亚太地区生成式AI调研：新生代员工引领潮流，企业需迎头赶上

生成式AI已成为各行各业资深商业领袖的讨论焦点。随着ChatGPT、Gemini、Midjourney、Claude和GitHub Copilot等应用程序的推出，以及软件供应商将生成式AI功能融入其产品，这一议题在日程上迅速升温。这些应用迅速抓住了公众的想象力，并表明AI已从一种新颖的技术解决方案转变为大规模应用，这种变化不仅发生在亚太地区，而且影响了全球。

生成式AI的采用正由日常用户驱动，他们在前沿实验并引领这场革命的是我们称为“AI新生代”（Generation AI）的年轻员工和学生。AI新生代描述的是那些在智能设备、语音助手、推荐算法及其他AI驱动技术时代长大的儿童和青年（最大24岁）。他们从小就在娱乐、教育、医疗和日常互动等生活各方面体验过AI。因此，他们以数字熟练度和AI技术使用能力高为特征。

2023年由德勤经济研究所（Deloitte Access Economics）和德勤人工智能研究院进行的研究显示，AI新生代的崛起意味着澳大利亚经济的四分之一面临快速而显著的颠覆，亚太地区的其他地方也预期有类似的影响。该研究调查了超过11,900名个人，包括约9,000名员工和2,900名学生，发现生成式AI带来了节省工作时间、新技能开发的机会以及更可持续的工作量。

亚太地区的发达经济体面临双重挑战：他们在采用生成式AI方面落后，同时拥有更多可能很快受到该技术颠覆的行业工人。该研究确定了六个关键洞见，突出了生成式AI对亚太地区的变革性影响，强调企业和政策制定者需要适应这一迅速演变的技术：

1. 亚太地区的学生和员工引领生成式AI革命，但只有一半的人认为他们的上级知道他们在使用它。
2. 发展中经济体在生成式AI的采用上领先，采纳度比发达经济体高30%。
3. 预计亚太地区将有近110亿工作小时受到生成式AI的影响。
4. 使用生成式AI每周几乎为每位用户节省一天的时间，释放时间学习新技。
5. 生成式AI提高了工作和学习的满意度。
6. 根据员工的反映，有近四分之三的企业在生成式AI的采用上落后。

我们能够利用这些关键洞见制定一套建议，帮助资深商业领袖让其组织处于最佳状态。这意味着高层领导需要考虑不仅使用生成式AI来提高效率，还要重新思考流程和商业模式，以确保他们能够与这一蓬勃发展的“生成”技术共同破局，而不是被其颠覆。

生成式AI已经在亚太地区改变工作方式，年轻人在引领这一变革

生成式AI正在驱动改变…

• 亚太地区有43%的员工正在将生成式AI用于工作目的。
• 60%的学生认为生成式AI影响了他们的职业选择。
• 到2030年，企业在AI上的年投资额将是今天的5倍。

生成式AI已经在变革…

• 工作效率：
  日常使用生成式AI的员工每周可节省6.3小时
  年轻工作者使用生成式AI的可能性几乎是年长职业工作者的两倍
  
• 学习方式：
  学生使用生成式AI的可能性比现有员工高近30%
  4/5的大学生正在使用生成式AI
• 经济影响：
  预计生成式AI将影响亚太地区110亿个工作小时（每周），相当于所有工作时间的16%
  在面临快速变革的行业中，相关经济活动的价值可达5万亿美元
  

德勤领导者洞察

生成式AI不仅将重塑我们的生活和工作方式，而且有潜力应对我们面临的最紧迫挑战。当前每个人心中的两个大问题是创造更可持续的经济和提高全球贫困人口的生活标准。生成式AI已经为认识到这项技术潜力的企业和政府提出了解决方案。所有资深领导者都有责任了解这项技术及其如何被利用以改善我们地区的形势。

与生成式AI合作最令人兴奋的方面之一是，这种变革正在全球范围内的一切事物中发生，无处不在，一切都在同时进行。我们在过去十二个月中经历的是，我们在印度尼西亚或印度的客户面临的挑战几乎立即与意大利和爱尔兰的团队息息相关。一个关键的教训是，AI的快速采用不会直接淘汰工作，但未能适应的企业将感受到影响。他们的员工，特别是新加入劳动力市场的人才，将被吸引到提供能够重新定义现代工作未来的AI应用的竞争对手那里

