生成式AI重塑运营：驱动增长推进转型1.pdf

驱动增长，推进转型生成式AI重塑运营：序言我们正处在一个深刻变革的时代。智能运营是企业重塑战略、迈向新绩效前沿的关键。生成式AI的发展势如破竹，其影响力已经遍及各个行业，对所有企业产生了深远的影响。在这个快速变化的环境中，企业要想立于不败之地，必须进行深入彻底的变革。生成式AI将在这一过程中发挥至关重要的作用。因此，充分释放生成式AI潜能并加快迈向智能运营，是实现成功转型和持续创造价值的关键。智能运营代表了最高水平的运营成熟度，它依托于一个强大且适应性强的数字核心。这种数字核心可满足企业不断变化的需求，并无缝集成各种新兴技术。我们累计为2000多家企业提供了运营服务，创造出390亿美元的损益影响。基于这些服务的经验，我们得出了一条重要结论：全面的运营战略（包含人才、资产与平台、方法与流程）是决定企业成败的关键因素。埃森哲最新研究发现，虽然许多企业已加快转向更成熟的运营模式，但只有少数领先企业真正释放了生成式AI的潜能，并创造了显著的价值。这些企业已经为重塑做好准备，利用数字核心释放超级自动化和AI的力量，带动整个企业加速前行。展望未来，我们预计企业将进行全方位重塑，基于生成式AI实现可持续、成熟的智能运营，从而显著提高增长速度、生产力和盈利能力。立即行动，加速重塑。2重塑运营目录17重要因素：竞争优势 智能运营的实现路径展望未来：组织转型，推动重塑智能运营的商业案例智能运营的推动因素现代化的数据基础：通向生成式AI的大门061216实施“以领域为中心”的数据现代化推行以人才为核心的重塑战略与业务和技术团队一同引领重塑采用领先流程推动业务成果192225293重塑运营竞争优势 重要因素：新技术、消费者期望、气候变化、混合办公等因素紧密交织，快速推动当今企业运营方式发生巨大的结构性转变。企业必须加快持续重塑步伐，才能适应不断变化的环境，厚植竞争优势。大多数高管都认识到了打造竞争优势的重要性。埃森哲研究表明，92%的高管认识到推进重塑刻不容缓，生成式AI是快速实现大规模重塑的关键1。81%的高管认为，开展快速试点是企业未来6至12个月大规模应用生成式AI的重要手段。七成（71%）受访者表示，在扩大生成式AI应用范围时，需要降低对风险的规避意识2。显然，大多数高管都意识到必须快马加鞭，利用生成式AI推进企业重塑。然而，他们的运营模式是否为此做足准备？简言之，重塑的成果不仅是竞争优势，还包括与之相关的一切。增长、盈利能力、创新、市场主导地位，这些要素为企业的未来发展奠定了坚实基础。5重塑运营2024年的调研中，我们采访了来自15个行业和12个国家/地区的2000名高管（57%为首席级或同等级别高管）（图1），旨在评估企业运营的成熟度，以及其是否具备利用生成式AI推动业务成果的条件。智能运营的商业案例 6重塑运营7重塑运营图1：调研对象统计分布%7%7%8%7%中国日本印度澳大利亚巴西汽车银行化工通信消费品和服务医疗保健高科技保险生命科学媒体石油和天然气零售软件和平台旅游公用事业英国德国西班牙意大利法国美国加拿大%7%受访者占比（按国家/地区划分）受访者占比（按行业划分）样本量=20008重塑运营首席执行官财务人力资源供应链采购战略运营技术营销销售客户服务法律、风险与合规可持续其他*首席级别总监级别副总裁级别样本量=2000注：其他*包括全球业务服务（GBS）主管和全球流程负责人受访者占比（按职能部门划分）受访者占比（按职级划分）8%8%8%7%8%11%11%7%43%36%21%9重塑运营我们用运营发展的四个阶段来评估企业运营的智能化及成熟度（图2）。“基础期”的企业处于智能化初始阶段，而“重塑准备期”的企业已全面实现流程智能化。依靠基础资产推动成本优化和基本SLA（服务等级协议）基础期已实现自动化并采用描述性、可预测的AI技术自动化期已实现数据管理的现代化，专注于提升客户体验洞察驱动期大规模应用超自动化和AI技术推动业务成果重塑准备期图2：智能运营成熟度评估标准 8562016人才资产与平台方法与流程2重塑期 基础期自动化期洞察驱动期重塑准备期尽管已建立基本运营成本和SLA，但尚未涉及任务自动化或尚处于非常早期的阶段。