LinkedIn
微博
微信2024年全球科技行业迎来大拐点，科技驱动的新旧动能变革，加速了企业转型的步伐。
贝恩公司全球合伙人、大中华区高科技业务主席成鑫：
生成式AI正以惊人的速度重塑企业运营模式，从软件开发到客户支持，再到销售和营销，AI的应用正在以前所未有的方式提高生产力、优化流程，并推动商业创新。在早期投资回报的激励下，各行业的领军企业纷纷加码AI布局，以期在竞争激烈的市场环境中占据先机。然而，与以往的技术变革不同，AI的真正价值释放并非仅靠技术部署，而是需要企业对业务流程进行根本性的重塑。简单的自动化已不足以带来颠覆性的增长，企业唯有深入挖掘AI在核心职能领域的应用潜力，并将其融入业务战略，才能在这场技术革命中立于不败之地。
本报告结合贝恩的研究和全球最佳实践，深入剖析AI在五大关键职能领域的应用案例，包括软件开发、客户支持、销售与营销、产品创新以及后台运营。我们不仅探讨了AI如何提升效率、优化体验，还重点分析了企业如何克服技术整合、数据治理、人机协同等挑战，以确保AI投资带来真正的业务价值。希望这些洞见能为中国企业提供有价值的参考，帮助他们制定AI战略、优化业务流程，并在这一波技术变革浪潮中抢占先机，实现可持续的竞争优势。
在早期布局成果的激励下，企业竞相加码生成式AI投资。
内容提要
• 目前，全球各大企业都在竞相加码生成式AI投资，尤其是在软件开发、客户支持等领域
• AI已经赋能各大职能取得了显著的效率提升，将客服响应时间缩短了1/3，部分代码的生成时间甚至直接减半
• 有别于其他的颠覆性技术，要想充分释放AI价值，就必须对现有业务进行重塑，单纯的技术部署难以实现显著的投资回报
成鑫，贝恩公司全球合伙人、大中华区高科技业务主席
贺赫，贝恩公司全球副合伙人
赵天辰，贝恩公司董事经理
当某项颠覆性技术问世后，部分企业会采取“快速追随者”战略，在观察先锋企业试错过程的基础上，总结经验教训并获得后发优势。然而在AI领域，情况则截然不同：AI先锋企业已经开始收获硕果，在短短18-36个月内就实现了相当于其20%利润的绩效提升。它们积极建设组织能力和信心，将其转化为可持续的竞争优势，从而进一步赋能组织重塑运营体系和创新商业模式。上一次新技术带来如此巨大而深远的影响，还要追溯到上世纪90年代的互联网革命，但这一次的变革速度有过之而无不及。
尽管如此，部分投资者与分析师对AI的投资回报仍然持怀疑态度。究其原因，主要是因为AI与互联网和云计算等颠覆性技术有所不同，要想充分释放其价值潜力，除了最基本的技术测试和部署以外，还需要对业务流程进行重塑。企业在开发和部署AI工具之前，唯有先进行业务诊断、设定交付目标并重塑业务流程，才有机会捕获AI的巨大价值。
在早期布局成果的激励下，企业不断加码AI投资：据贝恩公司一项针对全球IT决策者的调研显示，过去一年，全球范围内投资逾1亿美元用于AI应用部署的大型企业数量同比翻了一倍有余（图1）。在如此充沛的资金支持下，这些企业对数百项AI用例展开了测试，不过贝恩研究发现， AI应用的价值目前主要体现在五大核心职能领域。
软件和产品开发
软件开发领域的生成式AI用例主要包括代码的生成、存档、重构、调试、测试以及运维。部分开发团队通过调用代码库以外的特定设计模式和海量数据集，将代码生成和存档环节的工作效率提高了15%-40%，而代码重构、定向测试等环节取得的效率提升更是高达30%-50%甚至更高。
与此同时，AI的应用部署也促使部分企业重新评估开发效率，以期将效率优化的范围进一步延伸至产品管理、数据驱动的项目管理优先级排序、阶段性流程管控、敏捷开发、质量保证测试前置等传统领域。
以面向消费者和小型企业的金融科技平台Intuit为例，该平台正着手测试并推广30余个用例，以期利用生成式AI，全面提升公司在软件开发全生命周期各个环节的开发速度。通过将生成式AI技术和工具集成到其开发平台上，Intuit整个产品团队，包括软件开发人员、设计人员、产品经理、数据工程师和分析师、技术项目经理等的工作效率都得到了持续的提升。在代码生成方面，Intuit根据其特有的代码运行环境和托管平台，量身打造编程辅助工具，取得了高于行业均值的效率提升。而在代码重构方面，该平台则持续聚焦于代码库的优化升级，进一步加快开发速度。
