对企业而言，长久保持竞争优势曾是一个难以企及的目标。如今，生成式AI等人工智能技术彻底改变了竞争格局，全球龙头企业正在数据和AI领域投入空前规模的资源，力求抢占先机。
然而，若想借助生成式AI实现企业的全面重塑，进而收获价值，绝非上线几个聊天机器人那么简单。埃森哲对全球1998家领军企业的2000名高管开展调研并发现，尽管企业普遍对AI寄予厚望，但只有少数“领跑者”能够真正在AI规模化应用中收获显著回报。那么，这些领跑者究竟做对了什么？其他企业又该如何后来居上？
AI领跑者的独特优势
早在2022年，埃森哲就发现有一小部分企业在数据与AI基础能力的应用领域遥遥领先，我们称之为“AI重塑就绪型”企业。1 时至今日，它们不仅保持着基础优势，更在持续打磨新型数据与AI能力（见图一）。
1. 《人工智能成熟之道：从实践到实效》，埃森哲，2022年6月8日，https://www.accenture.com/content/dam/system-files/acom/custom-code/aimaturity/Accenture-Art-of-AI-Maturity-Report-Global-Revised.pdf 。
然而，即便是AI重塑就绪型企业，其战略举措规模化落地能力也存在显著差异。平均而言，第一梯队的领跑者已规模化落地34%的行业最相关战略举措（约三到四项）；另有40%的战略举措正处于规模化的早期阶段；相比之下，快速追随者尚未规模化落地任何一项战略举措，仅有33%处于规模化的早期阶段。在AI之路稳步前进的“AI推进者”和AI应用尚处在浅尝辄止试验阶段的“AI探索者”与领跑者间存在着亟需弥合的差距（见图二）。
我们发现，领跑者能够实现AI规模化，原因在于战略、能力、组织等层面多项优势特质。
战略层面：领跑者获得CEO和董事会对AI投资支持的比例达到19%，而快速追随者仅为5%。此外，领跑者中有59%已将核心AI战略、关键流程和技术能力整合为统一框架，相比之下，快速追随者中这一比例仅为36%。
能力层面：我们发现，领跑者在生成式AI新型数据与AI核心能力上具有明显优势，28%的领跑者同时具备五项新型能力，而快速追随者中这一比例仅为19%（见图三）。
具体来说，在技术应用方面，65%的领跑者擅长使用并持续改进符合行业需求的自主AI代理，而快速追随者的比例为50%。同样，领跑者在明确定义AI用例的业务价值方面也比快速追随者更娴熟。这还体现在数据相关实践中，17%的领跑者采用“检索增强生成”（RAG）技术来强化其大语言模型（LLM），快速追随者仅为1%；领跑者也更擅长利用知识图谱对数据进行结构化和语境化处理（26%对比3%），以及在整个数据生命周期高效管理数据（22%对比6%）。同时，领跑者能更全面地应用数据，它们比快速追随者更倾向于大量使用零方数据（44%对比4%）、第二方数据（30%对比7%）、第三方数据（25%对比8%）以及合成数据（35%对比6%）。2
组织层面：领跑者高度重视以人为本的转型，对文化变革的关注比例是快速追随者的四倍；重视人才匹配和透明沟通的比例达三倍；运用行为科学持续监测AI驱动变革影响的比例为三倍；提供结构化员工培训计划的比例是快速追随者的两倍。
另外，快速追随者普遍尚未建立集中化运营模式，如作为企业AI战略、开发和部署核心的“卓越中心”（Center of Excellence，CoE）。只有16%的快速追随者成功采用了这一模式，而领跑者的比例高达57%。
得益于此，领跑者在财务表现和长期价值创造上大幅领先于同行。具体而言，2023年，年营收超过100亿美元的领跑者，其收入增速平均比AI探索者高出7个百分点。与其他三类企业相比，领跑者的投资回报率平均高出4个百分点，总股东回报率平均高出6个百分点。此外，领跑者也更擅于推动包容与多元、提升员工技能、改善环境可持续性，以及为客户、员工和社区创造价值。
2. “零方”数据是指客户主动与企业分享的信息，如偏好、购买意向和个人背景信息。“第一方”数据是指企业直接通过其网站、应用程序、调研或其他渠道与客 户互动时收集的信息。“第二方”数据是指来自另一家企业的第一方数据，通过合作共享或直接购买。“第三方”数据是指由与用户无直接关系的实体收集、出 售的信息，通常来自多种渠道。“合成”数据是指人为生成、模拟真实世界的数据。“隐性知识”是指个人积累的、与特定情境相关且难以通过语言、文字等形式 表达或传达的信息。
