GenAI领域的佼佼者有何独到之处？

GenAI问世已经一年有余，它迅速成为许多公司手中的利器，创造价值的方式令人耳目一新。和以往每次技术迭代不同，GenAI的门槛更低，应用场景也宽泛得多。一些企业正是捕捉到了这些特点，率先在全公司范围内推开了GenAI的大门——不只是摸索试探，而是真刀真枪地用起来，提升效率、改善客户体验、拉动收入增长。根据我们的估算，对于年收入200亿美元的企业来说，借助GenAI可以让利润提高5亿到10亿美元，而且其中近三分之一的新增利润有望在头18个月内就兑现。

不过，大多数企业（约占我们分析样本的90%）已经被远远甩在了后面。他们往往不知道从何下手，不清楚哪些应用对所在行业影响最大，更不知道具体该走哪些步骤才能迎头赶上。为了帮大家理清头绪，我们最近对全球10个不同行业的150多位高级管理人员做了一次调查，专门了解那些在GenAI应用上做得好的企业到底做对了什么。同时，我们还结合了BCG在近200个GenAI客户项目中积累的访谈和经验，覆盖不同行业和地区。

基于这次全面研究，我们梳理出了一套有数据支撑的规范化步骤，可以帮助落后者加速落地GenAI，并逐步在全公司铺开。这篇文章既是对佼佼者经验的总结，也是给其他企业的一份行动指南。

从我们的分析来看，根据GenAI技术的应用程度，企业大致可以分为三类（参阅图1）。

这些企业已经走出了试点阶段，开始真正用GenAI创造价值。他们不仅用它重构某个职能部门，甚至是在重塑整个企业。而且，这类企业在预测式AI方面通常也打下了扎实的基础。但即便如此，他们并没有停下来——整体来看，在GenAI出现后，他们对数字化和AI技术追加投资的可能性是其他公司的四倍。

虽然这些企业里不乏亚马逊、谷歌这样的科技巨头，但整整三分之二其实是能源、保险、生物制药等行业的老牌企业。比如，一家美国能源公司推出了一款GenAI对话平台，为一线技术人员提供支持，结果生产率提升了7%；还有一家生物制药公司正在用GenAI重构研发部门，药物发现的时间缩短了25%。

这部分企业已经踏上了GenAI之旅，正在推进若干关键试点项目，通过实验来探索该技术能创造的价值。他们在早期的数字化和AI项目中已经积累了一些成果，但还没有在整个组织内铺开。

第三类是在GenAI领域还没有动起来的公司。他们大多还在忙着做早期的数字化和AI项目，缺少成功应用GenAI所需的基础能力，比如现代化的技术基础设施、可靠且可访问的数据等。领导层可能对GenAI了解不够，所以觉得没必要花大力气去推。

过去几十年，技术一直在进步，很多企业也在努力实现流程和职能的数字化。但GenAI这次不一样。我们的调查中，大约65%的高管认为，未来五年GenAI是碘伏性潜力最大的技术。尽管面临成本压力，仍有三分之一的企业在增加对GenAI的投资。高管们为什么这么看好它？

• 和其他软件相比，GenAI能更快创造价值。
  从部署、重塑到创新这几个价值维度来看，领先企业可以迅速部署GenAI方案，最短三个月就能见效。如果是即插即用型应用，收效会更快。在处理基本任务时，员工的工作效率能提高10%到20%。

• 目标越宏大，收益越大。
  如果要利用GenAI重塑职能或者创造新业务模式，可能需要投入一到三年的时间，但影响也更大。例如，某消费品公司正在构建一个GenAI驱动的对话助手，能为客户提供个性化诊断、趋势发现、产品推荐和虚拟试穿等服务。

• 最有价值的应用已经浮出水面。
  超过50%的高管认为，市场营销与销售、客户运营、研发、IT/软件工程是最能发挥GenAI价值的领域。同时，该技术还带来了许多特定行业的应用（向左滑动，查看多个行业最具影响力的GenAI用例）。