我们欣喜地发现，与本次调研结果一致，众多中国企业员工正在日常工作中积极尝试各类AI工具，企业管理层也已意识到人工智能战略顶层设计和企业级人工智能应用实施的必要性和紧迫性。作为客户信赖的专业顾问服务公司，我们将在充分考虑到各个国家人工智能发展、法律法规差异性的基础上，帮助客户明确高复用性、高一致性、高可靠性、可落地的人工智能战略，帮助中国本土企业及其员工构建在人工智能时代所需的新质竞争力。

很难夸大这一生产力工具将创造的影响。亚太地区是世界上语言最多样化的地区之一，拥有超过3,000种已记录的语言。生成式AI越来越多地被用于文本或语音翻译，帮助打破语言障碍，连接全球的人们和企业。

1. 亚太地区的学生和员工引领生成式AI革命，但只有一半的人认为他们的上级知道他们在使用它

在整个亚太地区，学生和员工以惊人的高速率使用生成式AI。我们的调查显示，81%的大学生和62%的员工正在使用这项技术。实际上，我们调查的员工中有43%正在将生成式AI用于工作目的。

伴随AI一同成长的年轻人（AI新生代）更有可能已经在试验和使用这项技术。18至24岁的员工使用生成式AI的可能性几乎是年长职业者的两倍。这表明，年龄和早期接触数字技术是高频使用生成式AI的关键驱动因素。

自从我们在2023年发布研究报告《AI新生代：准备好了吗，我们来了！》以来，澳大利亚工作场所使用生成式AI的比例已从32%增加到了38%。不到一年的时间内增加了五分之一，这一跃升在已经快速采用的基础上代表了显著的增长。

生成式AI的重要性预计将迅速提升。推动采用的一个关键因素是这项技术的可获取性。生成式AI并没有被IT部门有效控制或通过协调策略进行。迄今为止，许多采用进程主要是由开源社区推动，这样的社区快速提高了大型语言模型（LLM）的准确性和应用范围。生成式AI的开源社区通过激励新人尝试这些工具，支持了用户的快速增长。比如LangChain和Hugging Face等开源平台为AI新生代提供了分享知识和快速解决问题的机会。此外，亚太某些地区人口的增长意味着该地区可以预期快速增长。实际上，预计在未来五年内，每天使用技术的生成式AI用户的比例将增加三倍（从今天的11%增加到32%）（图1）。

图1：生成式AI的用户数量每天都在增加

来源：德勤生成式AI调查（2024年）

尽管生成式AI用户数量在增加，但亚太地区的企业仍在努力跟上。事实上，一半使用生成式AI进行工作的员工认为管理层并不知道他们在使用它。企业正在寻求引入由技术供应商或定制平台开发的安全可靠的应用程序给员工使用，他们必须尽快追上自己员工的脚步。

2. 发展中经济体在生成式AI的采用上领先，采纳度比发达经济体高30%

在以往的技术革命中，发达经济体通常是早期采纳者。例如，2000年时，韩国、新西兰和澳大利亚的近一半人口可访问互联网，而中国大陆、印度和菲律宾的比例不到2%。另一个例子是云技术的采用，它从2000年代中期在发达经济体中开始获得推动力，许多发展中经济体在2010年代才开始迎头赶上。这一模式在生成式AI中已被逆转，我们看到发展中经济体的员工和学生比发达经济体更快地采用这项技术。

发展中经济体（中国大陆、印度和东南亚）使用生成式AI的份额比发达经济体高出30%。事实上，印度的学生和员工使用生成式AI的可能性比亚太地区的同龄人高30%（图2）。印度（调查对象中有32%）和东南亚（19%）的日常使用率也高于澳大利亚（8%）和日本（4%）。

图2：亚太地区的发展中经济体见证了更高的生成式AI采纳度

来源：德勤生成式AI调查（2024年）

这种采纳度差异部分反映了这些地区的总人口中有更高比例的“数字原住民”。事实上，印度接受调查的人中近半数（46%）年龄在18至35岁之间，而在日本，这一比例为30%。

发展中经济体的员工也更热情地接受生成式AI。超过一半（53%）的发展中经济体的员工对生成式AI技术感到兴奋，而在发达经济体中，这一比例不到四分之一（23%）。相比之下，发达经济体中超过三分之一（36%）的员工对生成式AI感到不确定，而在发展中经济体中这一比例仅为12%。

