英语轻松读发新版了,欢迎下载、更新

重新构建以适应生成式AI的时代

2024-10-14 00:00:00 英文原文

作者:Rodney Zemmel

计算生成式人工智能(Gen AI)的成本和效益而这些数字可能会显得令人震惊。但根据最近的研究,只有少量的公司开始真正兑现其承诺——而且许多公司已经陷入了“千个项目致死”的困境,用一句话来说就是罗德尼·泽姆尔麦肯锡数字部门的全球领导人。在这期节目中麦肯锡播客罗德尼和几位资深合伙人及合著者埃里克·拉马尔以及凯特·斯梅吉加入全球编辑总监露西娅·拉希利讨论他们的书重塑优势:麦肯锡关于在数字和AI时代胜出的指南(Wiley, 2023)—出版一年之后,随着生成式人工智能的冲击,这本书继续为领导者提供在快速变化的时代中胜出的详细指南。

在第二部分中,资深合伙人Wesley Walden他谈到了自己去参加客户会议而不是去听儿子的第一场音乐会的经历。客户的反应让他学到了关于开放沟通的重要一课。

本记录已编辑,以提高清晰度和简洁性。

麦肯锡 podcast由罗伯塔·富萨罗和卢西娅·拉希利共同主持。

志存高远——但要专注

卢西娅·拉里利:你们三个人在过去的一年里大概已经进行了数百次客户会谈了。重连线圈发表了。与我们谈谈关于的事项。书籍的前提或主题关于你们讨论时仍然与高管产生共鸣的内容,相对于他们面临的挑战。

埃里克·拉马尔:我们反复听到的主题是,“我如何才能从中获得显著的价值?我应该如何构建我的人才能力?我对核心系统会采取什么行动,我可以同时进行这些工作吗,还是需要分步骤来实施?”另外,“在这个人工智能的世界里,我该如何让数据易于使用?”

罗德尼·泽姆尔:当Gen AI以ChatGPT的形式出现时,它给我们所有人都带来了惊喜。这本书的大部分内容都是在Gen AI出现之前写成的。因此,在书出版后的前六个月里,我们有很多关于Gen AI如何改变书中所述内容的问题:哪些内容仍然相关,哪些不再相关等等。

我们发现,生成式AI强调了书中许多关键信息,特别是关于由企业主导的技术路线图的第一章。生成式AI的一个挑战是它非常容易应用,也非常容易启动试点项目,因此你可能会陷入“一千个试点导致失败”的困境,而无法真正实现对业务产生影响的规模化发展。

生成式AI的一个挑战是,它如此容易应用,启动一个试点项目也非常简单,这可能导致陷入“死于一千个试点”的困境。

本书的第一部分谈到了选择一个领域、选择正确的问题、设定如何通过真实的商业目标来改变该领域的高期望,并专注于此。不要在整个组织中同时在每个地方做所有事情。这一点在这个新的AI世界里特别相关。

生成式AI改变了游戏规则了吗?

露西娅·拉里利:你看到组织开始从生成式AI中获取价值了吗?还是我们目前还太早?

罗德尼·泽姆尔:我们是这样做的,但目前还处于早期阶段。 The我们今年早些时候进行的调查大约有10%的公司在2024年的利润和损失中真正从追求通用人工智能中获得了价值。12024年初的人工智能状态:生成式AI的应用激增并开始创造价值量子黑(麦肯锡的人工智能),2024年5月30日。那是一个相对较小的比例。但我们认为那些在2024年捕获了这些价值的人一直在遵循着某项规则或趋势。请注意,原文中的句子似乎不完整或者存在一定的歧义,这里根据上下文进行了合理的推测性补充以完成翻译。如果需要更精确的翻译,请提供完整的句子或更多的背景信息。重连线圈游戏引擎插件或类似含义的内容,由于"Rewired"是一个特定的游戏输入管理库的名字,在没有更多上下文的情况下,直接译为“重连”可能不准确。因此保留原名: Rewired以这种自上而下的、由业务主导的道路地图为起点的食谱。