• 初始阶段，企业通常会选那些能提高生产率或改善客服质量的GenAI应用，但它其实也能带来新的收入来源。在典型的GenAI产品组合里，用于降低成本的项目约占60%，而增加收入的项目约占40%（包括通过应用提高参与度和客户满意度）。这一点也提升了GenAI的战略价值——让企业有机会拉开与对手的差距，并在成本、客户服务和价值主张上持续保持优势。

我们的分析显示，前10%的企业在五大能力上优势突出，这些领域领先企业与竞争对手的差距最大（参阅图2）。

在处于推广阶段的企业中，超过70%明确表示自己推进GenAI项目是为了创造价值——既包括财务价值（增加收入、降低成本），也包括非财务价值（比如优化客户体验）。这些企业有超过20%以上的可能性认为GenAI不仅能省钱还能赚钱。相比之下，那些在应用上垫底的企业，只有不到四分之一认为GenAI项目能创造价值。另外，推广阶段的企业倾向于把重点放在少数几个能在规模化后创造巨大价值的应用上，而不是广撒网。这些应用往往同时具备预测式AI（分析、左脑活动）的基础能力和GenAI在内容创作（右脑活动）方面的优势（参阅图3）。

和落后者相比，领先企业拥有现代、模块化IT基础设施的可能性高出三倍。因此他们可以在基础AI模型之上开发全新的GenAI服务，并与外部开发人员无缝合作。未来三年，这些佼佼者专注于构建内部GenAI堆栈的可能性也要高出1.5倍——这种强烈的意愿说明他们想把GenAI打造成企业未来的核心能力。

GenAI表现最出色的企业拥有数据管道和数据管理举措的可能性是普通企业的两倍，所以更善于获取和存储高质量的数据（包括非结构化数据）。这一点非常关键，因为GenAI模型的能力大小很大程度上取决于训练数据。某国际传媒公司的数据与分析主管说：“如果训练数据有偏差，或者缺乏全球受众的多样性，那么GenAI的输出也会反映出这些问题，进而影响我们服务全球市场的能力。”

需要特别说明的是，技术基础设施和数据能力并不是用GenAI创造价值必须具备的先决条件。它们确实能起到作用，但也有一些组织在没有这些能力的情况下取得了成功——只是可能需要花更多时间来解决问题。

和其他变革一样，GenAI的成功推广离不开领导层的支持。与未行动的企业相比，推广阶段企业的领导层重视创新并在全公司范围内积极支持GenAI应用的可能性高出三倍。这些高管通常对技术的行业影响有深刻理解，并公开承诺要确保组织以能产生价值的方式用好技术。某国际传媒公司的数据与分析主管说：“我们取得的成绩离不开领导层对GenAI旗帜鲜明的支持和投入，他们积极的态度给了我们探索实验和应对失败的自由。”

GenAI发展速度太快，不了解它的组织很容易踩坑。但也有一些广为人知的降风险方法，比如让人工参与、只使用真实数据，以及最关键的——采用负责任AI。我们的研究表明，领先企业更有可能已经制定了防护举措、指导方针和政策，来确保实践遵循负责任AI的原则。在推广阶段的企业中，对GenAI潜在滥用持谨慎态度并已采取措施的比例，比未行动企业高出20个百分点。

某国际传媒公司的数据与分析主管说：“有时候我们要处理高度敏感的个人身份信息或者未发布的内容，所以必须制定非常明确的政策，规定好大家能用GenAI做什么、不能用它做什么。”

对于那些在拥抱GenAI上进展缓慢的企业来说，当务之急是果断行动，并对该技术寄予更高期望。我们的研究为这两类公司分别提出了具体建议。

对于尚未发力GenAI的企业（占40%），首先要争取领导层支持，确定少量优先应用，携手外部合作伙伴，并调整治理方法。

• 推动高管加深对GenAI的理解，争取支持。
  在未行动的企业中，一半以上认为领导层对技术了解不足是主要障碍。所以，高管应该主动了解GenAI的潜在价值，并推动组织接受这项技术。正如某推广阶段企业的GenAI产品负责人所说：“工作习惯很难改变。所以我们采用了自上而下的方法，通过设定使用目标并考核进度来推动落地应用。”