尚未制定人工智能战略和执行路线图。数据存储在孤立的系统中，交易系统之间的互联性较弱，数据分析主要用于生成历史报告。企业在利用人工智能进行重塑时，需要组建准备充分的专业人才队伍，并通过实施劳动力战略规划、角色重塑和持续技能提升、以及灵活的人才招聘方式，来满足不断变化的人才需求。技术和业务团队共同负责资产、平台和产品的开发方式，携手生态系统合作伙伴，利用描述性、预测性和生成式AI资产来实现具体的业务成果。我们基于上述四项标准以及从数千个客户项目中获得的经验，综合评估企业的智能运营水平。基于规则的先进流程经过端到端转型升级，实现了高度标准化，并通过流程挖掘和基准测试推动实现“一流”绩效。各领域拥有分散的数据所有权，通过联合治理模式进行管理。由各领域专家策划成熟的数据产品，并将其托管在自助服务平台上。利用按需且近乎实时的分析、高级建模和数据科学，支持数据驱动的决策。拥有完全现代化的数据基础架构和端到端平台集成，支持大多数流程的超自动化。借助传统AI，大规模提升任务完成效率并快速扩展生成式AI用例。已经开始扩大生成式AI的应用范围，并取得了卓越的业务成果。部署低代码/无代码自动化，效率得到显著提升。几乎在所有流程中都已部署传统AI，重新定义绩效标准。生成式AI概念验证开始在多个职能和业务部门落地。10重塑运营继2023年我们对企业开展智能运营评估以来，情况已经发生了许多变化。过去一年中，迈入重塑准备期的企业数量几乎翻了一番（从9%增至16%）。这些企业已拥有了现代化的数据基础架构，可支撑强劲的业务成果；实现了端到端平台集成；大多数流程也正在实现超自动化。他们还成功应用传统AI大规模提升了任务完成效率，并迅速扩展生成式AI用例，开辟新的增长点。与基础期企业相比，重塑准备期企业具有以下特点：此外，2%极富远见的重塑准备期企业已经在大规模部署生成式AI，并获得了可观的投资回报。这些企业取得的成就得益于现代、成熟的运营体系，而这一体系由三个关键驱动因素所支撑。平均收入增长提高2.5倍生产力提升2.4倍扩展高价值生成式AI用例的成功几率增加3.3倍 2.5倍2.4倍3.3倍11重塑运营为实现智能运营，企业必须在人才、资产与平台现代化以及方法与流程优化这三方面进行变革。埃森哲2024年的研究表明，企业已经开始更全面地看待重塑企业运营，并同等重视智能运营的三个推动因素。他们将这三个推动因素视为优先事项，这与2023年的情况有所不同，彼时许多企业一次仅关注一到两个推动因素。而今，企业意识到这三个推动因素需要同步推进，缺一不可：每个因素在利用生成式AI进行重塑的过程中都起着至关重要的作用。重塑准备期企业擅长并行推进三个推动因素，发挥它们的协同作用（图3a）。12重塑运营企业人才已为技术驱动的企业重塑做好准备广泛合作以重塑资产与平台方法与流程应用于所有业务职能%1%87%18%1%87%智能运营的推动因素图3a：智能运营的推动因素重塑准备期自动化期基础期重塑准备期自动化期 基础期重塑准备期自动化期 基础期虽然这三大推动因素对于重塑都至关重要，且应同步推进，但必须注意的是，智能运营旅程的每个阶段都有一个主要推动因素（图4a）。例如，对于希望从基础阶段过渡到自动化阶段的企业来说，资产与平台是主要驱动因素。在这个阶段，关键在于建立重点自动化项目的治理模式，形成针对业务需求的反馈回路。企业只有赋能业务和技术团队共同创建资产与平台开发路线图，才能成功升级到自动化运营阶段。同样，对于重塑准备期的企业而言，方法与流程是主要推动因素。与处于洞察驱动期的企业相比，重塑准备期的企业在执行流程挖掘、内部和外部基准测试方面表现出色，从而达到业内一流的绩效。他们的流程已经借助高水平的平台集成和超自动化实现了端到端转型升级。近九成（87%）重塑准备期的企业在开发方法与流程方面表现出色，而处于洞察驱动期的企业中这一比例仅为47%（图4b）。