企业人工智能发展建议分析

对比国际，生成式人工智能在中国的发展可能比我们预期的更快。

生成式人工智能的爆发使中国零售企业看到了很多改善业务的可能 性，但不少企业还没有做好准备抓住这一机会。根据我们和协会所 做的问卷调研，不到1/4的企业认为自己在技术基础设施、战略、风 险与治理、人才方面做好了充分准备，其中技术基础设施和人才方 面做好充分准备的比例为13%，战略、风险与治理方面做好充分准备 的比例为22%。

这一问卷调研结果与我们在现场交流的感受稍有不同。从协会专项活动现场交流的反馈来看，不少企业对生成式人工智能的战略方向更为关注，风险治理与人才的准备工作也刚刚起步，反而是技术基础设施已有不少厂商支持和自身尝试。外资企业由于有总部的指导准备程度相对较高。民营企业有很多尝试，但在战略上还没有很大的把握。国企对于试错成本考虑的较多，行动也更谨慎。

和参加协会调研的绝大部分同事一样，我们认为生 成式人工智能有非常大的可能会给我们的经济和生 活带来深刻的变化。对零售行业来说，这种变化也 会会涉及多个领域，影响所有从业人员。 但这种变化不会是一蹴而就的。一方面，生成式人 工智能还在不断的演化与迭代，新的技术和能力还 在不断涌现和完善。另一方面，生成式人工智能和 零售业务的结合还有待充分探索。国家法规刚开始 成型，风险控制的最佳实践还未建立，相应的人才 也有很大的缺口。零售企业需要避免“速胜”的迷 思，准备好投入相应的时间和资源，稳扎稳打，才 能获得可持续的收益。这也是过去几年中国零售行 业的发展历程给我们的启示：零售本质上是一种需 要培养长期能力的业务。

我们认为零售企业生成式人工智能的战略规划应建立自上而下的愿景，强 调综合能力的建设，关注业务价值的实现及规模化应用，通过成功的案例 树立员工与利益相关者的信心，并通过不断学习引导企业进行持续改善。

我们在调研中发现部分零售企业对生成式人工智 能的投入已有明确的规划。这些企业通常在技术 创新方面有成熟的经验，自身的业务规模也足以 支撑相关的尝试。 更多的零售企业对如何确定生成式人工智能的投 资没有把握。对于他们来说，生成式人工智能作 为一项崭新的技术，无论是技术的发展方向，还 是业务的适配程度，都有相当多的不确定性。如 何避免投资成为这些企业在推进生成式人工智能 试点时必须回答的问题。 从德勤的咨询经验出发，我们建议这些企业参考 Gartner的生成式人工智能技术成熟度曲线，以价 值公式为指导，在理性投入的基础上形成投资回 报的复利效应，以此推动企业整体效益的提升。

根据我们的观察，大部分零售企业在制订生成式人工智能的初始预算时都比较谨慎，通常会利用已有的 人员加上部分新招聘的专家展开工作。与此相对，IT厂商也为企业应用生成式人工智能提供了不少优惠。 我们理解这也是IT厂商和客户共创共建的一种形式。 这两方面的因素叠加起来使得生成式人工智能的初始实验成本其实并不高（详见下表），但企业需要做 好准备，部分实验成本不一定能产生回报，也有可能这些成本对应的方案由于技术的演进或业务模式的 变化会被新的方案代替。这种情况是新技术发展过程中不可避免的。企业要做的不是等待，而是理性地 看待这部分投入。可以把这部分投入作为技术风险投资，只要整体的投资效益在一个相对健康的水平， 就可以继续推进。

企业在做投资测算时不仅要包含人工智能本身的部署成本，也要估计周边系统的改造和集成成本。此外，业务调整的成本更不应忽视，很多时候这部分的投入与新技术相比更为隐蔽和庞杂。所有这些成本元素都需要考虑一次性投入和经常性支出。随着技术的发展，大模型的推理成本在不断降低，但其它系统、数据和业务调整的成本往往无法压缩，这些支出才是打通整个链路、确保应用落地的关键投入。

