人工智能（AI）和生成式AI（GENAI）在商业和营销领域应用、价值、挑战和未来发展相关10个常见问题

与人工智能（AI）和生成式AI（GENAI）在商业和营销领域中的应用、价值、挑战和未来发展相关的10个常见问题（FAQ）

1. 组织通过AI计划想要达成的最重要的业务成果是什么？

组织通过AI计划想要达成的最重要的业务成果是提高员工生产力（占全球受访者的33%）和实现营收增长（Top-line growth）（占受访者的23%）。

• 当前最大的投资回报（ROI）来源： 目前，生产力用例（Productivity use cases）带来的投资回报率（ROI）最高，占带来最大ROI的用例的43%，其次是功能性用例（Functional use cases）（31%）和行业用例（Industry use cases）（26%）。生产力用例关注提升个体员工的效率，例如减少分析或完成任务所需的时间。
• 区域差异： 尽管全球普遍优先考虑生产力和营收增长，但在西欧，有36%的受访者将员工生产力视为最重要成果，而在拉丁美洲，产品/服务创新被12%的受访者认为是最重要的商业成果。

2. 组织在生成式AI（GenAI）项目上的平均投资回报率（ROI）是多少？AI领导者能获得多少回报？

组织在生成式AI项目上每投入1美元，全球平均可实现3.7倍的投资回报。不同行业的平均回报率有所不同，例如金融服务业为4.2倍，媒体和电信业为3.9倍。

• AI领导者与落后者： 在AI投资方面，被认为是AI领导者的组织正在以显著高于平均水平的速度获得回报。AI领导者在AI项目上的平均投资回报率高达4.9倍，而落后者（Laggards）的投资回报率仅为2.9倍。
• 顶尖领导者： 使用生成式AI的顶尖领导者实现了惊人的10.3倍回报。这表明AI投资回报的差异是显著的。

3. 组织目前如何使用生成式AI（GenAI），哪些职能的采用率最高？

组织正在迅速采用生成式AI。GenAI由基础模型提供支持，这些模型经过多样化数据训练，可以适应或微调以完成各种下游任务。

• 当前最高采用率： 目前，超过92%的组织正在将AI用于营销和公关（Marketing and PR）。
• 其他高采用领域： 其他普遍使用AI的职能包括IT/技术基础设施（89%）、销售/业务开发（80%）以及客户服务（77%）。
• 具体用例： GenAI的应用场景包括文本生成/摘要、代码生成/自动补全、博客创建/销售提案、Copilots和AI助手。预计在未来24个月内，产品开发、人力资源（HR）和法务部门的使用率将出现最大增长。

4. 阻碍组织全面采用AI和GenAI的最大挑战和担忧是什么？

全球范围内，采用AI面临的头号挑战是缺乏具备利用AI所需技能和能力的员工。尽管2024年这一比例（45%）相比2023年（52%）有所下降，但仍然是最大的障碍。

• 数据和安全问题： 数据问题、监管合规性以及AI威胁是组织在采用、部署和使用AI方面最大的担忧。具体来说，全球受访组织最担忧的问题包括：
  ◦ 数据安全（41%）和数据治理（41%）。
  ◦ 隐私（39%）和遵守法规（39%）。
  ◦ 恶意行为者利用AI或入侵/攻击AI系统（31%）。
• GenAI的额外挑战： 对于生成式AI的实施，主要的抑制因素还包括遗留基础设施和应用程序（39%）以及大型语言模型（LLMs）的成本（33%）。

5. AI和GenAI在营销和客户体验（CX）中最重要的具体应用有哪些？

AI在营销自动化中的常见用例包括个性化内容推荐、客户细分和用于活动优化的预测分析。对于生成式AI：

• 营销/内容方面： 营销人员正在广泛使用GenAI进行活动创建、个性化客户体验、文本/内容创建（例如电子邮件、博客和脚本写作）、图像和视频生成以及搜索引擎优化（SEO）。例如，超过92%的组织目前将AI用于营销和公关。
• 客户服务方面： 客户服务聊天机器人是投资最高的用例之一。AI驱动的聊天机器人提供个性化的帮助、推荐和支持。
• 电商（Commerce）方面： 最常见的AI用例是撰写产品描述、优化商品销售（merchandising）和优化渠道策略。

