麥肯錫發(fā)布生成式AI報告，預測2030可達人類水平

【導讀】麥肯錫AI報告發(fā)布，生成式AI進步飛快，經(jīng)濟效益巨大，未來不可小覷。

麥肯錫重磅報告發(fā)布！

核心結論就一句話：AI達到人類水平的時間會比想象中要快，中位預測是2030年前。

要知道，和2017年人們的預測相比，新報告就突出一個樂觀。

上圖是報告最終的結果圖，我們后面挨個細說。

報告綜述

開宗明義，報告先是對我們目前生活受科技多大影響進行了一個完美的概括。

總之就是，AI早已滲透到我們生活的方方面面。

2016年DeepMind搞出AlphaGo，擊敗世界冠軍李世石的那會兒，AI曾經(jīng)鋪天蓋地的進入到我們的視野中一次，但因為僅僅局限在圍棋游戲，后來風頭一過，就慢慢淡出了。

但今年可不一樣了。

就不提用戶數(shù)突破天際的ChatGPT，光是Copilot，Stable Diffusion等等這些生成式AI產(chǎn)品，就風卷殘云般席卷了我們的生活。

這次的不同之處在于，這些AI工具都是人人皆可用。所有人都可以用ChatGPT來創(chuàng)作，用Midjourney來作圖，用Copilot來做PPT。

搭載GPT-4的ChatGPT，各項性能直接從GPT-3.5起飛。還有Anthropic的Claude，一分鐘就能處理100000個token（差不多一部小說的長度），而今年3月Claude的一代，性能差不多是目前的十分之一。

報告重點關注的就是AI發(fā)展的速度，在短短幾個月的時間內崛起。

本報告中，將生成式AI定義為搭載基礎模型構建的應用。基礎模型在圖像、視頻、音頻、代碼等方面有了大量新功能，原有功能的性能也有巨大的提升。

報告表示，目前我們對生成式AI的能力大小的理解還處在起步階段。

這也就是為啥麥肯錫搞了個報告出來，為的就是能更加透徹的理解生成式AI的未來。

對經(jīng)濟和社會的影響

目前，各大企業(yè)都在嘗試應用生成式AI，快速調整工作流來適應新科技帶來的改變。

報告指出，我們有必要透徹的認識生成式AI究竟會給我們整個社會和經(jīng)濟發(fā)展帶來什么。

下圖中，報告采用了兩個互補的視角來確定，目前生成式AI的能力在哪些領域能帶來的最大的價值，以及這些價值到底有多大。

上圖中的Lens 1是對能使用生成AI的企業(yè)的大掃描。這里叫做「用例」。

比方說，市場營銷中的一個用例是。應用生成式AI來生成個性化的電子郵件等內容，衡量的結果則包括降低生成此類內容的成本，以及通過大規(guī)模提高高質量內容的有效性來增加收入。

依此，報告確定了總計63個生成式AI用例，涵蓋了16種業(yè)務功能，如果應用于各行各業(yè)，每年可帶來2.6萬億至4.4萬億美元的經(jīng)濟效益。

看著不少吧。

這比目前所估計的11萬億至17.7萬億美元的經(jīng)濟價值，要增漲了15%至40%。而后者是2017年麥肯錫的預測。

Lens 2則是對Lens 1的補充，報告分析了生成式AI對大約850種職業(yè)的潛在影響。

專家模擬了各種情景，以估算生成式AI何時能夠執(zhí)行構成全球經(jīng)濟的2100多項工作中的每一項——這其中可能包括與他人就運營計劃或活動進行溝通等等的任務。