最重要的是，发展中经济体的AI新生代更有可能主动采取行动以应对生成式AI的迅速出现。采取的行动包括研究生成式AI的基础知识、提升编程技能、与他人合作探讨这项技术，并进行正规学习。在中国大陆，有71%的学生和员工采取了至少一项行动，相比之下，亚太地区平均为49%，澳大利亚为31%（图3）。

图3：学生和员工为应对生成式AI采取行动

来源：德勤生成式AI调查（2024年）

发展中经济体中AI新生代的集中表明，随着这些经济体更热情地接受并提升这项新技术的技能，亚太地区传统技术等级可能会面临重大颠覆。这份报告发现：发展中经济体在利用生成式AI方面处于领先地位，这表明这项新技术不仅仅关于劳动成本节省，而是关于生产力提升和最大化人类潜能。

发达经济体需要紧急解决生成式AI使用的差距。与发展中经济体相比，使用率较低，再加上更高比例的劳动力从事专业和管理角色，意味着发达经济体可以预期在这些行业中面临重大的短期颠覆。

当然，除了使用和技能提升外，还有其他因素将影响生成式AI对经济的影响。这些因素包括数字基础设施、监管环境和技能熟练的劳动力。主要基于这些指标，Salesforce的2023年AI就绪指数将新加坡（70.1/100分）和日本（59.8）评为亚太地区商业和政府AI就绪的领导者，其次是中国大陆（59.7）、韩国（59.2）、澳大利亚（58.2）、新西兰（54.6）、印度（49.8）和东南亚（平均40.5）。随着技术使用的持续增长，发展中经济体的组织可能需要关注AI就绪领域。

亚太地区的生成式AI应用情况

在亚太这样一个多样化和多方面的地理区域内，采用生成式AI技术是由每个经济体独特的文化、经济和社会结构所形成的。虽然经济体的总体洞察提供了宝贵的视角，但理解每个地区的细微差别和独特特征可以加深我们对生成式AI如何改变生活和企业的认识。我们的“地区快照”提供了这些细微差别的一瞥。

中国大陆受访者对生成式AI的态度

• 78%的人认为生成式AI将使亚太地区在全球经济中扮演更重要的角色。
• 81%的人认为生成式AI将提升社会成果（例如，培训、教育和医疗的覆盖范围）。
• 76%的学生表示生成式AI显著影响了他们的职业决策。

澳大利亚对生成式AI的态度

• 33%的人认为生成式AI将使亚太地区在全球经济中扮演更重要的角色。
• 47%的人认为生成式AI将提升社会成果（例如，培训、教育和医疗的覆盖范围）。
• 29%的学生表示生成式AI显著影响了他们的职业决策。

印度对生成式AI的态度

• 75%的人认为生成式AI将使亚太地区在全球经济中扮演更重要的角色。
• 83%的人认为生成式AI将提升社会成果（例如，培训、教育和医疗的覆盖范围）。
• 84%的学生表示生成式AI显著影响了他们的职业决策。

日本对生成式AI的态度

• 40%的人认为生成式AI将使亚太地区在全球经济中扮演更重要的角色。
• 61%的人认为生成式AI将提升社会成果（例如，培训、教育和医疗的覆盖范围）。
• 46%的学生表示生成式AI显著影响了他们的职业决策。

探索来自澳大利亚、中国大陆、印度、日本、新西兰、新加坡、韩国、东南亚及中国台湾的更多区域采用洞察，比较和对比这些地点的员工和学生如何使用、思考以及从生成式AI中受益。

3. 预计亚太地区将有近110亿工作小时受到生成式AI的影响

虽然发展中经济体在生成式AI的采用上处于领先地位，但亚太地区的每个市场和行业都将受到这项技术的影响。我们估计，生成式AI可能会影响亚太地区每周16%的工作时间——近110亿小时。这种影响可能表现为生成式AI自动化某些任务（使得这些任务不再需要人工参与），或者增强某些任务（由人使用AI来完成）。对一些人来说，这可能意味着他们日常工作中需要进行重大改变和再培训；而对其他人来说，生成式AI可能只需要适度的技能提升，或者仅仅在他们的工作背景中运行。

即便是这样的分析，也可能低估了AI对员工当前完成任务的真实影响。虽然此分析依据学术研究，预测哪些工作岗位将因角色所需任务的AI引入而受到影响，但新的AI应用肯定会出现，这将创造新的任务，改变对工种的需求，并创造出当前还无法想象的新角色。