相比之下，处于基础期和自动化期的企业难以成功运用这三个推动因素（图3b）。13重塑运营人才结构较为僵化，面对技术变革准备不足重塑资产与平台方面的协作非常有限或根本没有协作方法与流程的应用范围非常有限，甚至完全没有应用图3b：智能运营的推动因素重塑准备期自动化期基础期重塑准备期自动化期基础期重塑准备期自动化期基础期1%1%88%78%14重塑运营人才资产与平台方法与流程基础期自动化期洞察驱动期重塑准备期图4a：智能运营发展中的主要推动因素各个职能部门之间存在严重壁垒，员工执行各自部门制定的流程。人才策略相对僵化，仍然按照传统的生产力和产出SLA来衡量团队绩效。在某些业务流程中，部分人工角色通过机器（自动化、技术、分析）实现了自动化。企业开始鼓励人才在不同职能部门之间流动，以适应更多样化的任务需求。机器在主要业务流程中实现了人工任务自动化，提高了员工的工作效率。企业建立了内部人才市场，动态项目团队可以根据战略需求灵活进出项目，实现按需协作。技术和领域/业务职能部门的转型计划彼此孤立。关键项目的治理是临时性的，技术和业务职能部门缺乏高管联合支持。已为关键项目建立了包含业务需求和技术优先级反馈循环的治理模式。为选定的领域或职能部门制定了联合产品路线图。技术和业务职能部门就某些功能进行协作，有的放矢地进行投资和部署。关键项目的联合治理模式使企业能够快速适应不断变化的业务需求。技术和业务团队合作推动企业的战略路线图，并整合生态系统合作伙伴。技术和业务专家合作，识别、创建和扩展AI+自动化的应用场景。流程呈零散化、非标准化，几乎没有经过精益或流程改进周期。内部基准测试数据是非结构化且过时的。某些流程开始采用领先实践和内部基准数据来衡量。针对流程中的某些具体问题或环节进行了优化和改进，但仅限于单点解决方案。采用先进的标准化流程，政策和实践基本一致。流程挖掘和内部基准数据用于推动流程改进。利用流程挖掘和内外部基准测试推动“一流”绩效。流程实现了端到端的全面转型，兼具高水平的平台集成和超自动化。机器在流程中广泛应用，提高员工的工作效率。企业配备了专门的人才，以加快人工智能技术的应用。通过战略性的人才规划、角色重塑和持续技能提升，确保有一支与战略重点高度一致的强大人才梯队。图4b：智能运营发展中的主要推动因素20232024重塑准备期自动化期洞察驱动期基础期%8%18%部署一流的方法与流程（包括流程挖掘和基准测试），是重塑准备期企业与洞察驱动期企业的分水岭。洞察驱动期（47%）与重塑准备期（87%）培养推进人工智能主导型重塑所需的人才，是企业从运营自动化转向洞察驱动成果的关键。自动化期（19%）与洞察驱动期（61%）调动业务和技术团队共同开发资产与平台，是企业从基础运营转向自动化运营的关键。基础期（12%）与自动化期（66%）15重塑运营除了在三大推动因素上发力，重塑准备期企业的数据现代化水平也远远高于其他级别的企业。这些企业深刻认识到，要有效利用生成式AI，必须制定正确的数据策略和夯实核心数字能力。他们的数据资产专为生成式AI的应用场景设计，明确定义了数据治理角色，并且能够从源头追踪整个生命周期内的数据。我们的研究表明，现代化的数据基础是重塑准备期企业与其他企业的另一个分水岭（图5）。现代化的数据基础：通向生成式AI的大门%图5：现代化的数据带来的动力数据资产已针对生成式AI用例实现了现代化重塑准备期自动化期 基础期企业可以从源头追踪整个生命周期内的数据重塑准备期自动化期 基础期企业明确定义了数据治理角色重塑准备期自动化期 基础期16重塑运营实现路径 智能运营的埃森哲2024年的研究以及1000多个生成式AI项目的案例表明，企业对智能运营的投资与扩展生成式AI的能力息息相关。我们发现，实现智能运营的企业能够加快使用生成式AI，推动运营变革，这又进一步扩大了生成式AI的应用范围，形成相互依存的良性循环。但制定明确的路线图仍然是这些企业面临的一项严峻挑战。迈向重塑的最佳路径是什么？在重塑之旅的每个阶段必须解决的关键要素有哪些？