• 先从少量优先应用入手。
  企业不需要从零开始，各行各业都知道哪些应用价值最高。可以选择几个最符合需求的应用，按“少量、可行”的原则推进。组建一个敏捷开发小队，在几个月内确定所需数据、数据访问方法以及开发、实施和运行方案所需的人员。某全球金融服务公司的技术战略与转型负责人说：“我们先找到了一系列技术上可行的项目，然后根据价值和对业务的影响进行评估，再优中选优确定优先项目。”

• 尽早借力外部合作伙伴。
  未行动的企业中，超过40%认为缺乏现代技术基础设施是主要障碍。但改造基础设施不能一蹴而就。与其干等，不如和外部伙伴合作，依靠现成的GenAI平台快速部署方案。某国际传媒公司的数据与分析主管说：“没有先进技术基础设施一样可以试点。我们有一个经过严格筛选的合作伙伴生态系统，跟他们合作就能快速开展试点。”

• 根据GenAI项目需求调整治理模式。
  许多企业管重大技术项目本来就薄弱，如果不够重视，初始阶段的GenAI试点可能很快就跑偏。面对这个问题，企业应该针对GenAI专门设计治理架构。有些企业已经开始创建GenAI卓越中心，融入适当治理机制，推动各方加快行动。如果方法得当，企业就能在必要时快速决策和干预，同时确保风险、合规、采购、IT和业务主体部门能参与进来。随着时间推移，在推进过程中不断完善治理机制，规范不断增加的应用。

与未行动企业相比，处于试点阶段的企业（占50%）已经对项目优先级做了调整，重新评估了技术基础设施和数据要求，也调整了人才战略。

• 重新调整各项应用的优先级。
  随着对GenAI认识加深，企业中往往会出现各种要求部署GenAI的声音，很容易陷入分散出击、各行其是的局面。为了改善这种情况，公司需要评估自己的项目组合，根据潜在价值重新排优先级。某能源公司的数字与创新负责人说：“我们很容易被某个项目的优点吸引，却忘了看它实际能带来多少价值。所以我们在研究商业案例、判断哪些项目值得推广时会非常谨慎。如果某项试点没达到预期，我们就降低它的优先级或直接放弃。”

• 重新评估技术和数据要求。
  技术和数据基础设施的现代化改造是一项长期且充满挑战的任务，但企业可以根据早期试点的经验教训，用更巧妙的方法推进。完成几个项目后，有必要重新评估核心技术和数据，为更广泛的GenAI应用做好准备。例如，约50%的试点企业认为数据分散是主要障碍。通过重新评估，可以确保GenAI的要求与企业更广泛的技术需求相吻合，并帮助高管决策哪些能力内部构建、哪些外包。

  例如，某跨国金融服务公司曾考虑把一些GenAI应用放在云端，但最终决定留在公司内部。技术战略与转型主管说：“我们在决策时也会考虑GenAI相关的巨额成本。因为训练GenAI模型用的是自己的处理器，不用付高昂的云端训练成本，省了很多压力。”

• 优化人才战略，加快应用速度。
  随着GenAI逐步融入企业，数据民主化程度日益提高，企业要及时调整人才战略，确保员工掌握相应技能。但和推广阶段企业相比，计划对员工进行GenAI技能培训的试点企业比例要低20%。高管们认为，受GenAI对当前岗位的影响，未来三年将有44%的员工需要接受再培训。在某些情况下，正确的做法是和员工一起开发新工具，这样更容易获得认同和支持。

  欧洲某石油天然气公司的数字与创新主管说：“我们需要以适当的方式让一线员工参与进来，协助我们开发GenAI工具。如果他们误解了GenAI的目的是来取代自己，就会强烈抵制。”

GenAI正在成为商业生态不可或缺的组成部分，并且已经成为价值和竞争优势的强大来源。但目前只有10%的企业懂得如何通过推广GenAI来创造价值。GenAI本身还在不断进步，每个新版本都能带来更多价值。先行者已经开辟出一条通往早期成功的道路。由于佼佼者通过缩短大规模部署时间、加大业务重塑和创新力度进一步扩大了自己的优势，其竞争对手面临着严重的落后风险。其他公司现在要做的，就是以这些经验为指导，利用这项变革性新技术为自己创造价值。