如果聚焦在顧客服務、軟體開發，以及創意性與知識性的工作，生成式 AI 能夠產生超過一兆美元的生產年收益。儘早採用 AI 的事業可以得到最高的投資報酬率，但策略性的部署與紮實的訓練才是避免 AI 超過使用限度的關鍵因素。
文／Maria Korolov· 譯／高忠義
即使生成式人工智慧是相對較新的科技。但由於它帶來的影響，以及它能創造的企業價值，現在已經很難想像沒有人工智慧的世界。根據 IDC 在 2023年 11 月份發佈的報告，根據針對超過 2,100 位擔負人工智慧轉型任務的企業領導者與決策者進行的訪調，已經採用人工智慧的公司當中有 71% 的公司在 14 個月內就看到他們了投資人工智慧的回報，每一塊錢的投資平均賺回了 3.5 塊錢。
所以並不意外的，自從 Dall-E 2 與 ChatGPT 在2022年釋出之後，各公司持續大規模地投資人工智慧，因為各公司預期可獲得生產力提升的極大價值，有些公司預估在未來十二個月可以得到超過 5% 的改善，而公司的人力至少也可以精簡 5%。
安永（EY）是廣泛部署生成式人工智慧的例子之一。在內部，它為了分布在多項任務崗位上的 40 萬名員工採用對話式的人工智慧，而在外部，它使用人工智慧以協助客戶的公司。「我們看到各部門員工的生產力提升 15 到 20%，」安永美國新興科技主管 Matt Barrington 如此表示。所以在有潛力的供應商進來之後，因為利用生成式人工智慧協助分析大量文件，生產力已提升了 70 到 80%。
他說，「我們進行對照測試」「而我們也正獲得追蹤能力改善、人力精簡等等更有效的回應。」安永也研究其他公司如何使用生成式 AI，而該事務所在 2023 年 10 月時對全球 1,200 位執行長進行訪調，幾乎所有人都表示他們正在投資生成式 AI，或正計畫進行投資。而全球有 75% 的資深主管表示，員工的生產力可以藉由 AI 獲得改善。所以基於這些初期的結果，公司可發現在三個功能領域中有最大幅度的生產力改善，也就是 ─ 「顧客服務」、「軟體開發」與一般「創造性及知識性的工作」。
1. 生成式 AI 與顧客服務
顧客服務是生成式 AI 最常見的使用案例之一，而隨著供應商繼續在他們的平台上添增新的工具，企業愈來愈容易部署生成式 AI。
以來自超過 5,000 位客服人員的資料為基礎，史丹福大學與麻省理工學院的研究者合作進行一項研究，並在 2023 年 4 月公佈結果。採用生成式 AI 之後，客服人員每小時平均可以解決的問題增加了 14%。但是最大的好處顯現在新員工與低度技術員工，他們的工作品質獲得 34% 的改善。
研究人員表示，AI 也有助於讓客服人員更具同理心，從而創造更正面的顧客體驗。所以不讓人意外的，大公司的事業領導者預期在未來 12 個月到 18 個月透過在客服工作上採用生成式 AI 而創造出高價值，也因此早期採用 AI 的事業預期在這領域有最大的獲益。而在一些產業中已感受到這樣的影響。
在二月，麥肯錫（McKinsey）顧問公司發表了一項調查，結果顯示使用 AI 提供客服的電信公司中有 84% 正看到節省成本的效益，而有 45% 成本減少的幅度達到 6% 以上。
2. 生成式 AI 與軟體開發
企業軟體公司 Planview 發現生成式 AI 並不能承擔所有的工作，而其最佳的用途是用來提升生產力。該公司資料科學家 Rich Sonnenblick 表示「在重覆性的程式撰寫工作上，我們看到生產力獲得大幅度的提升，從 5 到 20%。」這樣的改善大部分是集中在資淺的員工。「人工智慧模型可以提供程式開發系統最佳實務範例以協助資淺的開發人員學習並磨練技巧。」他補充說明，這是永遠不會疲倦，而且永遠有時間精力協助的協作者。