企业应采取以下四项行动，规划前进方向、找出差距，通过智能运营实现快速发展。埃森哲研究表明，实现智能运营的企业数量逐年增加。18重塑运营重塑准备期企业已经建立了集中式数据治理模式，并采用以领域为中心的方法推进数据现代化，为人工智能主导的重塑奠定了强大的数据基础。评估数据基础的方法之一是评估三大驱动因素（人才、资产与平台、方法与流程）每天如何与数据交互。员工是否清楚地了解如何创建、处理和使用数据？流程和工具是否在不同职能部门之间实现互联互通，以便不同的团队（如销售、供应链、服务、人力资源、财务、研发）使用自己常用的工具访问相同的数据和分析？数据是否以标准化的方式构建，兼具安全性和可访问性，并使用通用数据格式，使AI工具能够在整个企业中轻松访问数据？实施“以领域为中心”的数据现代化19重塑运营这些是现代化数据基础的标志，也是大多数企业面临的主要挑战。实现数据基础现代化需要投入大量的时间和资源。我们的研究表明，71%的基础期企业尚未有效实现数据基础现代化，无法在整个企业内充分发挥生成式AI的价值。获取高质量数据是关键。超过三分之一的重塑准备期企业已经实现了对高质量数据和元数据资产的高速访问，确保数据没有不一致和冗余等问题。这一成果得益于业务团队和领域专家共同承担责任，推动数据基础的现代化进程（图6）。26%35%19%15%首席数据官某全球房地产服务提供商“图6：无错误的数据资产及其支持的元数据重塑准备期洞察驱动期自动化期 基础期理解数据治理流程至关重要。在整个企业内传达这一理念需要进行大量培训和教育，这一步骤的重要性不容小觑，即便这些内容看似显而易见。”20重塑运营该工业巨头的主营业务是生产机床和工业设备，通过精准的投资实现了快速增长。该公司不仅在新产品和新工作方式上进行了投资，还利用数字技术来优化其财务运营，推动各项业务实现迅猛增长。借助于数字化转型和一系列增长计划，该公司高效整合了多项收购来支持其快速发展。埃森哲与该公司合作开发了灵活敏捷、具有韧性的财务运营模式，融合了采购到付款（PTP）、订单到收款（OTC）、记录到报表（RTR）和客户服务等关键流程。21重塑运营成功案例新数据基础带来7000万美元的新增长现在，该公司使用基于SAP S/4HANA平台的新托管服务中心交付这些流程，还实施了新的数据基础（包括改进数据策略和数据治理），并依托卓越中心大幅提升了分析能力。借助埃森哲基于人工智能的智赢（SynOps）平台，该客户简化了运营流程，集中了80%的会计流程，效率提高47%，无接触式交易占比50%，创造了高达7000万美元的新业务价值。领先的企业将人才置于重塑的核心。在人工智能时代，这意味着根据技术的发展调整员工结构，使新角色与业务需求相匹配。这还意味着为员工提供全面培训，助力他们更好地发挥潜力，充分利用生成式AI的力量，重塑工作、重新思考各个流程和整个工作流，以明确生成式AI在服务客户、支持员工和获取业务成果方面能发挥最大效应的领域。企业在规划如何利用生成式AI推进重塑时，往往会忽视人才的重要性。我们的研究表明，82%的基础期企业尚未制定人才重塑战略。这些企业未能提前规划，以满足劳动力需求、吸纳更多人才，培训并提升员工的技能，以适应由生成式AI赋能的工作流程。推行以人才为核心的重塑战略22重塑运营虽然这三大推动因素对于重塑都至关重要，且应同步推进，但必须注意的是，智能运营旅程的每个阶段都有一个主要推动因素（图4a）。例如，对于希望从基础阶段过渡到自动化阶段的企业来说，资产与平台是主要驱动因素。在这个阶段，关键在于建立重点自动化项目的治理模式，形成针对业务需求的反馈回路。企业只有赋能业务和技术团队共同创建资产与平台开发路线图，才能成功升级到自动化运营阶段。同样，对于重塑准备期的企业而言，方法与流程是主要推动因素。与处于洞察驱动期的企业相比，重塑准备期的企业在执行流程挖掘、内部和外部基准测试方面表现出色，从而达到业内一流的绩效。他们的流程已经借助高水平的平台集成和超自动化实现了端到端转型升级。近九成（87%）重塑准备期的企业在开发方法与流程方面表现出色，而处于洞察驱动期的企业中这一比例仅为47%（图4b）。