埃里克·拉马尔:我们在几个领域看到了生成式AI取得了显著成果。但我们也需要区分生成式AI的不同应用场景。有一种应用类别是全球每家公司都会使用的,例如总结视频会议的内容。但这种应用并不会具有竞争力的差异化;一家公司不会因为使用这类用例而赚取更多利润。

然后是另一类情况,即公司会投资开发特定的应用程序,这些应用程序将会提供竞争优势例如,为了更好地维护他们的设备,或者为了更好地支持其销售组织以增加销售额。但这些应用程序需要努力;它们不会一夜之间完成。

露西娅·拉希利:生成式AI与你在书中提出的框架相契合。如果你觉得有任何正在演变的内容可能会改变这一点的话重连线性游戏机制游戏副本或Rewired(如果这是专有名词,保持不变)框架?

埃里克·拉马尔:当我们构建时重连线圈游戏副本名称通常译为:重塑神经系统或重新连线(取决于上下文,此处"Rewired"可能指的是游戏《Rewire》或者神经科学中的概念,在没有更多具体信息的情况下,“重新连线”是一种通用的翻译。)由于原文只有“Rewired”,且无明确上下文,直接翻译如下: 重连线圈它最初的设计是技术中立的。随着生成式AI的发展,工具箱变得更庞大了,但如何使用这些工具箱——我是否有合适的才能来使用这些工具?是否有正确的运营模式?是否有合适的数据?这些都是需要考虑的问题。重连线圈使一个组织在这个数字化和人工智能的世界中获胜的能力——而所有这些能力都是相同的。

凯特·斯迈杰:那正是关键所在。它让如何应对这些挑战变得更加有趣、引人入胜且具有相关性。而一本手册,或者说是指导人们如何利用工具箱中不同能力的指南,如今比以往任何时候都更加重要,因为变革往往很难实现。

起点很重要

露西娅·拉里利:要成功地重塑一个组织需要许多因素相互作用。你在书中涵盖了各种各样的例子。请跟我们谈谈几个能够说明公司正在采取的有效投资和行为的例子。

埃里克·拉马尔:你有两种不同类型的公司:一种是刚刚开始旅程的公司,另一种是有多年经验的公司。

那些刚开始旅程的人往往会问:“为什么我们不投资于自己,作为管理团队,来学习在数字和人工智能世界中领导组织意味着什么?”并决定何时以及如何开始。然后他们开始考虑:“我该如何提升员工的技能,开发软件应用程序,并推动超越少数专家和专业人士的能力水平?我该如何创建合适的数据平台以利用人工智能?”

更成熟的公司专注于那些让他们感到进展受阻或无法有效扩展的领域——例如,在数据方面进行大量投资,使数据更容易用于扩展AI模型,或者在运营模式方面确保业务、技术、运营和控制职能能够协同工作。这需要对公司进行更大规模的改革以释放更多价值。

凯特·斯迈杰:能够获得某种形式的组织人类突破不仅仅是在技术突破方面,那些在其他方面前进得更快的往往更突出。我们的框架从不同的角度触及了人类突破的概念,无论是从人才视角、工作流程重组视角还是对未来工作、角色的战略思考等方面。

能够取得某种人类突破而不仅仅是技术突破的组织往往是进步更快的那些。

凯特·斯迈杰

罗德尼·泽姆尔:我要举一个书上没有的例子,那就是麦肯锡。在过去的一年里,我们受益于不得不自己服用“苦药”。我们选择建立自己的人工智能能力,而不是采用现成的产品。

我们创建了莉莉,我们的生成式AI平台我们最初用于知识管理,但现在在整个公司范围内用于许多其他事情的平台。我们在相当严格的方式下遵循了 playbook,从创建一个具有适当授权责任的敏捷运营模式以推动其发展,到真正思考如何安全地结合我们的专有数据和全世界的公共数据,创造出令人惊叹的东西,确保不会泄露给外部世界。

从某种意义上说,这将鼓励人们继续分享并以正确的方式建立数据治理。我们真的考虑了如何推动采用和扩展,直到现在有超过70%的公司员工定期使用Lilli。

露西娅·拉里利:罗德尼,在这个话题上有什么教训吗?人类突破——例如,在鼓励采用或提升技能以实施方面?公司70%的员工使用Lilli是否相对容易?还是我们采取了其他组织可以学习的特殊措施?