在二月時，全球管理與策略顧問公司 Zinnov 與數位服務轉型服務公司 Ness Digital Engineering 發表一份以超過 100 位實際工程環境中的軟體工程師為對象的深入研究，其結論表示：工程師如果使用 AI，他們更新現有程式撰寫工作可以減少 70% 的工作時間，測試程式的工作可以減少 41% 的時間，而編寫新程式的工作可以減 32%。
研究者表示，對於更新程式工作來說，生成式 AI 善於運用程式庫裡已有的功能，而且在建議程式效能改善時可以發揮難以估算的價值。在測試工作上，生成式 AI 也特別擅長創造測試案例，並為測試工作創造虛擬數據。不過在開發新程式時，因為訓練資料有限，而且對專案脈絡瞭解不足，所以生成式 AI 的影響受到限制。
整體來說，生成式 AI 可以減少工作完成時間達 38%，最顯著的效果也發生在資深工程師身上。有經驗的專業人員更能瞭解人工智慧的建議，而且能夠在加進程式碼之前就先修正錯誤。他們也只需要較少的提示詞就能得到想要的結果，而且可以在提示詞提供更多的背景，因為他們更瞭解現有的程式庫與專案要求。
[ CIO 都在讀：生成式 AI 應用在軟體開發領域 ]
但生成式 AI 並不是只能協助大型的軟體開發專案。生成式 AI 也可以用來寫較小的描述檔（scripts）與查詢，為非技術背景的員工培力。管理顧問公司 AArete 一年來也已使用其他生成式 AI 做那樣的事。
「我們願意將自己當作精簡型用戶端，」數位科技服務副總經理 Priya Iragavarapu 這麼說。「我們將新的科技應用在自己身上，並同步辨識出逐漸擴大的痛點。」
有一項立即出現的生產力效益就是員工不再需要求助公司的資料中心卓越團隊以撰寫複雜的查詢與特別的描述檔。那個團隊，原本由 20 個人組成，已經不再需要了。
她補充說，「他們還是很忙碌」。「但他們做別的工作。我們將先前所有執行這類資料提取的團隊整合成更大的交付團隊以進行更複雜的工作。」
在此同時，用 AI 來撰寫程式也有缺點。根據開發工具公司 GitClear 的說法，經過四年的資料分析，處理了超過一億五千萬行的程式，結果翻修程式碼（Churn code）的情況增加（意味著程式碼經常被改變或修改，而不斷出現變動）；而程式重複使用的情況則減少，這兩者是程式品質下降的兩個跡象。公司預期今年的翻修程式碼率是 7%，那是使用生成式人工智慧前的兩倍。而就生產力來說，這還不是唯一的警訊。
每年，Google 為了編寫年度開發維運報告而訪調數萬名開發人員，在今年，人工智慧是主要議題。受訪者表示，在撰寫以及優化程式、分析安全性、協助學習新技巧、找出漏洞、撰寫測試檔、建立文件與其他更多工作上，AI 已經顯示出它的價值。但是，根據該報告的作者表示，調查資料仍顯示人工智慧在團隊績效與軟體交付績效上的影響可能不顯著，或甚至是負面的影響。
「很多人談論程式設計師的生產力，」O’Reilly Media 新興科技內容副總經理 Mike Loukides 這麼說。「我們原本相信已達成技術成熟度曲線，但實際的獲益可能小得多。我懷疑就大企業來說我們實際上並未見到顯著的生產力效益。」依據他日前發表自己進行的訪調，生成式 AI 最普遍的用途就是軟體開發：有 34% 的公司正實驗這種方案，而有 44% 則已在工作上採用。他說，隨著 AI 工具變得不可或缺，也成熟可靠，最終所有人都會採用。然而，他呼籲公司「應該放寬眼界，而不只是專注在寫程式的速度」。他問：「如果寫程式並不是真正重要的議題呢？」、「如果真正重要的問題是瞭解顧客面臨什麼樣的問題呢？或許我們可以花更少的時間在寫程式，而將時間投入於瞭解顧客，以及如何為他們建立真正有用的工具。」