聚焦国内，某本土硬件制造企业正积极推进生成式AI技术在产品研发与软件开发中的应用，覆盖智能设备优化、用户体验提升及供应链管理等领域。依托自研AI大模型及GPU万卡集群，该企业构建了高效的AI开发平台，提升代码编写、调试及系统优化效率。同时，通过AI分析用户反馈，加速产品设计与测试流程，缩短开发周期，推动智能系统、智能家居及IoT生态的智能化升级，不断提升产品创新能力与市场竞争力。
客户支持
生成式AI不仅能够自动化和优化客户支持服务，而且可以从根本上减少服务需求。客户支持领域的生成式AI用例主要包括：通过数据分析预判和解决客户潜在问题；通过聊天机器人丰富数字自助服务并实现自动化交互；通过算法为客户匹配最合适的专员；以及通过智能知识助手提高客服的工作效率。
实践证明，生成式AI可以将客服响应时间缩短35%，通过管理不同的知识来源，协助客服解决问题，并将解决方案的质量提高40%。
以某海外科技制造企业为例，该公司为其现场服务团队开发了两款行业领先的生成式AI原型应用：其中一款是维保服务支持系统，旨在提高现场技术人员的维保效率；另一款则是全新的数智化系统，通过分析建筑传感器收集到的海量非结构化数据，为应急抢险人员协调信息传递和决策制定。
国内亦有相似案例，某大型本土电商公司近期上线的AI聊天机器人对海量历史客户数据和常见问题场景进行训练与实时更新，能够自动回复约九成的日常咨询。在面对较为复杂或特殊的问题时，机器人会及时将相关对话转接给人工客服，既保障了回复的准确性，又实现了客服资源的高效调度。与此同时，这套智能客服系统还可通过语义分析与工单管理功能，对剩余疑难问题进行自动分类并快速上报至相应业务部门，确保不同类型的请求都能得到无缝衔接与处理。整体而言，该方案一方面大幅提升了客服团队的工作效率与服务质量，另一方面也为管理层提供了实时的运营数据和洞察，为后续优化客户服务、完善企业业务流程奠定基础。
销售和营销
销售和营销领域的生成式AI用例包括个性化动态内容生成、个性化电子邮件营销、社媒运营自动化、客户规划自动化以及高级培训和支持。生成式AI在客户互动上通过一些功能的自动化，可有效提高销售代表和其他营销人员的工作效率，缩短销售周期，减少客户流失，并依托超个性化提高点击率。
以某海外科技硬件公司为例，该公司通过简化内容创作，自动化内容汇总、整合和发布系统及相关工作流程，为部分员工配备生成式AI工具等一系列举措，加速内容管理系统的转型升级，以期减少30%的内容运营时间。截至目前，该公司在不同应用场景下的试点项目已经取得了可喜的成果，有些甚至超过了预期目标。
国内企业也在大胆尝试，以某本土家电公司为例，该公司通过优化新产品功能卖点提炼流程、整合全球各地消费者需求及社会热点，并利用生成式AI工具高效生成本地化市场营销材料及销售话术等一系列举措，加速其市场推广进程；与此同时，其还积极探索在内部工作流程中引入自动化内容创作、汇总与发布等系统化改造，以期在保持营销信息精准性的同时，减少整体内容运营所需时间。截至目前，该公司在不同应用场景下的试点项目已经取得了可喜的成果，部分成果甚至超过了预期目标，不仅显著提升了营销效率，也为其在全球各区域市场的品牌推广与业务拓展提供了强有力的技术支撑与竞争优势。
产品和功能创新
企业在产品和功能创新领域部署生成式AI，以期设计出更加简洁友好的产品和界面，提供更加定制化和个性化的服务。例如，医疗健康行业可以利用AI技术，快速分析患者数据，提供个性化的治疗方案。其他行业也同样可以借助生成式AI，推出语音或文字聊天界面，简化产品交互体验。
以家乐福的线上官网为例，该网站推出了一款生成式AI购物助手，可以基于客户信息及输入，自动生成采购清单和食谱建议，在简化客户购物体验的同时，还增加了网站的流量。