当员工被问及生成式AI将如何影响他们的任务时，员工预计在未来五年内他们当前61%的任务将受到这项技术的影响。

像以往技术革命波澜一样，生成式AI将为员工释放出新的任务空间，并创造以前未被想象的新类型工作。尽管总体工作数量可能继续增长，但某些职业和行业的员工将在过渡期间面临重大变化，并可能需要在此过程中获得支持。例如，1980年代电子表格的出现使记账员的需求大幅下降，被从事其工作的更高技能的会计师所取代。了解哪些行业和角色将受影响最大，对于应对即将到来的变化至关重要。

为了进一步解析生成式AI对亚太地区的影响，德勤经济研究所（Deloitte Access Economics）对18个行业从以下两个维度进行了映射，评估生成式AI的影响程度（我们称之为“爆炸”），以及这些行业将受到影响的时间长度（“引线”的长度）（图4）。时长的确定是通过检查我们调查中显示早期采用迹象的行业，而影响的估计则是通过这些行业中暴露于AI十种可能应用的职业小时数来进行的（附录中包含了这种方法的更多细节）。

图4：生成式AI将如何以及何时影响不同行业？

来源：德勤生成式AI调查（2024年）

面临“短引线，大爆炸”情景的四个行业是金融，信息及通信技术（ICT），媒体、专业服务和教育。虽然这些行业在不同国家的重要性各不相同，但平均而言，它们占亚太地区经济的五分之一。随着一些市场越来越多地转向服务行业，如专业服务、金融和ICT等高影响行业，这一份额预计将增长。这些行业也是超过40%使用生成式AI的学生计划开始其职业生涯的地方，这将只会加速转型。

尽管所有行业都将被生成式AI改造，但涉及更多手工任务的行业，如农业、建筑、运输以及批发和零售贸易，与其他知识密集型行业相比，将在较长时期内面临相对较少的干扰。

4. 使用生成式AI每周几乎为每位用户节省一天的时间，释放时间学习新技能

使用生成式AI的人已经在工作和学习表现上取得了改善。根据我们的生成式AI调查，80%的用户表示AI提高了他们完成任务的速度，从而为他们节省了大量时间。

平均来说，每日使用生成式AI的用户每周可以节省约6.3小时。

这些生产力改善得到了其他研究的支持。一项研究发现，在亚太地区四个受调查地区（澳大利亚、印度、日本和新加坡）的受访者中有85%相信，AI将使他们能够更快或更高效地完成工作。另一项研究发现，约80%的制造业和金融行业的AI用户表示AI提高了他们的工作表现。

那么，AI新生代是如何利用这些节省的时间呢？使用生成式AI节省的时间使员工能够完成其他任务或建立新技能。54%的员工表示他们利用节省的时间完成其他任务，而45%的员工将时间投入到额外的学习或技能发展中。

生成式AI还提高了我们学习新信息的能力。根据我们的生成式AI调查：

• 71%的用户表示它提高了他们产生新想法的能力
• 67%的用户表示它提高了他们学习新技能的能力
• 73%的用户表示生成式AI提高了他们的输出质量
• 65%的用户表示生成式AI提高了他们的输出准确性

几乎40%已经提高了技能建设的员工认为使用它可以将掌握一项技能所需的时间减半。

5. 生成式AI提高了工作和学习的满意度

当前的工作环境与我们之前经历的任何情况都不同。在新冠疫情期间迅速重塑我们的工作方式之后，员工现在正面临着日益增加的成本压力以及亚太许多地区经济前景疲软。

这些压力可能导致员工感到职业倦怠。实际上，一项亚太地区研究显示，近50%的工作者在工作日结束时感到精神或身体疲惫。仅在澳大利亚，与心理健康相关的缺勤给企业带来的年度成本约为136亿美元。

生成式AI带来的令人印象深刻的时间节省可以帮助员工更高效地完成常规或重复性任务，专注于需要更多批判性和创造性思维的增值任务。这可以创造更可持续的工作负载并减少员工倦怠。根据我们的调查，获得了时间节省的用户有41%认为这些时间改善了他们的工作生活平衡。这一发现得到了其他研究的支持，包括一项研究发现，综合考虑所有的工作条件指标（工作满意度、身体健康、心理健康、管理公正性），在制造业和金融行业中，使用生成式AI的用户认为生成式AI改善了工作条件的可能性是其他用户的四倍以上。

