來源：新智元
麥肯錫AI報告發布，生成式AI進步快速，經濟效益龐大，未來不可小覷。
麥肯錫重磅報告發布
核心結論就一句話：AI達到人類水準的時間會比想像中快，中位預測是2030年前。
要知道，和2017年人們的預測相比，新報告就突顯出一個Optimism。
上圖是報告最終的結果圖，我們後面挨個細說。
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做了一個完美的概括。
總之就是，AI早已滲透到我們生活的各個層面。
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遊戲，後來風頭一過，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，就風成交量殘雲般席成交量了我們的生活。
這次的不同之處在於，這些AI工具都是人人皆可。所有人都可以用ChatGPT來創作，用Midjourney來做圖，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建構的應用。基礎模型在影像、視訊、音訊、程式碼等方面有了大量新功能，原有功能的效能也有巨大的提升。
報告表示，目前我們對生成式AI的能力大小的理解仍處於起步階段。
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，快速調整工作流程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究竟會為我們整個社會和經濟發展帶來什麼。
下圖中，報告採用了兩個互補的視角來決定，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。
上圖的Lens 1是能使用生成AI的企業的大掃描。這裡叫做「用例」。
比方說，行銷的一個用例是。應用生成式AI來產生個人化的電子郵件等內容，衡量的結果則包括降低產生此類內容的成本，以及透過大規模提高高品質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，如果應用於各行各業，每年可帶來2.6兆至4.4兆美元的經濟效益。
看不少吧。
這比目前所估計的11兆至17.7兆美元的經濟價值，增加了15%至40%。而後者則是2017年麥肯錫的預測。
Lens 2則是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營運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力。
其中一些影響和Lens 1裡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力提高的結果。
除去這種重疊，生成式AI的總經濟效益每年高達6.1兆至7.9兆美元，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佔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，發現只有客戶營運、行銷和銷售、軟體工程以及研發這四項職能的年度價值約佔生成式AI用例總價值的75%。
簡單來說，從工作本身的技術角度來看，並不是所有的業務在很大程度上都受益於AI。
報告指出，先前對AI的各項用例進行評估時，包括製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。
主要原因還是在於生成式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還可以透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並檢索公司儲存的內部知識。
顯然，這可以增強團隊快速獲取相關資訊的能力，使他們能夠迅速做出更明智的決策並制定有效的策略。
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承擔了這些任務以後，一定是能產生巨大的效益的。
此外，生成式AI還可以透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）。
在報告分析的63個使用案例中，生成式AI有可能為各行各業創造共2.6兆至4.4兆美元的價值。
當然，具體多少影響取決於多種因素，例如不同功能的組合，各自的重要性，還有更重要的──產業本身的收入規模，如下圖所示。
例如，據報告統計，生成式AI可以透過提高行銷和客戶營運等功能，為零售業（包括汽車經銷商）帶來約3,100億美元的額外價值。
相較之下，高科技領域的大部分潛在價值，都來自於生成式AI提高軟體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的能力算是突飛猛進。
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，他們也對採用科技的各種情境進行了建模。
彼時，他們估計勞工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。
專家也模擬了一系列可能出現的情況，以確定這些技術的採用速度，並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可幾。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。
最後，就算真行，在更大的範圍內推廣也需要時間。
而報告聚焦的點也就在於此。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，基於目前生成式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。
研究院先前認為，2027年是科技可能達到人類自然語言理解能力中間水準的最早年份，但在最新的報告中，這個時間提早到了2023年。
理論上，透過整合目前已有的技術，現階段自動化的總佔比已從約50%增加到了60-70%。
並且，由於生成式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，「Optimism」二字是怎麼寫的。
最新預測
2017年預測
下圖是報告中對勞工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，而這些活動先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%上漲到了2023年的49%。
此外，生成式AI還能夠理解自然語言並將其用於各種活動和任務，這在很大程度上解釋了為什麼自動化的潛力如此之大。
在經濟領域，勞工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程度。
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透過生成式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。
受限於篇幅，故不一一列舉。
何去何從？
上面的這些分析可以說是全部聚焦在產業整體的樣貌。
為了反映報告的接地氣，最後一個部分是生成式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，利害關係人必須行動起來，以便為應對機會和風險做好準備。
主要關注的風險也是我們老生常談的，例如幻覺問題，訓練中選用資料的知識版權問題等等。
報告預計，在中位數預測下，未來十年內至少有四分之一到三分之一的工作將會改變。對於不同人的不同角色來說，我們所要做出的因應截然不同。
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？
在未來幾年裡，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？公司將如何在招募計畫、再培訓計畫和人力資源的其他方面實現這些轉變？
在確保科技不被用於可能危害社會的負面方面，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業界和產業間推廣使用生成式AI的經驗？
這些問題都需要管理者去探索。
對於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麼？
當勞動者的活動隨著時間的推移而改變時，如何提供他們必要的政策支持？
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？
最後，作為每一個勞動者，消費者，公民個體而言，我們該如何關注新科技的發展？我們該從哪裡獲得正確、公正的資訊？
個人如何在生成式AI帶來的便利性和影響力之間取得平衡？
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（尤其是經濟面）重大影響。
參考資料：
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier?#business-value
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載