从预算管控的角度来看，我们建议企业把生成式人工智能的投入放到数字化转型的整体 支出里进行考虑。可以先给生成式人工智能一个初始比例（例如5%），以推动生成式 人工智能应用的开展；然后随着业务场景的落地与验证，逐渐加大投入（例如10%以上） 以满足新业务模式或新产品、服务日常运行的需要；同时保持一定的实验投入以确保跟 上技术创新与业务转型的步伐。 这种管理方法强调了对数字化投入的动态管理，即在生成式人工智能取得效益的同时， 逐步减少传统IT的支出，从而在数字化转型支出总量可控的原则上实现新旧技术投入的 结构性转换，有利于保证企业整体资本回报率的水平。

在CCFA协会举办的讨论会中，不少企业也提到：在生成式人 工智能应用落地的过程中，往往不只是一个团队在发力，而 是需要联合全企业上下共同努力推动。 • 产品团队可以采用敏捷开发方法开发生成式人工智能产 品，并不断迭代更新； • 业务部门负责识别应用场景，并通过变革管理确保业务 场景的落地； • 专家中心负责设计灵活的人工智能企业架构，及时适配 模型的迭代； • 作为生成式人工智能产品为最终用户创造有效信息的关 键，知识中心需要提供强大且完备的知识库内容； • 企业的管理层也需要制定相关战略规划，并且自上至下 设立治理与运行的模型。

当被问及企业在人才方面的准备程度时，超过半数受访者认 为自己企业尚未开始准备（26.1%）或准备很少（30.4%）， 而17.4%的受访者认为企业有部分准备，仅21.7%的受访者认 为企业已有一定准备，没有受访者认为企业已准备充分。这 一结果表明：面对生成式人工智能的部署与应用，企业在人 才方面的准备明显不足。企业亟需加大对专业人才引进、培 养与储备力度，结合自身组织转型发展，构建高素质、专业 化的团队，为技术有效应用与企业持续发展提供有力支撑。 那么，企业需要采用何种措施来调整人才战略呢？在德勤全 球调研中，有近半数的受访者选择了“重新设计工作流程以 利用生成式人工智能应用”（48%）与“设计并实施技能提 升和再培训战略”（47%）。当我们聚焦于那些具有“极丰 富经验” 的企业时，发现他们更专注于发展人工智能熟练度 （47%）和重新设计职业路径（38%），而对人工智能所带 来的预期技能供需变化的评估则关注较少（25%）。

对于企业而言，如何正向培训与引导员工接触生成式人工智能的 应用，并适时巩固员工对应用工具的熟练度与信任感，也是重要 议题之一。尤其是零售行业的特性决定了企业会雇佣大量基层员 工，因此，逐步引导与培训的过程便更为重要与关键。在CCFA协 会举行的讨论会中，某大型连锁零售企业的技术部负责人曾表示： “由于我们企业的基层员工能力有限，因此在引入新事物的时候， 需要给他们更多时间。如果太早引入生成式人工智能产品，可能 技术还不是很成熟，反而会引起员工的不信任；但如果太晚引入， 我们又担心‘掉队’。” 德勤建议：从短期来看，企业可以通过进行生成式人工智能的相 关培训并提升员工对相关工具的熟练度等方式提高员工的接受水 平，改变期初的抵制心态。从长期来看，提升技能、再培训、重 新设计工作流程和职业路径的人才战略，对于充分发挥生成式人 工智能的价值，实现员工未来的成功是至关重要。

根据德勤全球对2000名受访者的调研，有将 近1/3（32%）的受访者表示他们正在把生成 式人工智能工具运用到工作中。然而在这其 中有2/3的人坦言他们的领导对此并不知情。 另一方面，根据德勤全球调研，有超过70%的 企业尚未采取措施来应对员工使用生成式人 工智能工具/应用而可能产生的风险。 虽然企业可以从生成式人工智能应用中获得 诸多益处，但对相关风险管理不善可能会带 来意想不到的后果，破坏企业与利益相关者 之间的信任，并使实施生成式人工智能应用 的初衷落空。这些风险包括：缺乏透明度、 歧视和偏见、缺乏准确性和产生错误观念、 知识产权和版权问题、欺诈。