6. 什么是负责任的AI（Responsible AI），以及为什么治理和伦理对AI的成功采用至关重要？

负责任的AI是确保AI系统在使用过程中符合伦理原则、透明且负责任的框架。对于组织来说，AI治理和伦理至关重要，因为：

• 信任和声誉： 诚信（Integrity）是卓越客户体验的六大支柱之一。未能负责任地使用AI的组织不仅面临监管处罚的风险，还会面临严重且持久的声誉损害。客户担心AI，尤其是在隐私和数据安全方面，以及信息被如何使用。
• 领导力焦点： AI领导者都专注于负责任的AI和AI治理。51%的AI领导者已经建立了监督负责任AI的治理机构。
• 伦理风险： 生成式AI带来的伦理问题包括不当或不准确的内容（“AI幻觉”）、训练数据导致的偏见或歧视，以及基于受版权保护或未经授权数据生成内容。不到一半的组织在选择AI系统时会考虑信任和责任的属性。

7. 生成式AI将如何影响营销部门的战略重点和工作流程？

生成式AI能够打破内容需求激增和专家成本高昂所导致的“经济僵局”。

• 双重赋能： GenAI使营销功能能够同时擅长“艺术”（品牌建设）和“科学”（端到端激活）。
  ◦ 在“艺术”方面，它可以将端到端的创意流程从6-10个月缩短到1-2个月，并生成多达10倍的内容，速度提高5-8倍，同时具有更高品牌一致性。
  ◦ 在“科学”方面，GenAI增强了端到端活动执行，通过自动化和优化实现更好的媒介执行控制。
• 大规模个性化： GenAI通过大幅降低内容成本并实现可扩展的个性化，从而推动增长。
• 人才转型： 营销人员将通过一套“AI助手”得到赋能。预计品牌经理、内容营销专家、文案撰写人和数据分析师等营销职能将受到高度影响（超过70%的受访者认为会受到影响）。

8. 卓越客户体验的六大支柱是什么？AI如何增强这些支柱？

毕马威（KPMG）定义的卓越客户体验的六大支柱是：诚信（Integrity）、问题解决（Resolution）、期望（Expectations）、时间与精力（Time & Effort）、个性化（Personalization）和同理心（Empathy）。AI被视为提升所有这些支柱的变革力量。

• 个性化： AI可以提供实时个性化和预测性推荐，预见客户需求并主动提供帮助。
• 问题解决： AI可以全天候（24/7）响应查询、简化互动，从而加快问题解决并改善客户服务。
• 时间与精力： 应用AI可以简化流程、自动化任务，并提供个性化协助，从而减少客户所需花费的时间和精力。
• 同理心： AI可以通过情感分析来理解客户的情绪状态，并在人类需要人情味时提供增强和赋能。

9. AI如何影响员工的工作效率和技能差距？

AI已被证实可以提高工作效率，并在大多数情况下有助于缩小低技能和高技能员工之间的差距。

• 效率提升： 例如，引入生成式AI聊天助手使客户支持座席每小时解决的问题数量增加了14.2%。一项针对开发人员的实验发现，AI辅助使任务完成度平均增加了26.08%。
• 技能需求： 尽管AI提高了效率，但全球最大的挑战仍然是缺乏AI技能。企业需要投资于内部人才培养，如开展关于GenAI基础知识的研讨会，以鼓励团队进行试验。LinkedIn的数据显示，Python、数据科学和可扩展性是AI招聘中最需要的专业技能。

10. AI的未来发展方向是什么？自主AI代理（Autonomous AI Agent）意味着什么？

AI正处于自主AI代理（Autonomous AI Agent）发展的拐点，这代表了AI从协助转向行动的关键一步。

• 发展路径： 这一发展路径是从当前的AI副驾驶/AI助手（需要人类“在环中”，即人类对系统行动有完全控制权）逐步发展到自主AI代理（需要人类“在环上”监督，即AI可直接采取行动而无需事先批准），最终发展到AI代理群（可像虚拟劳动力一样工作的AI代理市场）。
• AI代理的功能： 典型的AI代理可以理解任务、制定计划、执行计划，并基于分析数据生成建议。例如，代理可以分析Facebook广告的效果并建议预算转移以改善CPA（每次行动成本）。
• 未来前景： 随着信任、技术和政策成熟度的提高，AI将能够共享决策职责，最终形成“AI”代理的虚拟劳动力。