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球CIO同步獲取精華見解 ]
3. 生成式 AI 與知識型工作
生成式 AI 在產生文件上特別擅長，這讓他對知識型工作者來說特別有用。
但就生成式 AI 的創造力來說，第一項重大而公開的突破實際上是圖像創作。Dall-E 2 與 Midjourney 創造能愚弄人類的圖像，而且甚至早在 2022 年就贏得大獎。所以不讓人意外的，創意專業人士運用這些工具來創造行銷及銷售資料以支援內部溝通，以及其他用途。
而根據 Adobe 在二月發表的一項研究調查顯示，根據對超過 2,500 位創意專業人適的調查，有 83% 的受訪者表示他們使用生成式 AI 工具，66% 表示那些工具創作出更好的內容，而有 58% 表示那些工具提高了創作內容的數量。
但生成式人工智慧也可以在其他創意領域協助知識型工作者。「當生成式 AI 首次面世，我們看到有大量的機會可以以提升我們的資源的生產力」企業軟體商 SAP 的資深副總經理兼客戶成功領域數位事務主管 Sam Masri 這麼說。「我們投聚集了 600 人共同在沙盒中測試生成式 AI 在 54 種不同類型中嘗試不同的使用情境，產業與客戶研究領域是最成功情境之一。」
「相較於生成式人 AI 出現之前的情況，由此得到在相同工作上有 46% 的時間節省效果，而品質或者維持相同，或者更好，」他如此表示。「這讓人大感意外。我們因此明瞭，其他尚未採用的組織也可以採用生成式人工智慧。」他說，那並不是要減少員工人數。那是要增加員工的覆蓋範圍與生產力，讓個人可以用更快的速度支源更多的顧客。今天，SAP 有好幾打不同的生成式 AI 工具，放在全公司各個平台，讓員工可以用來創作內容、圖表與更多東西。開發人員、行銷人員與其他許多職務功能人員已經加以使用。
「在我們約莫 30,000人而面向顧客的組織中，每個人都使用很多這類工具，」他如此表示。「在我們數位倉儲型的組織裡，大約有一千人，每個人最少都使用四到五種工具，而這些工具在一年之前尚未出現。」藉著使用這些工具，SAP 發現平均來說生產力上升了 20 到 30%。他補充「對於不同的功能角色，這種改善的幅度當然有很大的差異」。「有些已經高度數位化，而有些則因為基期較低而有更大幅度的改善。」他說，最大的價值在於那些需要大量資訊分析的工作，例如市場研究、產業研究與會計研究，以及顧客開發、顧客支援與內容創造。
[ 推薦閱讀：生成式 AI 在各產業的應用 ]
就顧客、產業與市場研究的生產力來說，提升幅度介於 40 到 50% 之間。而在內容創造與交付工作來說，用各個角色與使用情境的加權平均數估算，生產力的提升約莫介於 20 到 30%。「這些全都是勞力密集的工作，而生成式人工智慧已協助我們獲得指數級的改善，」他如此說。「那是我們看到有最大價值的地方。」並不只有 SAP 看到知識型工作者透過生成式 AI 而獲得的生產力效益。
在二月底，Harris Poll 受 Grammarly 委託針對就商業溝通現況，以超過 1,000 位知識型工作者，以及超過 250 位商業領導人為對象進行訪調。在使用生成式 AI 的受訪者中，80% 表示那改善了他們工作的整體品質，而藉著使用生成式 AI，他們每週節省了 7.8 小時。那可以換算成每個員工如果開始使用生成式人工智慧來幫助他們進行溝通工作，每年可以省下 16,455 美元，如果是有一千位員工的公司，那等於每年節省了 1,650 萬美元，或者以全美國的生產力來看，一年省下 1.6 兆美元。