這樣，我們就可以估算出，以現(xiàn)有的能力，生成式AI會如何影響當前全球所有勞動力所從事的所有工作的勞動生產(chǎn)率。

其中一些影響和Lens 1里提到的成本降低重疊了，報告因此假定，成本降低是勞動生產(chǎn)率提高的結果。

除去這種重疊，生成式AI的總經(jīng)濟效益每年高達6.1萬億至7.9萬億美元，如下圖所示。

未來潛力

雖然目前所帶來的經(jīng)濟效益已經(jīng)很可觀了，但報告表示，遠遠不止。

下面就要聊到潛力了。

生成式AI可能會對大多數(shù)業(yè)務的職能產(chǎn)生影響。但是，如果我們以技術影響占職能成本的比例來衡量，少數(shù)職能能脫穎而出，如下圖所示。

麥肯錫對16項業(yè)務職能進行了分析，發(fā)現(xiàn)只有客戶運營、市場營銷和銷售、軟件工程以及研發(fā)這四項職能的年度價值約占生成式AI用例總價值的75%。

簡單來說，從工作本身的技術角度來看，并不是所有的業(yè)務在很大程度上都受益于AI。

報告指出，在此前對AI的各項用例進行評估時，包括制造業(yè)和供應鏈在內的若干工作領域內，生成式AI的潛在價值要低得多。

主要原因還是在于生成式AI本身的性質使然。

除了在特定的用例中，生成式AI能帶來潛在價值外，生成式AI還可以通過徹底改變企業(yè)內部的知識管理系統(tǒng)，為整個公司帶來價值。

我們都知道，生成式AI的自然語言處理能力很強，可以幫助員工更方便的查詢并檢索公司存儲的內部知識。

顯然，這可以增強團隊快速獲取相關信息的能力，使他們能夠迅速做出更明智的決策并制定有效的戰(zhàn)略。

在生成式AI出現(xiàn)前，同樣的工作可能要花費勞動者一整天的時間來做，而生成式AI承擔了這些任務以后，一定是能產(chǎn)生巨大的效益的。

此外，生成式AI還可以通過與勞動者合作來提升價值，加快他們工作效率，增強他們的工作能力。

誰的DNA動了我不說，甚至這篇文章都是小編用AI生成的（不是）。

報告分析的63個使用案例中，生成式AI有可能為各行各業(yè)創(chuàng)造共計2.6萬億至4.4萬億美元的價值。

當然，具體多少影響取決于多種因素，比如不同功能的組合，各自的重要性，還有更重要的——行業(yè)本身的收入規(guī)模，如下圖所示。

例如，據(jù)報告統(tǒng)計，生成式AI可以通過提高營銷和客戶運營等功能，為零售行業(yè)（包括汽車經(jīng)銷商）帶來大約3100億美元的額外價值。