相比之下，92%的重塑准备期企业制定了明确的人才战略，以高效进行劳动力规划、角色重塑和持续技能提升（图7）。这确保了它们拥有一支与战略重点高度一致的强大人才梯队。人才战略不应仅限于技能培养。企业还必须制定相关计划和政策，确保员工身心健康，薪酬待遇公平合理，激发员工工作成就感，设立日常目标，调动员工工作积极性。这样可以吸引各方面优秀人才，倾听更多新颖深刻、富有洞见的观点，加快推进持续重塑之旅。强大的人才战略还有助于解决技能提升和学习问题。面向非技术团队的培训计划应重点关注三个方面：人工智能素养计划应教授生成式AI的基础知识，包括功能、局限性和风险；实际应用方面的培训应采用研讨会和沙盒环境，展示人工智能如何增强营销、客户服务和运营等特定的业务职能；设计变革管理项目帮助团队适应新的工作流程，拥抱人工智能驱动的流程创新。61%92%19%1%莱斯马西森（Les Matheson）澳大利亚国民银行首席运营官“成功的关键在于提高生产力和减少重复性任务，从而让我们的员工腾出更多时间为客户提供服务，处理更重要的工作。项目的相关举措包括提高代码质量和简化流程，以便银行减少为客户提供人工服务的时间。”图7：实行“三管齐下”人才战略的企业 重塑准备期洞察驱动期自动化期 基础期23重塑运营作为全球领先的金融机构之一，汇丰银行启动了一项全球计划，旨在通过提升员工体验和生产力来提升股东回报和客户满意度。为了完成此次转型，汇丰银行致力于实现人力资源职能现代化和数字化，以改善不同国家/地区之间依赖人工、碎片化的老旧流程。埃森哲帮助汇丰银行实施了技术和变革管理解决方案，包括体验设计、全球流程配置和本地化，以遵循特定国家/地区的法规要求。汇丰银行引入了SAP、成功案例重塑人力资源服务和员工体验ServiceNow和MuleSoft的数字人力资源解决方案，以简化人力资源流程，改善服务可访问性。汇丰银行全体员工现在能够即时获取信息，做出明智决策，快速访问人力资源服务和支持。变革涵盖的核心服务包括薪资管理和劳动力管理，同时也引入了新的人才管理、职业发展和绩效管理功能。凭借快速获取数据驱动型洞察的能力，汇丰银行的主管现在可以轻松制定关于团队和员工的战略决策。智能运营赋能生成式AI的发展，生成式AI亦能提升智能运营的效率，这一过程推动了生成式AI的不断演进。两者形成了相互促进、共同发展的良性循环。24重塑运营生成式AI不仅仅是一项技术，更是影响整个企业文化变革的驱动力。因此，在围绕生成式AI做出决策时，技术团队和业务团队应开展协作，共同对所产生的结果负责。这意味着要重构团队协作设计解决方案的方式。这是处于重塑准备期和基础期企业最明显的区别之一。在我们的研究中，87%的重塑准备期企业的一个显著特点是技术和业务团队之间保持“广泛合作”。这些企业创建了跨职能协作的文化，曾经各自为政的两个团队现在齐心协力，共同确定符合企业战略目标的生成式AI用例及其应用的优先顺序。团队间的协作进而推动创新，双方共同负责资产、平台和产品的开发，以充分释放生成式AI在整个企业的潜力。相比之下，88%处于基础期的企业表示，他们的技术和业务团队之间几乎没有或完全没有协作。这严重阻碍了企业采用现代化数据、实现流程自动化和部署人工智能等任务的进度。与业务和技术团队一同引领重塑25重塑运营收入增长主管某全球个人护理及化妆品公司“在启动大型转型项目时，我们总会遇到一些能力上的不足。关键是要花时间挑选合适的业务和技术团队成员，并通过紧密协作来弥补这一不足。”归根结底，生成式AI是一项技术，技术团队的重要性不言而喻，他们负责将生成式AI与企业的数字基础设施紧密融合。技术团队必须评估各项AI技术，将合适的技术集成到现有技术堆栈中，管理集成的多个技术方面，包括软件开发、系统配置和数据集成，并维护工具的整体性能。他们还必须确保生态系统合作伙伴和应用程序无缝集成，帮助评估持续性能，确保生成式AI解决方案与时俱进、富有成效。所有这些都离不开业务团队的直接支持。