哪些行业正在领跑AI竞赛
在行业层面，AI的规模化应用呈现出差异化格局（见图四），其中，生命科学、金融是AI规模化应用的领跑者。聚焦各行业规模化程度最高的三项战略举措，我们发现AI应用正逐渐从“降本增效”迈向“模式创新”（见图五）。例如，生命科学行业重点突破的“提升药品价值定位”和消费品与服务行业的“超个性化消费者画像与细分”场景。一旦潜能尽释，这样的AI应用将成为驱动企业系统性变革的核心力量。
AI规模化的五大关键要务
领跑者企业始终把握住了一个至关重要的秘诀：将“战略布局”与“必备举措”有机结合，形成双轮驱动。
“战略布局”（strategic bets）是指对生成式AI领域进行长期、大规模的投资。这类投资聚焦于企业价值链的核心环节（例如，保险公司的承保与理赔、公用事业的资产管理，或生命科学企业的研发），有望带来极为可观的回报。战略布局可以彻底释放生成式AI潜能、颠覆性提升行业流程效率、创造卓越生产力、激发非凡创新力，并推动营收的跨越式增长。
与之相对，“必备举措”（table stakes）侧重于单点能力的构建，包括推动AI在企业内的广泛应用，以及特定业务场景（例如，文本与语音交互无缝切换的客户支持中心）的技术能力验证。虽然必备举措只能带来渐进式的价值回报，但它依然是衡量企业AI成熟度的基石。因此，企业在聚焦战略布局以推动重塑的同时，也应持续强化必备举措。
基于深入调研和丰富的客户实践，我们进一步提炼出五大要务，助力各类企业更高效地推进战略布局的规模化落地。
要务一：价值引领
以价值为导向的企业在布局战略举措时更注重创新与增长，而非仅关注降本增效。这要求高管层主动引领重塑，为企业的AI投资制定明确的优先级和清晰的价值目标。我们的研究表明，获得高管层支持的战略举措，其投资回报率超出预期的可能性是其他投资的2.4倍。
然而，要充分发挥战略举措的效能，高管层首先需要就企业的价值目标达成共识，并明确阐述希望如何实现这一价值。以下四个问题有助于企业开启这项自我审视：
• “为什么要自我重塑？”如果答案未涵盖360°价值创造，则需回到起点重新规划。
• “我们当前处于什么位置？”需建立量化评估体系，精准测算企业现有价值与重塑目标的差距。
• “如何系统性重构工作模式与人才体系？”技术部署与组织能力需同步升级。
• “如何衡量重塑进程和规模化效应？”
无论是战略布局还是必备举措，企业都必须设定与业务目标一致的关键绩效指标（KPI），而实现这些KPI则需要通过结构化资本配置来确定投资优先级。投资于成本节降而言固然重要，但能否驱动持续增长更为关键。最后，密切追踪短期和长期进展，能够确保高管层持续获得AI投资价值。
要务二：重塑人才与工作方式
在AI规模化落地过程中，人才始终是决定性因素。研究显示，尽管不同类型企业在人才投资规模上差别不大，但领跑者的人才成熟度却是探索者的四倍。这表明，相比在招聘和培养顶尖人才上的投入，能否全面执行人才战略更为关键。
重塑人才与工作方式要求企业能够快速调整员工技能与能力架构，将打造灵活、赋权且始终充满好奇心的员工队伍作为优先事项。若想保持领军地位，企业还需要构建由数据驱动、AI赋能和人文科学支撑的强大人才引擎。
为此，企业首先需评估AI技能水平及未来需求，判断哪些技能通过招聘引入、内部培养或外部合作获取，并依据个人技能、经验和职业目标为员工量身定制学习路径。技能就绪后，企业可实时规划员工队伍，持续将人才匹配到不断演变的工作流程中。随着AI系统日益自主和去中心化，企业必须确保其人才发展与最小人工干预即可规模化部署的AI基础设施相契合。
实现各职能部门的紧密协作是另一个重点。AI、数据、业务和治理团队需要在高度一体化的环境中协作，决策既依赖于行业专业知识，也要结合AI洞察。随着企业工作模式不断演进，未来AI人才必须具备跨学科专业素养且与企业战略同频共振。
要务三：构建AI赋能的安全数字核心
企业必须以打造现代化数据生态系统、战略性嵌入AI模型、部署自主智能架构，并确保AI与业务需求无缝衔接。3
首先，在构建自主智能且安全的数字核心时，企业需要充分利用结构化与非结构化数据，其中包括零方数据、合成数据甚至“隐性知识”（员工的集体智慧、判断和直觉）。这些数据不仅能显著提升AI生成特定客户洞察的能力，还能驱动更丰富的AI交互与深度分析。
