这篇文章是关于生成型人工智能（Generative AI）的经济潜力的，它可能会引发下一波的生产力革命。我们首次探讨了商业价值可能会积累的地方以及对劳动力的可能影响。
生成型AI已经逐步渗透到我们的生活中，从驱动我们智能手机的技术，到汽车的自动驾驶功能，再到零售商用来惊喜和取悦消费者的工具。因此，其进步几乎是不可察觉的。明确的里程碑，例如2016年由DeepMind开发的基于AI的程序AlphaGo击败了世界冠军围棋选手，被人们庆祝，但很快就从公众的意识中消失了。
生成型AI应用程序，如ChatGPT、GitHub、Copilot、Stable Diffusion等，以一种AlphaGo无法做到的方式吸引了全球人们的想象力，这要归功于它们的广泛实用性——几乎任何人都可以使用它们进行交流和创造——以及与用户进行对话的超自然能力。最新的生成型AI应用程序可以执行一系列常规任务，例如数据的重组和分类。但是，它们编写文本、创作音乐和创造数字艺术的能力引发了头条新闻，并说服了消费者和家庭自行尝试。因此，更广泛的利益相关者正在努力理解生成型AI对商业和社会的影响，但没有太多的上下文来帮助他们理解它。
我们的研究表明，生成型AI有望改变销售和营销、客户运营和软件开发等功能的角色和提升性能。在此过程中，它可能会解锁从银行业到生命科学等各个行业的数万亿美元的价值。以下部分分享了我们的初步发现。
我们的最新研究估计，生成型AI可能会为全球经济增加价值2.6万亿至4.4万亿美元，我们分析的63个用例中的每一个都是如此——相比之下，2021年英国的整体GDP为3.1万亿美元。这将使所有人工智能的影响增加15%到40%。如果我们包括将生成型AI嵌入到当前用于其他任务的软件的影响，这个估计将大约翻一番。
总结一下：
1.行业的价值潜力
生成式AI有潜力在各行业中创造4.4万亿美元的价值。
• 高科技行业4600亿美元。主要因素：软件工程
• 零售业3900亿美元。主要因素：市场营销和销售
2/.功能的价值潜力 4个商业功能占AI总年度价值的约75%：
• 客户运营
• 市场营销和销售
• 软件工程
• 研究和开发
3.关键用例
银行业→遗留代码转换
零售业→消费者研究
制药业→研究和药物发现
例子： 华盛顿大学最近使用了机器学习进行蛋白质设计。
这使他们能够根据特定的生物反应定制蛋白质复合物。
4.达到人类水平的表现
预计AI将匹配人类的中位数表现，并早于预期达到人类表现的前25%。
麦肯锡对AI自然语言理解的估计：
2017年的估计：2027年
2023年的分析：2023年
时间线在缩短。
5. 自动化正在增加
通过整合现有技术，可以自动化的总小时数的百分比已经从50%增加到60-70%。
由于生成式AI的自然语言能力的加速，技术潜力曲线很陡峭。
6. 自动化采用已经加速了十年
麦肯锡为工作活动的自动化程度达到50%的时间点建模了：
2016年估计的中点是2053年
2023年估计的中点是2045年
这是近十年的加速。
7. 生成式AI可能对知识工作产生最大的影响
特别是涉及决策和协作的活动。
这之前的自动化潜力最低。
8. 自动化对受教育程度较高的工人影响最大
劳动经济学家经常注意到，自动化技术的部署对低技能工人的影响最大。
生成式AI有相反的模式——对受教育程度更高的工人的影响最大。
9. 取代大学学位
高薪知识工作活动以前被认为是免疫自动化的。
AI将挑战多年学位的获得作为技能的指标。
这可能导致对劳动力发展采取更基于技能的方法。
10. 推动更高的生产力增长
从2012年到2022年的全球经济增长比前两个十年慢。
生成式AI通过自动化个人工作活动，帮助加速生产力增长并补偿就业增长的下降。