将更多时间用于诸如创造性思维之类的增值任务也可以使工作更加愉快。实际上，大多数生成式AI用户认为它改善了他们的工作或学习性质（81%）和他们的满意度（67%）（图5）。一项研究将这种影响描述为双重优势，因为技术带来的生产力好处可以带来更大的员工参与度。

另一个用例是针对辅导服务。生成式AI可以协助提供个性化辅导和定制化沟通。根据我们的调查，74%的生成式AI用户同意，由于这项技术，他们更能够支持团队成员和同事，例如通过辅导和指导（图5）。

图5：大多数用户认为生成式AI使他们的工作更加愉快

来源：德勤生成式AI调查（2024年）

6. 根据员工的反馈，近四分之三的企业在生成式AI的采用上落后

AI新生代迅速采用了新的生成式AI工具，而商业领袖们则在努力迎头赶上。在亚太地区，各企业正在尝试并部署多种形式的生成式AI。国际数据公司（IDC）的数据显示，AI的投资预计将从2022年的250亿美元（当ChatGPT首次亮相时）增加到2030年的1170亿美元。

这几乎是八年内五倍的增长，使AI成为新兴企业中部署速度最快的技术之一。在印度、印度尼西亚和菲律宾，预计生成式AI投资的增长最快，这些地区的AI使用率较高（如图2所示）。

这种投资正带动更高的采纳度。一项研究发现，该地区近半数的中型企业正在探索潜在的使用案例或使用生成式AI技术。一些企业正在提供可由技术供应商提供或自行开发的，可在安全和保密的方式下使用的某些AI应用。

尽管投资和采用正在增加，但许多企业仍在落后。员工被要求根据其就业地点的生成式AI使用成熟度进行分类（选项包括落后者、后期多数、前期多数、早期采纳者或创新者）。只有29%的员工认为他们的企业是早期采纳者或创新者，这表明亚太地区有近四分之三的企业有很大的改进空间。与另一项调查形成对比，该调查发现44%的高级商业领导者认为他们的组织在生成式AI方面拥有高度或非常高的专业知识。

员工对自己企业内部改进的潜力也持谨慎态度。预计将被视为创新者或早期采纳者的企业份额在未来五年内仅预计增加到38%（图6）。

图6：员工普遍怀疑他们的公司将迅速采用生成式AI

来源：德勤生成式AI调查（2024年）

在生成式AI时代，员工将继续在推动商业成功中发挥关键作用。鉴于生成式AI的使用增加了员工的满意度，当企业未能在生成式AI上吸引员工时，就有失去员工到创新竞争对手的风险。

接下来怎么办？

尽管生成式AI的使用率很高，但员工已经识别出使用这项技术进行工作的一些关键风险。特别是，85%的员工担心使用生成式AI会导致个人、机密或敏感信息的误用（见图7）。相似比例的员工担心可能创造恶意内容（83%），以及法律风险和侵犯版权（81%）（见图7）。

图7：尽管广泛采用，员工仍担心生成式AI的风险

来源：德勤生成式AI调查（2024年）

商业领导者应该解决这些风险，并授权员工充分利用生成式AI应用，以实现这一强大工具的显著好处。另一方面，不使用生成式AI也存在关键风险。从长远来看，那些不探索其在业务或行业中使用的企业，有被竞争对手抛在后面的风险。

从其他数字技术革命中吸取的教训

尽管生成式AI因其快速的采纳速度和由员工主导的颠覆性而有所不同，但我们仍可从互联网、智能手机和云计算等其他技术革命中学到一个关键教训。那就是拥抱变革而非排斥新技术。在以往的技术浪潮中，现有企业常常通过关注监管和风险管理来试图限制新技术的颠覆性影响。而颠覆者则抓住机会彻底重新思考商业模式和客户体验，使得传统企业不得不最终适应或逐渐消失。

企业需要做更多工作来接受生成式AI

虽然有43%的员工正在使用生成式AI进行工作，但有29%的员工不知道企业有哪些措施应对这一技术在工作场所的迅速出现。这可能反映出企业行动的缺乏或高级领导与员工之间在响应这一重要发展方面沟通的断裂。

一些企业对生成式AI的出现采取了本能反应，亚太地区有22%的员工所在的企业禁止或限制使用生成式AI。然而，禁止或限制使用生成式AI已被证明是无效的。实际上，如果员工在禁止使用生成式AI的企业工作，他们使用该技术的可能性更高（在禁止或限制使用生成式AI的工作场所工作的员工中，有76%使用了生成式AI，而总体员工中则为62%）。