业务和技术团队应合作创建生成式AI路线图、共享决策权并商定目标和结果。企业的CEO应发挥主导作用，带头促进跨部门协作、确定资源优先级和培育创新文化。在CEO的领导下，技术和业务团队应被赋予同等责任，确定生成式AI应用的前进路径。CEO的影响力有助于打破部门壁垒、简化决策流程并减少对变革的抵触情绪。CEO的监督还表图8：由CEO引领生成式AI的应用47%53%36%27%明项目对利益相关者的重要性，从而提高全体员工的士气和工作热情。那些处于重塑准备期的企业深知这一点，采用由CEO办公室自上而下的方式，推动大规模生成式AI驱动的转型计划（图8）。重塑准备期洞察驱动期自动化期 基础期26重塑运营27重塑运营战略与业务转型副总裁某头部汽车供应商“我们在CEO领导下设立了转型办公室，负责协调推动转型的多项动员工作。这个团队就像一支特遣队，由运营、人力资源、财务及其他职能部门的精英组成。”埃森哲联合业务和技术团队共同开发生成式AI资产与平台持续监控平台安全性可组合集成架构生成式AI数字基础财务运营转型供应链转型营销与销售转型第3层：数字平台特定领域的生成式AI用例第2层：数据和AI主干生成式AI基础的通用资产和服务第1层：数字基础针对生成式AI优化的企业数字核心埃森哲智赢平台开发的支持因素 可扩展的生成式AI用例（按职能划分）企业数字核心公共资产和服务层人力资源转型多语言搜索和提取 多语言文档创建云优先基础设施开发人员共同掌控AI驱动的工作流提示库、知识库即服务、翻译等云/带有自定义包装器的本地大语言模型信任与安全、质量、准确性、道德和责任涉及多个部门的广泛应用场景技术团队 成功案例业务团队科技创新融合人类智慧 成功案例澳大利亚国民银行（National Australia Bank，简称NAB）是澳大利亚四大银行之一，专注于开发满足国民切实需求的产品和解决方案。在NAB首席执行官和高管团队的带领下，员工们抓住了新的机遇，将更多时间用于处理复杂事务和为客户提供更优质的支持。NAB广开思路，评估生成式AI带来的新想法和新机遇。并将采纳的想法投入测试和学习开发周期，以期为客户创造最大的价值、回报和影响。NAB始终将数据治理和保护置于首位，自成立伊始就采用严格的数据和AI防护措施，确保所有数据安全无虞。该银行于2023年年中启动了6个应用场景，旨在证明每个项目都可以帮助减少员工的“苦差事”。目前有20多个用例处于测试之中，并得出了令人满意的结果。法律文件审查时间从三天缩短至一天，代码质量和开发速度也在稳步提高。简化的自动化流程也改进了客户成果，这是衡量成功的一个关键标准。“我们希望确保投资正确的领域，而不是脱离客户需求，开发华而不实的产品。各个业务部门都应积极投身于生成式AI应用场景的开发工作，他们最了解如何投资才能切实满足客户需求。”莱斯马西森（Les Matheson）澳大利亚国民银行首席运营官28重塑运营根据埃森哲研究，87%的重塑准备期企业表示，他们已将领先的、基于云的实践应用于业务流程和流程挖掘，并已启用内部和外部基准测试来提高绩效。相比之下，智能运营基础期和自动化期的企业中，分别只有5%和20%做到了这一点。用云计算技术来分析和优化业务流程可以校准内部和外部基准，让企业更轻松直观地看到流程差距，清楚地了解到哪些环节存在低效问题，并标记改进方法，加速生成式AI的采用。企业可以获得所需的数据来分析流程，并识别人工智能可以创造最大价值的领域。通过设立准确的基准，企业可以制定切合实际的目标，并使用数字孪生模拟人工智能干预的影响。数据驱动型方法可确保人工智能计划与战略目标保持一致，改善决策并大规模推动卓越的业务成果。采用领先流程推动业务成果29重塑运营30重塑运营如果没有清晰且随时可用的数据，这一切都不可能实现。重塑准备期企业的显著特点是可以快速访问数据（图9）。集中式数据治理的作用不容小觑，它可以在训练生成式AI模型时加快迭代速度。通过简化数据检索流程，企业可以减少延迟，让AI模型即时访问庞大、多样化的数据集，从而缩短训练周期，实现更频繁的更新和改进。