罗德尼·泽姆尔:试用相对容易获得。人们感到好奇,会尝试一次。但要获得持续使用,又回到了之前的几点考虑。重连线圈真正思考用户旅程的配方,以一线为中心考虑它将如何被使用,因此它不仅仅是一次性的,而是嵌入到用户每周的工作方式中。

埃里克·拉马尔:我将提供两家公司的例子以及它们所进行的投资类型。

第一个是一家感觉落后的大型日本综合企业。它刚刚开始人工智能之旅,现在所进行的关键投资已经增强了其高级管理团队、执行领导层和首席执行官的能力。然后,它会选择几个领域,几个灯塔项目,在这些地方将加速发展并建立信心。早期的一步在于重连 Wiring 重新连接(根据上下文可能有不同理解,此处提供两个常用译法)关于建立信心,这些就是它将进行的投资。

另一个例子是一家大型的纽约银行,它多年来一直在进行数字化转型。现在该公司有数百个敏捷团队在不断创新。它的下一步行动是:“我们将如何重新组织以真正释放整个企业的大量创新,并且是以一种有序的方式,而不是每个人都随心所欲地做事?”因此,其主题是运营模式。这正是它为了达到业务下一阶段的快速创新而在进行重大投资的地方。这就是我根据不同起点阶段来对比不同投资的方法。

露西娅·拉里利:根据公司的投资阶段,应该设定什么样的财务目标?

埃里克·拉马尔:重连线圈游戏副本仅供参考,如果是指游戏术语或者特定含义,请提供更多信息。此处"Rewired"没有更多上下文时直接翻译为“重连”或保持原样“Rewired”。根据要求只输出翻译结果: Rewired在我们的书中,我们写道如果您的数字化转型或AI转型没有带来EBITDA 20%或更多的改善,您可能制定的目标路线图还不够雄心勃勃。而这一句话,在与不同公司的各种对话中,引发了简单的重新思考。

当公司审视他们正在从事的工作时,他们通常会发现数字化转型并没有对EBITDA产生影响。他们看到的是一系列试点项目和一些小规模的实验。而当高层管理人员进行审视时,他们会说:“你知道吗?我们在这一方面完全失败了,甚至都没有接近目标。”另一些公司则相当满意。他们已经进入了那个理想的区间,并且接下来的问题是如何执行。

但是有一个量子标准来检验自己是很重要的。我说的不是20%这个数字就是正确的,可能是15%或者25%。具体数字不重要,但我们需要保持诚实,即高级管理层不能花时间去追逐那些在接下来三年内无法使底线增长20%或更多的事情。所以如果你现在的数字化转型达不到这个标准,也许该重新设定你的目标了。

领导者做得对的是什么——以及做错了什么?

露西娅·拉里利:其他公司还能从那些成功开展这些试点项目的公司身上学到什么?

凯特·斯迈吉:我看到的那种变化或转变是那些最初将人工智能视为风险的人。他们认为“这对我们的商业模式构成威胁,对客户数据也构成了威胁等等。”而在这些旅程的开始阶段,我的谦逊观点是,“这不会有结果的。他们会因为所有可能出错的事情而把自己弄得一团糟。”

但令我感到惊喜的是,通过其中至少几个案例,组织开始意识到风险的存在,但却不再被这些风险所束缚。这些组织并不把AI视为一种会产生所有这些风险的技术,而是将其视为领导团队讨论风险、理解风险、确定我们在这些问题上的立场,并真正找到负责任地使用AI的前进之路的一种平台。我看到许多组织在一夜之间发生了变化,那些我认为不会有任何进展的人因为关于风险的更丰富和深入的对话而解锁了真正的转型。