某本土消费电子公司正通过整合嵌入式AI技术，将文档摘要、翻译等自然语言处理功能深度融入新型消费电子硬件产品，为全球用户带来更加高效、智能的工作体验。终端与云端协同，这些功能不仅帮助用户在跨语言沟通中加速信息传递，也能提供更便捷的内容处理方式，从而节省时间并提升生产力。随着AI硬件加速的进一步普及与成熟，这种软硬结合的智能化趋势将持续推动消费电子行业的创新与变革。
后台运营
后台运营部门因其高度流程化的工作，为生成式AI用例提供了理想的试验场。例如，财务部门可以借助生成式AI，提高内审报告编制、税务文档准备和定制化财务分析等环节的工作效率。
以德国电信（Deutsche Telekom）为例，该公司为其采购部门开发了一款聊天机器人。经过有关公司政策和历史采购战略的训练，该聊天机器人可实时解答内部团队关于政策合规性的问题，并针对特定招标请求，提供有关供应商、合同或公平价格的建议。试点结果表明，该聊天机器人每月可分别为该公司的业务和采购部门实现2,000和5,000个小时的工时节约。
而国内某保险公司正积极运用人工智能技术优化新员工培训流程，利用AI构建虚拟场景和智能陪练工具，为学员提供个性化、互动式的学习体验。在此基础上，他们还能设计模拟考核环境，通过实时反馈与针对性指导，帮助新员工迅速掌握必要技能并适应岗位要求。得益于AI精准的数据分析和场景还原能力，这种培训方式不仅有效提高了学习效率与培训质量，也在一定程度上统一了标准、降低了人力成本，为企业的人才培养和组织发展奠定了更坚实的技术基础。
充分准备应对挑战
AI的应用部署是一场追求生产力跃升的转型之旅，但同时也需要系统性地应对技术整合、人机协同以及业务流程重塑等多方面的挑战。
提高业务流程就绪度
企业在部署AI应用的过程中，应当先进行端到端的流程精简和优化，去除中间的冗余环节，避免对现有高度复杂的流程直接进行自动化改造。此举有助企业在优化运营的同时，确保资源的合理配置和有效利用。
升级数据和应用环境
庞杂的数据库、多源化数据的处理和复杂的应用环境严重拖缓了高效可靠的AI应用落地速度。因此，企业在大规模推广AI应用之前，必须率先完成系统升级和数据治理，才能为生产力的提升创造更大空间。
寻求技术和服务支持
云端和本地化的AI部署需要参考架构、大语言模型建议、提示工程以及应用开发支持。由于技术服务提供商正竞相将自己的产品接入AI基础大模型，以上资源目前都处于供不应求的状态。尤其是图形处理器（GPU），其需求更是面临井喷式增长。
引领AI变革浪潮
AI的战略布局应当与组织的业务目标高度契合。企业无论是推行渐进式改革还是颠覆式变革，都可以参考借鉴以下最佳实践：
1. 上至CEO下至普通员工，都将AI作为创造价值的关键抓手。设定明确的投资回报率（ROI）目标，并通过编制预算建立问责机制，落实团队的降本和价值创造责任。
2. 业务诊断前置，避免自动化低效流程。在进行自动化改造之前，先厘清价值机会并重塑业务流程。在技术部署的过程中，通过设定目标和变革管理以提升效率。
3. 制定清晰的用例落地路线图。聚焦销售和营销、客户支持、软件开发和运营等高潜力职能领域。
4. 善于利用多个AI交付模型，包括自助式知识工作者辅助工具（如Microsoft 365 Copilot），由供应商提供的预建商业AI系统，以及定制化的AI模型等来满足业务需求，尤其是在对数据区分度和敏感性有较高要求的情况下。
5. 建立数据集、AI模型、技术组件和平台等的共享机制，确保各解决方案之间的规模经济效益。改善产品管理、敏捷开发和DevOps流程，为AI技术的高速发展提供支持。
6. 构建相匹配的风险管理机制、负责任的AI和治理职能体系，并确保员工队伍拥有清晰的沟通和人才战略。
任何企业的AI转型路径都具有其独特性。但纵观各个行业和市场，AI的强势崛起和爆发式发展绝非“昙花一现”。在未来十年甚至更长的时间里，战略型创新AI应用将成为企业构建竞争优势的关键所在。AI发展大潮下，留给后进企业奋起追赶的时间已经所剩无几，而那些远远落后的掉队企业恐将难以站稳脚跟并最终被市场淘汰。
报告作者特别鸣谢贝恩公司大中华区知识产品中心的刘泽萌、陈旭菲，翻译组的邹怿帆、市场部的赵雯、以及创意设计部的顾丽娜为本报告做出的贡献。