许多其他企业正在鼓励员工使用生成式AI。企业为应对生成式AI的出现采取的最受欢迎的措施包括与员工交谈（42%的员工知道他们的企业采取了这一措施），鼓励在职学习（39%），以及讨论技术的限制（35%）。只有33%的员工接受了关于生成式AI的正式培训。在接受过正式培训的员工中，有35%表示对培训不满意。德勤调研发现，与生成式AI使用相关的培训能够提高员工的生产力并改善其工作条件。

三个“无悔”举措

随着生成式AI的崛起，商业领袖和员工都需要战略性地思考并主动行动，以应对快速变化的环境。等待被告知如何使用生成式AI或如何在业务中使用可能意味着员工和企业错失重要机会。那么，商业领导者现在可以采取哪些关键步骤呢？基于我们的分析发现，有三个具有高影响潜力的举措脱颖而出：

• 制定并实施聚焦于企业核心价值领域的生成式AI战略
• 赋予员工主导其AI之旅的能力
• 迭代发展必要的数据基础设施和数据治理以拥抱生成式AI

1. 制定并实施聚焦于企业核心价值领域的AI战略

为了实现生成式AI的潜力，企业领导者必须避免将使用与价值混为一谈。

目前有越来越多的可能用例，有些适用于所有企业，有些则特定于行业或企业。

在这样一个嘈杂的环境中，企业领导者需要记住自己业务战略中的愿景，并制定一个支持这一愿景的AI战略。从区分企业在客户心中与竞争对手不同的特点出发，探索AI如何帮助增强企业可能拥有的竞争优势。另一方面，识别阻碍企业愿景实现的痛点，并将AI应用于这些领域将帮助寻找新的解决方案。

那些根据自己的策略定制生成式AI使用的企业，更可能需要定制AI产品而不是现成的解决方案。《企业中生成式AI现状》报告的第一季度版发现，企业更倾向于投资标准的现成解决方案（68%使用标准应用程序）。使用生成式AI的行业特定软件应用的企业则少得多。

AI战略的核心是您的员工。然而，近三分之一（29%）的员工不知道他们的企业采取了任何措施来应对生成式AI的出现，包括对其使用的培训、与员工交谈或提供指导。

这种无行动状态在更发达的经济体中更为普遍。只有29%的澳大利亚员工和24%的日本员工从雇主那里听说过生成式AI，相比之下，印度有64%的员工、东南亚有57%的员工了解相关信息。

一个完善的AI战略应确定有效使用生成式AI所需的技能，并概述企业如何通过培训或招聘额外人才来满足这些需求。实际上，根据员工的说法，企业可以采取的最有效措施是提供如何在工作中使用生成式AI的培训（41%），其次是制定如何将生成式AI整合到工作流程中的战略（41%）。

技术进步带来的效率增益不仅仅需要采用，还需要重新构建工作，以使新技术得以应用。首席执行官和高层领导应考虑新技术如何使他们能够彻底重新思考流程和商业模式，而不仅仅是利用它们使当前流程和任务更加高效。

围绕生成式AI实施倡议有巨大的红利。那些更可能意识到与之相关的业务举措的员工，将自己的企业归类为生成式AI创新者的可能性是其他员工的六倍。这一发现得到了另一项研究的支持，该研究发现，企业提供或资助培训的使用AI的员工更有可能报告AI对他们的工作条件有积极影响。

与其仅仅提高当前任务的效率，首席执行官和高级领导者需要利用新技术彻底重新思考公司的流程和商业模式。重新构造工作流程以利用生成式AI，不仅可以使员工和客户更加满意，同时也能提高盈利能力。

让生成式AI在我们的业务中发挥作用意味着理解这项技术是如何解决商业挑战的。因此，如果我们正在释放时间，那么这些节省下来的时间又能让我们做什么呢？这样做的价值是什么？或者我们如何从业务中剔除这部分时间的成本？

生成式AI使我们的人员及其技能变得更加重要。我们需要问自己，组织内是否有足够的能力来实施这一技术，或者我们是否需要先从外部寻求帮助以建立这种能力？

当生成式AI被集成到员工使用的数据源中时，将带来最大的好处，而不是依赖于开源数据。像ChatGPT这样的通用模型可以协助处理一系列基本任务。如果企业希望提取与他们面临的情况最相关的关键洞察，定制模型将是有用的。

