray Garcia、Liliana Horne、Tim Humphrey、Christina Montgomery、Saishruthi Swaminathan、Catherine Quinlan、Jamie VanDodickIBM Institute for Business Value：Namit Agrawal、Carolyn Baird、Karen Butner、Li
49、am Cleaver、Jacob Dencik、Cathy Fillare、Gerry Parham、Sherihan Sherif、Richard Warrick特别感谢Angela Finley 设计主管，IBM 商业价值研究院Rachna Handa管理研究顾问，IBM 商业价值研究院Tegan Jones编辑主管，IBM 商业价值研究院Heba Nashaat首席数据科学家，IBM 商业价值研究院23选对合作伙伴，驾驭多变的世界在 IBM，我们积极与客户协作，运用业务洞察和先进的研究方法与技术，帮助他们在瞬息万变的商业环境中保持独特的竞争优势。IBM 商业价值研究院IBM 商业价值研究
50、院(IBV)站在技术与商业的交汇点，将行业智库、主要学者和主题专家的专业知识与全球研究和绩效数据相结合，针对公共与私营领域的关键议题提供可信的战略洞察。访问 IBM 商业价值研究院中国网站，免费下载研究报告：https:/ 商业价值研究院与牛津经济研究院合作，在 2023 年 12 月至 2024 年 3 月期间针对 5,000 名高管开展了一项调研。受访者来自北美、拉丁美洲、欧洲、中东和非洲以及亚洲的 24 个国家。调研范围包括来自 25 个行业的 20 个业务和技术职位（主要是高管，但也包括 IT 和 AI 专业人士）。调研主题包括生成式 AI 的采用、用例以及围绕生成式 AI 和传统 A
51、I 的企业能力。除了描述性分析外，还对受访者提供的数据进行了分析，以根据他们在企业各职能中采用生成式 AI 的情况对样本进行细分。关于研究洞察研究洞察致力于为业务主管就公共和私营领域的关键问题提供基于事实的战略洞察。洞察根据对自身主要研究调查的分析结果得出。要了解更多信息，请联系 IBM 商业价值研究院：。相关报告企业生成式 AI:市场现状 https:/ AI 创造投资回报：AI 制胜的六项关键能力 https:/ 生成式 AI 行动指南 https:/ Forecasts Worldwide IT Spending to Grow 6.8%in 2024.”Gartner.January
52、17,2024.https:/ Economic Outlook.Steady But Slow:Resilience Amid Divergence.”International Monetary Fund.April 16,2024.https:/www.imf.org/en/Publications/WEO/Issues/2024/04/16/world-economic-outlook-april-20242 6 hard truths CEOs must face:How to leap forward with courage and conviction in the gener
53、ative AI era.IBM Institute for Business Value.May 2024.https:/ibm.co/c-suite-study-ceo 3 IBM Institute for Business Value generative AI SAP pulse survey of 200 SAP gen AI experts.April 2024.4“Gartner Places Generative AI on the Peak of Inflated Expectations on the 2023 Hype Cycle for Emerging Techno
54、logies.”Gartner.August 16,2023.https:/ 5 Interview with Bill Anderson.October 2023.6 6 hard truths CEOs must face:How to leap forward with courage and conviction in the generative AI era.IBM Institute for Business Value.May 2024.https:/ibm.co/c-suite-study-ceo7 Enterprise generative AI:State of the
55、market.IBM Institute for Business Value.July 2023.https:/ibm.co/enterprise-generative-ai 8 Goyal,Manish,Enik Rzsa,Carolyn Baird,Gillian Orrell,and Talal Mahfooz.Customer service and the generative AI advantage:Power up conversational AI to gain a competitive edge.IBM Institute for Business Value.May
56、 2024.https:/ibm.co/generative-ai-customer-service 9 Mucci,Tim.“Generative AI use cases for the enterprise.”IBM blog.February 13,2024.https:/ Ibid.11 Cushman,Rob,Kaushik Malladi,and Matthias Graefe.“How generative AI is revolutionizing supply chain operations.”IBM blog.September 13,2023.https:/ Goya
57、l,Manish,Enik Rzsa,Carolyn Baird,Gillian Orrell,and Talal Mahfooz.Customer service and the generative AI advantage:Power up conversational AI to gain a competitive edge.IBM Institute for Business Value.May 2024.https:/ibm.co/generative-ai-customer-service13 Interview with Bill Burns.September 2023.1
58、4 Goehring,Brian,Francesca Rossi,and Beth Rudden.AI ethics in action:An enterprise guide to progressing trustworthy AI.IBM Institute for Business Value.April 2022.https:/ibm.co/ai-ethics-in-action 15 Brynjolfsson,Erik.“The Turing Trap:The Promise and Peril of Human-Like Artificial Intelligence.”Stan
59、ford Digital Economy Lab.January 12,2022.https:/digitaleconomy.stanford.edu/news/the-turing-trap-the-promise-peril-of-human-like-artificial-intelligence/16 Raghavan,Sriram and Christina Shim.“Earths climate is changing.IBMs new geospatial foundation model could help track and adapt to a new landscap
60、e.”IBM Research.May 9,2023.https:/ 17“IBM Advances Geospatial AI to Address Climate Challenges.”IBM Newsroom.November 30,2023.https:/ Copyright IBM Corporation 2024国际商业机器（中国）有限公司 北京市朝阳区金和东路 20 号院 3 号楼 正大中心南塔 12 层 邮编：100020美国出品|2024 年 12 月IBM、IBM 徽标和 是 International Business Machines Corporation 在世界各
61、地司法辖区的注册商标。其他产品和服务名称可能是 IBM 或其他公司的商标。以下 Web 站点上的“Copyright and trademark information”部分中包含了 IBM 商标的最新列表： 可能随时对其进行更改。IBM 并不一定在开展业务的所有国家或地区提供所有产品或服务。本文档内的信息“按现状”提供，不附有任何种类的（无论是明示的还是默示的）保证，包括不附有关于适销性、适用于某种特定用途的任何保证以及非侵权的任何保证或条件。IBM 产品根据其提供时所依据的协议条款和条件获得保证。本报告的目的仅为提供通用指南。它并不旨在代替详尽的研究或专业判断依据。由于使用本出版物对任何企业或个人所造成的损失，IBM 概不负责。本报告中使用的数据可能源自第三方，IBM 并未对其进行独立核实、验证或审查。此类数据的使用结果均为“按现状”提供，IBM 不作出任何明示或默示的声明或保证。0O9DNRWD-ZHCN-01扫码关注 IBM 商业价值研究院官网微博微信公众号
