麥肯錫重磅報告發布！

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早已進入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。

就不提用戶數突破天際的ChatGPT，光是Copilot，Stable Diffusion等等這些生成式AI產品，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。

對經濟和社會的影響

目前，各大企業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濟發展帶來什么。

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種業務功能，如果應用于各行各業，每年可帶來2.6萬億至4.4萬億美元的經濟效益。

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何時能夠執行構成全球經濟的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率提高的結果。

除去這種重疊，生成式AI的總經濟效益每年高達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濟效益已經很可觀了，但報告表示，遠遠不止。

下面就要聊到潛力了。

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

麥肯錫對16項業務職能進行了分析，發現只有客戶運營、市場營銷和銷售、軟件工程以及研發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內部的知識管理系統，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略。

在生成式AI出現前，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有可能為各行各業創造共計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——行業本身的收入規模，如下圖所示。

例如，據報告統計，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（包括汽車經銷商）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提高軟件開發速度和效率的能力，如下圖所示。

報告估計，這個數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的情況，以確定這些技術的采用速度，并對全球經濟中的工作活動產生影響。

首先，技術的大規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，現階段自動化的總占比已經從約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展，技術發展潛力的曲線是相當陡峭的。

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生最大影響，尤其是涉及決策和協作的活動，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，專業知識自動化的潛力躍升了34個百分點，而管理和人才開發自動化的潛力則從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實現自動化，從而加速教育和技術等職業的工作轉型，而這些職業的自動化潛力以前預計會較晚出現，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整體的樣貌。

為了體現報告的接地氣，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，訓練中選用數據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，公司是否可以發揮作用？

企業又該如何以透明的方式與政府和社會分享其在行業內和行業間推廣使用生成式AI的經驗？

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對未來的勞動力規劃意味著什么？

當勞動者的活動隨著時間的推移而發生變化時，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有的政策，使AI實現更大的社會價值？

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，如何在決策環節表達我們的訴求？

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大爆發對我們社會的（尤其是經濟方面）重大影響。