在施耐德电气，试验可能的用例是测试生成式AI潜力的关键。我们在我们的AI中心不断开发多个概念验证，探索使用生成式AI的各种方式及其相关好处，例如提高内部效率或增强客户体验。

2. 赋予员工主导其AI之旅的能力

在AI采用方面，员工正在成为主角。AI新生代在工作中使用这项技术的速度已超过企业。然而，商业领导者需要授权员工，帮助他们构建知识和能力，以便在工作环境中有效使用这一工具。

仅仅因为某个员工更有可能使用或更频繁地使用生成式AI应用，并不意味着他们已经充分利用了这项技术。只有50%的员工认为他们已经充分利用了生成式AI的潜力。采取积极行动来增加理解可以有所帮助。那些采取更多行动的员工——如研究AI、试验应用程序和与同事合作——有51%的可能性感觉他们在工作中充分利用了生成式AI。

生成式AI应用的快速变化意味着，企业试图为员工开发全面的培训材料或课程，将会发现他们的材料很快就过时了。更短的培训课程，结合实际例子，甚至是真实世界的案例研究，可能更有效地激发员工的学习兴趣。

利用可信合作伙伴和供应商的专长将有助于确保员工获得最新信息。这些合作伙伴对于如何使用他们的产品以及客户群中的最佳实践经验有最佳了解。

鼓励企业内用户之间更大的协作是赋能员工的一种方式。在某些情况下，可以使用比赛或展示来突出员工中的相关示例，以及企业收集可能尚未实施的新想法。

3. 发展必要的数据基础设施和数据治理以拥抱生成式AI

一旦企业制定了AI战略及相关用例以实现价值，他们就需要确保其数据基础设施和治理设置能够支持他们想要的用例。

生成式AI的快速采用依赖于开源平台和支持社区。然而，提供最大回报的更高级用例将需要AI模型在内部业务数据上进行训练。

传统的AI强调了提高包括电子表格和客户关系管理数据库在内的结构化数据质量的需要。生成式AI在半结构化或非结构化数据（如文本文档、电子邮件、视频片段和音频记录）中被证明极具价值。一个半结构化数据的例子可能包括根据之前的提案主题、经验和方法论，整合一份提案，以帮助一家工程公司赢得新的项目。

数据质量是利用在业务信息上训练的生成式AI模型的关键使能因素。然而，德勤经济研究所（Deloitte Access Economics）进行的一项研究调查了亚太地区企业的数据成熟度水平，发现一半企业的数据成熟度处于基础或初学者水平。这表明该地区的数据能力有相当大的改进空间。

那么企业应该从何处开始改进数据质量呢？生成式AI战略应指导在哪里改进数据质量可以提供最大的回报或价值。在数据清洗时，应优先处理可用于多种目的的数据集，例如员工自己访问的员工数据，以及用于人力资源报告和资源配置的数据。

成功的生成式AI实施依赖于健全的数据治理，而将大型语言模型用于业务用例需要实施质量和隐私考虑以推动负责任的AI。根据德勤《企业生成式AI应用现状：立足当下，谋定未来》报告为商业和技术领导者进行的一项调查显示，与治理相关的最大关切包括：知识产权问题（35%）和滥用客户或客户数据（34%）。拥有一个成熟的治理框架来管理风险、道德问题和其他结果以解决这些治理问题是任何生成式AI用例的必要先决条件。

拥抱生成式AI革命

随着AI新生代的影响继续重塑亚太地区，对雇主来说适应并拥抱AI技术的快速进步至关重要。这样做不仅可以让组织与不断发展的劳动力保持同步，还可以利用生成式AI为经济和社会转型带来的巨大潜力。该地区的未来工作依赖于以一种促进员工和雇主之间的协作和创新的方式利用生成式AI的力量。

附录：方法论

德勤生成式AI调查

在2024年2月和3月，我们调查了2,903名大学生和9,042名员工，他们来自13个国家及地区：澳大利亚、中国大陆、印度、日本、新加坡、中国台湾、韩国、新西兰以及东南亚（印度尼西亚、马来西亚、菲律宾、泰国和越南）。

这项调查在澳大利亚首次调查的基础上进行了扩展，调查问题旨在了解当前的使用情况、益处、障碍以及对生成式AI的态度。

为了全面了解生成式AI的影响，我们对所有行业的员工和所有学科领域的学生进行了调查。

德勤经济研究所（Deloitte Access Economics）与德勤人工智能研究院和Deloitte Insights合作开发了这份报告，旨在了解亚太13个国家及地区的员工和学生如何使用生成式AI，个人、企业和教育提供者目前采取的行动，生成式AI采用的障碍以及对未来的期望。