相比之下，高科技領域的大部分潛在價值，都來自于生成式AI提高軟件開發(fā)速度和效率的能力，如下圖所示。

報告估計，這個數(shù)字在未來會越來越壯觀——因為AI的能力算得上突飛猛進。

麥肯錫全球研究院從2017年開始，就在分析技術的自動化對不同工作活動的影響，他們還對采用技術的各種情景進行了建模。

彼時，他們估計勞動者至少有一半的時間都花在了調整已有技術，使其實現(xiàn)自動化的進程上，也就是我們所說的技術自動化潛力。

專家還模擬了一系列可能出現(xiàn)的情況，以確定這些技術的采用速度，并對全球經(jīng)濟中的工作活動產(chǎn)生影響。

首先，技術的大規(guī)模應用不會一蹴而就。實驗室中的技術轉化為特定工作活動的自動化，是需要時間的。

同時，如果自動化的成本高過人力成本，那顯然也是不可行的。

最后，就算真行，在更大的范圍內推廣也需要時間。

而報告聚焦的點也就在于此。生成式AI究竟對生產(chǎn)生活中的自動化有多大潛力，提高多少工作效率。

報告預計，基于目前生成式AI的性能，其在各方面能力將會比比以前估計的更快達到人類性能，如下圖所示。

研究院之前認為，2027年是技術可能達到人類自然語言理解能力中間水平的最早年份，但在最新的報告中，這個時間提前到了2023年。

理論上，通過整合目前已有的技術，現(xiàn)階段自動化的總占比已經(jīng)從約50%增加到了60-70%。

并且，由于生成式AI自然語言能力的急速發(fā)展，技術發(fā)展?jié)摿Φ那€是相當陡峭的。

下圖展示了2017年的預測和最新的預測，從曲線中我們可以很容易的看出，「樂觀」二字是怎么寫的。

最新預測

2017年預測

下圖是報告中對勞動者每天從事的活動會發(fā)生多大變化的曲線圖，上邊是最新預測，下邊則是2017年的預測。

最新預測

2017年預測

專家預測，生成式AI可能會對知識工作產(chǎn)生最大影響，尤其是涉及決策和協(xié)作的活動，而這些活動以前的自動化潛力最低，如下圖所示。

報告中估計，專業(yè)知識自動化的潛力躍升了34個百分點，而管理和人才開發(fā)自動化的潛力則從2017年的16%上升到了2023年的49%。

此外，生成式AI還能夠理解自然語言并將其用于各種活動和任務，這在很大程度上解釋了為什么自動化的潛力如此之大。

在經(jīng)濟領域，勞動者所從事的活動中約有40%，至少需要達到人類理解自然語言的中位水平。

因此，許多涉及溝通、監(jiān)督、記錄和與人互動的工作活動都有可能通過生成式AI實現(xiàn)自動化，從而加速教育和技術等職業(yè)的工作轉型，而這些職業(yè)的自動化潛力以前預計會較晚出現(xiàn)，如下圖所示。

除了上述這些內容，麥肯錫報告中還從其它維度進行了分析。

受限于篇幅，故不一一列舉。

何去何從？

上面的這些分析可以說全部聚焦于行業(yè)整體的樣貌。

為了體現(xiàn)報告的接地氣，最后一個部分是生成式AI對個人的影響，以及我們每個人應該如何面對。

報告表示，隨著新技術的發(fā)展，利益相關者必須行動起來，以便為應對機遇和風險做好準備。

主要關注的風險也是我們老生常談的，比如幻覺問題，訓練中選用數(shù)據(jù)的知識版權問題等等。

報告預計，中位預測下，未來十年內至少有四分之一到三分之一的工作會發(fā)生改變。對于不同人的不同角色來說，我們所要做出的應對截然不同。

對公司和企業(yè)的領導者來說，他們要考慮的是，如何利用好生成式AI的潛在價值，同時管理其帶來的風險？

在未來幾年里，生成式AI和其他AI技術將如何改變公司勞動力所需的職業(yè)和技能組合？公司將如何在招聘計劃、再培訓計劃和人力資源的其他方面實現(xiàn)這些轉變？

在確保技術不被用于可能危害社會的消極方面，公司是否可以發(fā)揮作用？

企業(yè)又該如何以透明的方式與政府和社會分享其在行業(yè)內和行業(yè)間推廣使用生成式AI的經(jīng)驗？

這些問題都需要管理者去進行探索。

對于政府部門的決策者而言，生成式AI對未來的勞動力規(guī)劃意味著什么？

當勞動者的活動隨著時間的推移而發(fā)生變化時，如何為他們提供必要的政策支持？

能否制定新政策或修訂現(xiàn)有的政策，使AI實現(xiàn)更大的社會價值？

最后，作為每一個勞動者，消費者，公民個體而言，我們應該如何去關注新科技的發(fā)展？我們該從哪里獲取正確、公正的信息？

個人如何在生成式AI帶來的便捷和影響之間取得平衡？

我們作為個體，如何在決策環(huán)節(jié)表達我們的訴求？

諸多問題，都亟待我們的深入思考。

簡單來說，這篇報告全面觀察了生成式AI大爆發(fā)對我們社會的（尤其是經(jīng)濟方面）重大影響。