麦肯锡发布了他们的生成式人工智能报告，其中10 个关键要点是每个人都必须知道的

生成式人工智能有望释放下一波生产力浪潮。我们首先了解了商业价值可能累积的地方以及对劳动力的潜在影响。

——麦肯锡公司（McKinsey & Company）

这篇名为“生成式人工智能的经济潜力：下一个生产力前沿”的报告一经发布。在一定程度上可代表人工智能在广大领域中的影响和方向，以及个人在这个潮流中该如何把握行业的变革。

其中，我们梳理了10个最关键的点【这是每个人都必须知道的事】

1.行业的价值潜力

生成式AI有潜力在各行业中创造4.4万亿美元的价值。

• 高科技行业4600亿美元。主要因素：软件工程

• 零售业3900亿美元。主要因素：市场营销和销售

 

2.功能的价值潜力

4个商业功能占AI总年度价值的约75%：

• 客户运营

• 市场营销和销售

• 软件工程

• 研究和开发

3.关键案例

银行业→遗留代码转换

零售业→消费者研究

制药业→研究和药物发现

例子：

华盛顿大学最近使用了机器学习进行蛋白质设计。

这使他们能够根据特定的生物反应定制蛋白质复合物。

4.达到人类水平的表现

预计AI将匹配人类的中位数表现，并早于预期达到人类表现的前25%。

麦肯锡对AI自然语言理解的估计：

2017年的估计：2027年

2023年的分析：2023年

时间线在缩短。

5.自动化正在增加

通过整合现有技术，可以自动化的总小时数的百分比已经从50%增加到60-70%。

由于生成式AI的自然语言能力的加速，技术潜力曲线很陡峭。

 6.自动化采用已经加速了十年

麦肯锡为工作活动的自动化程度达到50%的时间点建模了：

2016年估计的中点是2053年

2023年估计的中点是2045年

这是近十年的加速。

7.生成式AI可能对知识工作产生最大的影响

特别是涉及决策和协作的活动。

这之前的自动化潜力最低。

 8.自动化对受教育程度较高的工人影响最大

劳动经济学家经常注意到，自动化技术的部署对低技能工人的影响最大。

生成式AI有相反的模式——对受教育程度更高的工人的影响最大。

9.取代大学学位

高薪知识工作活动以前被认为是免疫自动化的。

AI将挑战多年学位的获得作为技能的指标。

这可能导致对劳动力发展采取更基于技能的方法。

10.推动更高的生产力增长

从2012年到2022年的全球经济增长比前两个十年慢。

生成式AI通过自动化个人工作活动，帮助加速生产力增长并补偿就业增长的下降。

报告详情地址：

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#introduction

*可下载PDF文档