埃里克·拉马尔:其中一个让我感到惊讶的是使用生成式AI来现代化遗留平台。你拥有一系列在30或40年前用COBOL(通用业务导向语言)开发的软件应用程序,它们至今仍在运行——主要是在银行中,但也存在于其他行业中。尝试现代化这些旧软件资产一直是一个噩梦般的挑战。现在有一种使用生成式AI的方法,在我其中一家银行客户那里已经成功地将老旧的COBOL代码转换为现代的Python代码。虽然目前还没有实现100%自动化,但至少现在已经达到了50%的自动化程度;所有这一切都可以通过点击按钮完成一半的工作。我认为这是不可能实现的。

凯特·斯迈杰:我喜欢的那个例子,埃里克,是一家组织说:“这是我的普遍真理。这里是我能做什么、不能做什么以及某些事情的上限的基本假设。”然后它利用技术来打破这些限制。

看到组织考虑它们的拼图块:「如果我把这块稍微向左移动一点,向上或向下移动一下,那么技术能做些什么来改变这块拼图的位置?」

露西娅·拉里利:在这一过程的初期,当生成式AI突然兴起时,有没有一些应用场景你认为“这肯定会一鸣惊人”,但实际上实施起来要复杂得多或结果不如预期?如果有这样的例子,其他人能从中吸取哪些教训?

凯特·斯迈伊:对我来说,这可能是一个有争议的观点。我惊讶于交付……的难度有多大。效率效益我看到很多组织都在做这方面的计算,而这些计算相对来说比较简单。你可以得出一些相当惊人的数字,关于技术能够提升的生产效率水平。但是实现这一点仍然非常困难。之所以难,是因为它往往一项任务一项任务地进行。而且难还因为坦率地说,我们所有人都有很长的任务列表,在工作日里根本来不及处理。另外难的原因是大多数组织对于真正了解技术和改进在哪里以及如何被实现的价值图谱依然有些模糊不清。

埃里克·拉马尔:凯特说得太对了。我们会被潜力和大数字吸引,却忘记了实现它们有多么艰难。我举个例子吧。我对生成式AI自动化联络中心的潜力感到兴奋。但这并不意味着“好吧,让我们加载生成式AI软件。每个人都可以回家了。完成了。”

让我们来看看步骤。我们需要确定哪些类型的通话可以自动化?地址变更——这非常适合自动化处理。而更改抵押贷款条款或谈判新费用可能不适合通过生成式AI来完成。对于那些将被转给生成式AI的任务,我们该如何管理风险和潜在后果呢?这方面也有很多工作要做。一旦这些都准备就绪,那么对于仍然接听电话的代理人员,我们应该如何提升他们的技能以处理不同类型的话务呢?这是一项艰巨的工作。

罗德尼·泽姆尔:毫无疑问,捕获价值比炒作所宣称的要难。你可以追溯到我们在讨论中提到的失败模式之一。重连线圈(注意:“Rewired”在不同语境下可以有不同的含义,这里提供一个可能的翻译,如果具体指代的是某个特定领域或技术名词,请给出更多上下文以便更准确地翻译。如果没有更多信息,“重连线圈”是一种常见的理解方式)原文:Rewired你从错误的问题开始,或者你的目标不切实际,或者是用错了运作模式。

下一个是什么

露西娅·拉里利:我听说你说这本书中规划的框架是永恒的,并且它继续以重要的方式与你的客户以及各种组织的领导者产生共鸣。展望未来,你认为在技术赋能转型的下一个阶段会出现哪些挑战或机会?

凯特·斯梅吉:技术的下一个目标是考虑如何构建大规模系统。在开始做某件事时,你需要思考:“如果我们在这方面取得巨大成功会怎样?然后呢?”我认为这将适用于我们如何构建技术、如何重新设计组织以及如何提高价值创造潜力的标准。对我来说,这里有一个关于扩展性的重大主题。

埃里克·拉马尔:扩展是关键。因为我们还没有达到终点,现在我们正进入一个阶段,即如何建立能够在其所有流程中扩展数字和人工智能创新的组织?接下来的十年将是一个产品与平台运营模式的时代,它允许许多敏捷团队以一种连贯的方式进行创新。