當然，從 Grammarly 製作以 AI 驅動的文法與寫作工具產品之後，從這些成果已經獲得極大的利益。而在麻省理工學院於 2023 年 7 月發表的一份研究中也看到類似的結果。研究者對 453 位有經驗的專業人士進行實驗，而發現那些使用 ChatGPT 的人節省了約 40% 的寫作工作時間，而品質則提升了約 18%。最大的獲益則是那些在第一項任務上表現最差的受試者。在實驗結束後，那些使用 ChatGPT 的參與者在兩週後於實際工作上運用 ChatGPT 的可能性是其他人的兩倍。
Gallagher 是全球化的保險經紀、風險管理與顧問服務公司，而該公司的高階研究實務管理總監 Tom Wilson 表示他的團隊使用生成式 AI 進行研究與書面溝通。舉例來說，過去要花上一個小時才能按照標準範本建立應徵者的個人檔案。但現在，只需要一半的時間。「你必須回顧內容，加入自己的元素，」他如此補充，「你必須個人化。」
他說，生成式 AI 也被用來撰寫電子郵件，但必須個人化，讓那看起來不像是用 AI 程式寫出來的。「但那還是比從頭開始寫容易的多了，」他這麼說。「我們通常有自己設計的電子郵件範本，但是生成式 AI 有助於讓內容煥然一新。現在它聽起不是只從共享硬碟中找書一個範本了。」他估計生成式人 AI 已經減少了撰寫這些標準電子郵件的時間大約 30 到 40%。他說：「我整個職涯都在招聘員工。」，「而這是我生平看過最快速變動的科技轉型。那就像是在三十年前把個人電腦或麥金塔放在每個人的桌上那樣。」
[ 非讀不可：生成式 AI 究竟對資安長來說是福還是禍？]
使用 AI 可能造成生產力下滑的情況
根據近期由哈佛大學、華頓商學院、華威商學院、麻省理工學院，以及 Boston Consulting Group 研究人員進行的一項研究顯示，在 AI 擅長的領域加以採用可以得到最顯著的生產力提升，但是如果超過 AI 能力範圍仍然採用，則生產力可能急遽下滑。
這項實驗涉及超過 700 位在 BCG 工作的顧問，結果發現相較於那些不使用 AI 的顧問，在 OpenAI’s GPT-4 的協助之下，顧問平均可以多完成 12% 的工作，而且有 25% 的工作可以更快完成，而且有 40% 得到品質更好的結果。
績效低於一般水準的顧問獲益最大，他們的績效提升了 43%。在此同時，原本績效超過平均水準的顧問則只獲得 17% 的提升。但是那些是針對 AI 擅長的任務。對於超過生成式 AI 能耐的任務，顧問們得到的結果卻是績效下滑了 19%。
根據報告的作者表示，兩者間的交界與一般人預期的不同。舉例來說，跟直覺相當衝突的，生成式 AI 擅長提出新的想法，但在基本數學上表現很差。
實驗內容包括 BCG 顧問日常工作中的部分任務，例如開發新的產品概念，並解決企業問題。顧問在這些任務上需要運用創造力、分析技術、說服能力以及寫作技巧。
「你想要瞭解何時需要對 AI 的產出存疑，」Forrester 的分析師 J.P. Gownder 如此表示。「那並不是容易解決的事情。它需要知道許多背景，需要判斷，不只要瞭解 AI，也要瞭解你的環境。」
他預期許多公司今年對於生成式 AI 訓練面向的投資仍然不足。「他們會認為讓人們到教室裡學一小時可以讓他們跟上進度，」他如此表示。「但有一些困難的事情，像是提示詞工程，你一天內學不會。生成式 AI 在轉型的任務上具有極卓越的潛力，但那不是輕鬆的旅程，而且那項旅程當中有相當多情況是讓需要某些技能的人們自然而然地得到技能。」
(本文授權非營利轉載，請註明出處：CIO Taiwan)