这份报告的调查由Dynata公司执行。调查受访者包括各种行业的不同级别的学生和员工。

表格A1：按国家的调查样本大小

图表A1：员工职位分布

图表A2：调查受访者的年龄分布

图表A3：员工所处行业分布

“短引线/大爆炸”方法论

在这项研究中，我们根据影响的程度（我们称之为“爆炸”）以及这些行业将受到影响的时间（即“引线”的长度）对18个行业进行了绘制。

影响分数基于Felton、Raj和Seamans在《职业异质性与生成式AI暴露》中生成的职业暴露分数。这些暴露分数评估了职业对生成式AI的10种应用（包括语言建模和图像生成）的相对暴露程度。分数已从颗粒度较高的O*NET标准职业分类（SOC）映射并聚合到两位数的国际标准职业分类（ISCO-08）代码，使用来自国际劳工组织（ILO）的对应关系。

然后根据每对国家-行业的职业组成计算影响分数，加权平均工作小时数来自ILO。不同地点的数据可用性不同，有些地方只有一位数的ISCO-08就业数据可用。在这种情况下，将在可用的最佳数据粒度级别上执行相同的过程。

影响的时机是基于接受调查的员工的比例，这些员工已经使用过生成式AI，并认为他们所在的公司在其行业内是创新者或早期采纳者。请注意，这些分数是基于所有13个国家及地区的回应进行的调查估计，样本大小在不同地点和行业之间可能会有所不同，因此结果可能会因其占亚太人口份额较小但调查回应份额较高而产生偏差。

图表B1：“短引线/大爆炸”方法论

表格B1：行业的相对影响和暴露分数

说明：表中的分数是各行业之间的相对值，时间和影响分数不应直接进行比较。

尾注

1. 德勤，《AI新生代：不论是否准备好，我们来了！》（2024年）

2. 世界银行（2024年），数据库

3. 国际货币基金组织，团体与汇总信息（2024年）

4. Pizzinelli, C., A. Panton, M. M. Tavares, M. Cazzaniga, and L. Li, 劳动市场对人工智能的暴露：国家间差异与分配含义, 国际货币基金组织工作论文 23/216 (2023)

5. Salesforce，《亚太地区准备度指数》（2023年）

6. 亚洲开发银行，关键指标数据库（2024年）

7. 谷歌与益普索，《与AI共生：明天的现实与承诺》（2024年）

8. Lane, M., Williams, M., 和 Broecke, S.，《人工智能对工作场所的影响：来自经合组织雇主和员工人工智能调查的主要发现》，经合组织（2023年）

9. AON，《2023年亚洲心理健康指数》（2023年）

10. 生产力委员会，《心理健康调查报告第一卷》（2020年）

11. Lane, M., Williams, M., 和 Broecke, S.，《人工智能对工作场所的影响：来自经合组织雇主和员工人工智能调查的主要发现》，经合组织（2023年）

12. 德勤，《在新常态下运营》（2020年）

13. 国际数据公司，《未来企业韧性和支出调查》（2023年）

14. 德勤，《现在决定未来：来自生成式人工智能应用前沿的洞察》，德勤企业生成式人工智能状况第一季度报告（2024年）

15. Lane, M., Williams, M., 和 Broecke, S.，《人工智能对工作场所的影响：来自经合组织雇主和员工人工智能调查的主要发现》，经合组织（2023年）

16. 德勤，现在决定下一步：来自生成式人工智能应用前沿的洞察，德勤企业生成式人工智能状况第一季度报告（2024年）

17. Frey, C. B., Osborne, M.,《生成式人工智能与未来工作的再评估》（2023年）

18. Lane, M., Williams, M., 和 Broecke, S.，《人工智能对工作场所的影响：来自经合组织雇主和员工人工智能调查的主要发现》，经合组织（2023年）

19. 德勤，解密数据：解锁数据成熟度的益处（亚马逊网络服务公司委托报告，2022年）

20. 德勤，《现在决定未来：来自生成式人工智能应用前沿的洞察》，德勤企业生成式人工智能状况第一季度报告（2024年）

21. 费尔滕，爱德华·W. 和 拉杰，马纳夫 和 西蒙斯，罗伯特，《像 ChatGPT 这样的语言建模者将如何影响职业和产业？》（2023年3月1日）