其次，与探索者仍停留在局部试点不同，领跑者会把AI直接嵌入关键业务流程和核心系统，使其成为企业战略和运营的内生动力。在此过程中，企业应平衡效率、成本和用户体验，并将安全性自动嵌入AI举措中，确保大规模应用的可信赖性。同时，AI解决方案还应具备持久性与专用化，以便企业根据自身业务需求进行定制。
当数据与AI基座完成重构后，企业便能构建出“认知数字大脑”——一个AI驱动的智能枢纽，实时处理涵盖知识、模型、智能体和架构四个互联层级的海量数据流，为企业决策制定和持续学习提供强大助力。4 例如，埃森哲AI Refinery™框架核心作为认知数字大脑，能够通过扫描并整合企业所有数据与知识，构建企业级索引，从而支持AI驱动的决策制定。
3. 《生成式AI时代的数据就绪度：六大新数据要素》，埃森哲，2024年10月18日，https://www.accenture.com/content/dam/accenture/final/accenturecom/document-3/Accenture-the-new-data-essentials-the-road-to-data-readiness-report.pdf#zoom=40 。
4. 《技术展望2025：AI自主宣言⸺可能无限，信任惟先》，埃森哲，2025年1月7日，https://www.accenture.com/cn-zh/insights/technology/technologytrends-2025 。
要务四：弥合负责任AI差距
积极落实负责任AI不仅是为了维系声誉或满足合规，更在于将负责任AI举措作为价值创造的催化剂，以此增强客户信任、提升产品质量并强化人才吸引力。然而，对于大多数企业来说，要弥合负责任AI目标与实际进展之间的差距，仍有很长的路要走。埃森哲研究发现，受访企业中尚无一家建立高度成熟的负责任AI体系，即未能将负责任AI完全“平台化”，以系统化、前瞻性的方式充分释放AI价值。5
全面落实负责任AI涉及：聚焦AI治理；开展风险评估；进行系统性测试；监控合规性；培训员工掌握最佳实践；以及分析AI对企业员工队伍、可持续发展计划、隐私与安全项目的影响。这些举措的核心在于其前瞻性：投入专门资源评估当前和未来风险，以应对不断变化的技术和监管环境。
要务五：推动持续重塑
企业重塑并非一朝一夕之功，相反，这是一段持续的旅程，尤其是在推理计算、智能体架构和实体AI等领域快速发展的当下。未来企业必须以更高成熟度应对持续变革，而驾驭这种变革是推进战略实施和企业前行的关键。变革力将成为企业全员必须掌握的核心能力。这种能力以实时数据为驱动，以经验反馈为迭代基础。
企业领导层应将变革力深度融入企业文化，使其与企业使命和价值观相契合，并通过创新体验激发员工内生动力。我们发现，若企业具备高度成熟的变革能力，包括人才调配机制、文化挑战应对机制以及领导层透明度保障，其成功实现企业重塑的可能性将提高一倍以上。
另外，持续自我革新必须以持续的财务收益为基石：AI投资必须带来可量化的业务价值，否则应及时终止。通过动态监测AI投资回报率，企业能迅速将资源转向更高价值的领域。
如今，一场基于生成式AI的产业重塑竞赛已然全面展开。但与传统竞赛不同，这场转型没有终点，只有一个个阶段性里程碑。对于仍在追赶甚至希望后来居上的企业，只要聚焦上述五大要务，将有望跻身行业前沿。未来已来，行动为先。
5. 《从合规到自信：采用新思维推进负责任AI成熟度》，埃森哲，2024年12月11日，https://www.accenture.com/content/dam/accenture/final/accenturecom/document-3/Accenture-Responsible-AI-From-Compliance-To-Confidence-Report.pdf 。
6. 《融合科技与温度：安联集团（Allianz）与埃森哲对生成式AI的见解》，安联集团，2024年7月1日，https://www.allianz.com/en/mediacenter/news/ articles/240701-allianz-gen-ai-integrating-technology-with-heart.htm l。
森蒂尔·拉马尼（Senthil Ramani）
埃森哲首席产品与方案官
关岚（Lan Guan）
埃森哲首席AI与数据官
卢珊
埃森哲大中华区数据与AI业务主管
业务垂询：contactus@accenture.com
