专家预测，生成式人工智能（GenAI）将带来可观的经济红利，但一线企业的反应却较为冷淡。
企业必须摆脱对新鲜感的追逐，聚焦GenAI投资的投资回报率，以缩小理想与现实之间的差距。
组织必须确立清晰的业务目标，并部署能够端到端解决业务挑战的GenAI解决方案。
生成式人工智能（GenAI）的经济潜力极为可观。据高盛称，GenAI可能推动年度生产率提高1.5%，并在未来十年带来7万亿美元的新增经济价值。
麦肯锡的预测则更为乐观，认为GenAI可能为全球经济新增每年高达7.9万亿美元的经济价值。
更重要的是，实证研究与企业实践结果都证实，这种乐观情绪是有充分依据的。
斯坦福大学以人为本人工智能研究所的Erik Brynjolfsson教授在近期的一次采访中（与斯坦福大学商学院的对话）进一步为上述发现增添了细节：“这些数字非常惊人。这些年来，我做过大量关于新信息技术引入的研究，通常企业能获得1%或2%的生产率提升，就已经非常满意了。”
商业从业者也报告了生产率的显著提升。例如，Mercado Libre发现，为其9000名人类开发人员配备GitHub CoPilot后，编码所耗时间减少了50%。
GenAI驱动的生产率提升呈现出一个值得关注的趋势：任务越复杂，生产率提升越大。
一个典型例子是，当我们以传统方式制作更为复杂的内容形式时，生产率提升随之增加。输入文本所需的技能较少，编写代码则需要更多技能，而视频等更具视觉性的形式制作难度更高。商业数据表明，这种复杂性会带来GenAI更高的生产率提升。
例如，Zoom使用了Synthesia的AI视频平台为全球1000多名销售代表制作互动培训。Zoom的视频制作速度提升了90%，每名员工节省1500美元。
尽管生成式文本、代码和视频的此类应用为乐观情绪提供了依据，但许多人对大规模部署GenAI仍持怀疑态度。
反应冷淡
然而，一线的业务运营人员似乎并未完全分享这种热情。
德勤的报告也呼应了类似的看法。德勤引用多方来源，既强调了价格敏感度，也指出企业对GenAI的应用抱有很高期望。因此，报告指出，企业对GenAI的长期前景持乐观态度；报告中一位受访者颇为尖锐地表示：“想让我掏钱，可得好好努力。”
聚焦投资回报率
这说明，新奇感不应分散我们对根本关键因素的注意力：投资回报率（ROI）。
虽然GenAI的低门槛是一大优势，但它不应分散我们对其他可衡量目标以及对预期业务成果假设的关注。正如Gartner的研究发现，采用GenAI时面临的最大挑战是评估并证明其商业价值。
GenAI的长期潜力取决于能否证明其短期价值。这意味着GenAI试点项目在启动前应明确界定成功标准。
与任何真正具有变革性的技术一样，GenAI可以沿两个主要维度带来可衡量的成果：
改善客户体验。
降低单位成本。
过去的平台转型可以为如何沿这两个维度释放投资回报率提供启示。
在过去十年中，用户生成内容与互联网相结合，催生了新的表达形式，以及一些历来最具盈利能力的商业模式。
在未来十年，AI生成内容将带来类似的成果。那些善于利用GenAI独有特性来改善客户体验的企业，将真正获得投资回报。一个早期案例是百事公司的“梅西寄语”活动，该活动由Synthesia的AI视频平台提供支持，利用了AI视频几乎无限的规模化能力。
梅西寄语让足球明星梅西的形象能够大规模生成个性化视频。球迷以八种语言生成了超过700万个视频，这是传统视频制作难以实现的壮举。
此类漏斗顶部的营销部署只是GenAI应用的一个例子。改善客户体验可以影响整个客户生命周期的营收。根据业务职能不同，GenAI可以升级漏斗中段的产品演示，通过个性化的客户开发路径提升外向型销售的转化率，或通过变革客户支持来提高客户留存率。
同样，GenAI还可以降低客户体验的单位成本，正如前文提到的可衡量生产率提升所证明的那样。GenAI的部署方式将因组织优先事项而异，其价值可以通过成本、员工生产率或其他任何效率指标来衡量；这样做将确保领导层分享GenAI旨在释放的长期经济红利。
GenAI：从工具到解决方案
我们大多数人尚未解决如何对可衡量的试点成果负责这一难题。幸运的是，一些早期采用者已经开始迈入GenAI应用的下一阶段。
一旦我们确立并证明了初始价值，真正的难题才开始：重塑业务流程与企业运营模式。
经济研究表明，通用技术的发明与其随后对经济增长的影响之间存在滞后。尽管每一次平台转型带来的差距都在缩小，但这一差距仍然可以以年为单位进行衡量。
例如，电力带来的生产率热潮要真正显现，制造流程就需要重塑。直到装配线引入之后，我们才真正体会到该技术的益处。这表明，企业需要调整其运营方式，才能使GenAI充分发挥其潜力。
GenAI试点的范围有限，聚焦于狭窄的任务。这使我们能够检验关于价值可能所在之处的初始假设。然而，一旦得到验证，就需要将范围从单一任务扩大到端到端解决业务挑战。
例如，在销售客户开发中，试点可能会测试在客户开发路径中使用视频而非文本所带来的转化提升，以及由此产生的下游增量收入。范围很可能仅限于将少量AI视频嵌入现有的开发渠道，如外发电子邮件。这一范围或许能有效证明价值，但无法释放GenAI内在的全部潜力。
然而，销售客户开发是一个复杂的多步骤过程。GenAI的真正潜力来自对客户开发路径进行端到端的重新设计，通过组合多种GenAI工具来打造真正差异化的客户体验。这可能包括：通过提示工程将品牌语气融入脚本生成，制作符合品牌规范、服务于每个路径环节的视频模板，或整合客户关系管理数据以实现个性化体验。
将工具组合为解决方案，也能降低差异化体验的单位成本，使销售团队能够大规模自动生成内容，而不会占用员工与潜在客户建立联系的宝贵时间。
然而，构建GenAI系统只是等式的一半。同样重要的是重塑企业的运营模式并改变人的行为，正如装配线所需要的那样，从培训到安全政策皆是如此。
以内容本地化为例，目前的模式促使大多数企业采用枢纽-辐射型模式，借助传统的管理开销将内容翻译为当地市场语言。如果该模式涉及外部再创作机构的工作，则会轻易再增加数周的完成时间。
在AI翻译的助力下，组织必须从根本上重新思考其运营模式。核心角色可能会从协调各方转向更直接的执行。通常委托给机构的任务可能转为内部完成。这些变化从本质上改变了这些角色的成功标准，既给企业培训项目，也给员工心理带来压力。
一些证据表明，此次转型的采纳可能比以往的转型更为顺畅。随着GenAI系统发展出更出色的推理能力，人机协作变得更加高效，AI教练能够以前所未有的规模支持员工。
正如Brynjolfsson所指出的：“新技术往往在起飞之前会有一段低迷期，因为实施变革、重新培训员工以及改变业务流程既困难又昂贵。而这一次，我们并未经历低迷，绩效在短短几个月内便迅速攀升。”
尽管前路仍有大量工作，但我对GenAI能够在企业中创造的价值感到无比兴奋，前提是我们始终牢记目标：GenAI的投资回报率。