更快的迭代可提高AI模型的准确性和性能，扩大实验范围，提高结果的准确性。集中式数据治理还能确保数据的一致性和完整性，无论选择何种数据架构，都能提供高质量的输入和输出。元数据可提供必要的背景信息，增强可发现性和可用性。同时，通过减少冗余数据，避免了模型被重复或冲突的信息训练，从而避免结果偏差。40%55%30%27%图9：迅速获取有效数据重塑准备期洞察驱动期自动化期 基础期组织转型，推动重塑 展望未来：企业在面对未来巨大变化时，必须迅速调整和优化其运营能力，以确保在新的市场环境中能够成功应对各种挑战和机遇，他们需要并行推进赋能智能运营的关键因素人才、资产与平台、方法与流程。生成式AI革新了人与机器、跨业务运营以及跨企业之间的协作方式。展望未来，在生成式AI的赋能支持下，企业将拥抱更加深入全面的重塑，构建可持续的、成熟的业务运营。迈向智能运营后，企业将显著提高增长速度、生产力和盈利能力。生成式AI为企业在追求智能运营的过程中提供了全新的方法和视角。32重塑运营为了实现这一目标，许多企业正在进行“无悔”的人工智能投资，并已在软件编码、自动内容创建、财务报告和知识检索等领域取得了早期回报。越来越多的企业正在进行长期战略投资，打造真正新颖的竞争优势，以推动业务增长并降低运营成本。真正的领先者不仅投资技术，还致力于数字核心和数据基础方面的全面改造，从而在整个组织中广泛部署生成式AI，彻底改变其价值链。这些处于重塑准备期的企业正在将生成式AI应用到研发、人力资源、法律、供应链、市场营销、客户服务、工程设计、制造等核心职能中。生成式AI是推动智能运营和企业重塑的关键力量，它将为企业的未来发展提供强大支持。33重塑运营34重塑运营参考资料了解更多重塑企业运营，2023年5月生成式AI时代下的企业重塑，2024年1月埃森哲变革脉动研究报告，2024年3月构建数字核心，推进全面重塑，2024年7月重塑变革，2024年7月1.埃森哲变革脉动研究报告，2024年3月2.埃森哲智能运营调研，2024年业务联系岳彬埃森哲大中华区智能运营事业部总裁35重塑运营因变量在进行此项分析时，我们将基于调查问题答案组合的指标作为KPI，该问题涉及职能部门对生成式AI用例的集中度，以及采用生成式AI应用场景所产生的价值。首先，我们创建了一个指数，反映过去12个月内企业在扩展高价值生成式AI用例方面的成功程度。然后，我们标记位于此指数领军象限的企业，并将此标记作为我们的KPI。逻辑回归我们分析了一家公司的成熟度（使用智能运营组标记）与进入评估指数领军象限的概率之间的关系。我们发现，基础期企业进入领军象限的概率只有12%，而重塑准备期企业进入领军象限的概率则高达40%。也就是说，过去12个月中，重塑准备期企业在扩展高价值生成式AI用例方面取得成功的概率是基础期企业的3.3倍。财务绩效分析我们利用参与调查的企业（对于具有可用数据的企业并在对数据进行适当的质量保证之后）的财务绩效数据进行了收入增长比较。对于每个智能运营组，我们查看他们在特定财政年度的总体收入，并根据此指标计算出该组收入增长率。我们测试了不同的时间范围。深度访谈分析对于访谈分析，我们利用了LLM和生成式AI的力量。首先，我们将每次访谈整理并转换为机器可读的格式，以便清楚地识别访谈者和受访者。然后，我们要求GPT 3使用我们开发的专用提示来总结讨论并回答一系列问题，最后我们对访谈中讨论的关键主题进行了总体总结。财报电话会议分析 我们根据财报电话会议记录（S&P Global Transcripts）数据集进行了分析。首先，我们制定了一份包含107个与人工智能技术相关的目标术语的列表，然后跟踪了调查样本中的企业财报电话会议，并确定了提到某个术语的所有段落。考虑的时间线为2010年至2023年，我们跟踪了该主题讨论随时间的演变情况，并对讨论进行了文本分析。在扩展此分析时，我们还标记了在投资背景下讨论这些技术的AI相关段落（按照上述方法）。为此，我们利用了生成式AI，开发了专用提示来逐一标记每个段落。研究方法计量经济分析