接下来的十年将是一个产品和平台运营模式的时代,这种模式允许许多敏捷团队以一种协调一致的方式进行创新。

埃里克·拉马尔

接下来的十年将关乎凯特和罗德尼在今年早些时候一篇文章中提出的一个概念。2十个塑造商业的未被充分认识的数字和人工智能理念麦肯锡,2024年1月9日。which I love: 我喜欢的:IT作为服务它将变得易于组织其他部分使用,因此也可以推动自身的创新。

罗德尼·岑梅尔:我认为这关于领导力的发展我们正处于一个转折点,在未来——可能是五年后,也可能稍早或稍晚一些——将不会再有仅仅的商业领袖和技术领袖之分。每一位商业领袖都将成为技术领袖。这是一个“和”的关系,而不是“或”的选择。

我认为这本书之所以引起共鸣,是因为它为商业领袖提供了一本手册,帮助他们理解成为技术领导者的意义。同时,它也为技术领导者和组织提供了与商业领导人沟通的方式,说明“看看,这是真正产生影响所需做的事情”。当然,这一切都关乎技术,但从来不仅仅是技术本身。我们认为这个六部分的配方是真正有所作为所需要的。


人与人之间

罗伯塔·富萨罗:接下来,高级合伙人韦斯利·沃登谈到了当他优先考虑工作而不是家庭时,客户的反应。

韦斯利·瓦尔登:这是我第一次与这位特定的首席执行官合作,我在一个星期五下午飞了大约五个小时的路程去参加这次重要的会议。我非常紧张。我坐在他的办公室里,在我们的谈话中途,我的手机震动了一下,收到了一条消息。屏幕上出现了一张照片,是我六岁的儿子在学校音乐会上的照片。首席执行官看到了这张照片,并问我:“哦,这是什么?”我说:“这是我儿子的第一个学校音乐会的照片,刚刚我妻子发给我的。”

他震惊地看着我说:“你怎么会在这里?”我说:“我想亲自参加这次会议,因为这是一次重要的谈话。”他说:“你疯了。如果我女儿或儿子今天下午有学校演出,我是不可能来参加你们的会议的。”

这真的教会了我关于平衡家庭和工作优先事项的重要课程,也让我意识到我们的客户是真实的人。他们有自己的家庭,并且也在努力平衡繁忙的工作与家庭的优先事项。这也鼓励我在遇到重大的家庭事件或个人事件时,与我的客户开诚布公地讨论是否需要调整工作的优先级。

事实上,当你分享你是如何考虑你的优先事项时,这会让你更加人性化和易于亲近。

Eric Lamarre

Kate Smaje

Photo of Rodney W. Zemmel, Senior Partner, and Global Leader, McKinsey Digital and Firmwide AI Transformation, McKinsey & Company

罗德尼·泽姆尔麦肯锡数字和全公司人工智能转型的高级合伙人及全球领导人,纽约

Wesley Walden

露西娅·拉里利是麦肯锡全球出版的全球编辑总监和副出版人,并驻纽约办公室。罗伯塔·富萨罗是波士顿办公室的一名编辑总监。

关于《重新构建以适应生成式AI的时代》的评论


暂无评论

发表评论

摘要

做一下生成式人工智能(Gen AI)的数学运算,数字可能会让你感到惊讶。我如何创建正确的数据平台来利用AI呢? 更成熟的企业则关注那些让他们感觉进展缓慢或无法有效扩展的领域——例如,在数据上进行大量投资,使数据更容易被消费以扩大AI模型规模,或者在运营模式方面确保业务、技术、操作和控制功能能够协同工作。埃里克·拉马尔:在《重新连线》一书中,我们写道,如果你的数字化转型或AI转型没有带来EBITDA 20% 或更高的改进,你制定的目标可能还不够雄心勃勃。非常有趣的是看到组织考虑他们的拼图碎片:“如果我稍微将这块移到左边,上移或下移,那么技术能做些什么来改变这块的位置呢?” 露西亚·拉希利:在这一过程的最初阶段,当Gen AI突然兴起时,有没有哪些应用场景让你觉得“没问题了,这将是板上钉钉的事”,但实际上却实施起来复杂得多或结果不尽如人意?我惊讶于要实现效率提升有多难。