随着去年最热门的话题——GenAI——成为今年的部署讨论主题，各公司都急切地将对GenAI潜力的讨论转化为行动，以捕捉其带来的好处。在《策略室内部》的这一集中，两位麦肯锡专家讨论了顶尖创新者如何利用这项技术来推动增长。Laura LaBerge 是我们战略增长与创新服务线的专家，而Matt Banholzer 是全球联合负责人，他们共同撰写了一篇文章，解释了为何拥有拥抱创新文化的公司在GenAI方面具有优势。
Sean Brown：在我们讨论GenAI如何帮助企业创新之前，你们是如何定义创新的?
Matt Banholzer：我们的定义不仅包括新产品，还包括可以通过使您变得更加灵活、适应性强或成本效益高而创造竞争优势的新流程和运营模式。创新还涉及新的客户体验和与客户互动的方式，以及新的商业模式和价值主张。例如，在过去十年中，许多公司从销售产品转变为销售服务，或采用基于订阅的方法。商业模式创新还可以包括不同的市场途径或以新的方式利用您的资产。
我们的研究表明，我们可能正在过渡到一个由新技术平台和重大人口变化塑造的新时代。要在这个世界上蓬勃发展，你必须创新，因为过去帮助你成功的方法可能不足以支持你未来的发展。您的许多商业常规、运营模式或产品在未来可能不再有效，而不创新可能比对增长机会进行大胆投资更加危险。在不确定性时期，不仅需要加固防线，还需要利用生产力产生现金流，从而为新的增长奠定基础。
Sean Brown：你们的文章说，顶尖的创新者擅长发现和利用这些新的增长来源。他们是如何做到的，GenAI在其中扮演什么角色?
Matt Banholzer：我们进行了调查，以找出这些公司表现出色的驱动因素，并发现它们共同的特点是创新文化。我们对顶尖和底层表现者之间的差距感到震惊，这个差距高达1000%以上(附图)。拥有强大创新文化的公司更有可能报告他们的产品和服务领先于行业，他们的组织在新产品开发的速度上是最佳的。这就是GenAI发挥作用的地方：它涉及开发、测试和部署。在ChatGPT爆发之前一两年，一些领先的公司就已经部署了GenAI。
Sean Brown：拥有创新文化意味着什么?
Matt Banholzer：我们之前写过关于灌输创新承诺、创新中的人因素以及创新的八个要素的文章，在这些文章中我们定义了创新文化的构建块。例如，你是否设定了只能通过创新才能实现的大胆愿景?通常，公司可以在不创新的情况下实现他们的战略，因此他们不创新也就不足为奇了。创新文化还意味着应用客户支持的洞察力和市场告诉你的信息。此外，顶尖的创新者质疑假设和断言，拥抱不确定性，并使迭代开发成为可能。
Sean Brown：这些公司有特别关注和投资的领域吗?
Laura LaBerge：他们与其他公司的一个不同之处在于，顶尖的创新者在研发和数字技术上投资更多。但不仅仅是投资更多——他们投资不同，并且在这些投资上获得了更高的回报。平均而言，他们在数字技术上的支出增加了55%，重点关注能够使他们在战略上有所区分的技术。此外，他们关注速度、细致度和整合性，在这些领域的能力是普通公司的两到三倍，甚至是弱创新者的九倍。这些投资使他们能够充分利用新型技术，因此他们在大规模部署GenAI以加速研发和创新过程方面遥遥领先也就不足为奇了。过去，这些组织在物联网或设计工程等其他技术进步方面领先。当前时刻有趣的是，GenAI在多大程度上可以发挥他们的优势。
Sean Brown：这些公司如何发展你所提到的速度、细致度和整合性?
Laura LaBerge：以速度为例，企业领导和产品团队使用实时数据来驱动快速改进。他们在整个组织中广泛使用技术，超越简单的自动化，整合开发、安全和运营流程。细致度是关于利用机器学习大规模分析数据，而整合性指的是他们对最终用户的全组织关注和无缝嵌入的控制功能。在GenAI出现之前，创新公司就已经具备了所有这些要素，这些能力对于利用GenAI的优势和规避其风险至关重要。
Sean Brown：处于GenAI实验早期阶段的公司可以从这些领导者那里学到什么?
Matt Banholzer：这些公司在处理GenAI时有五个方面。首先，他们知道如何提出好问题。这不仅仅是简单的提示工程和语法思考——他们明白业务需要解决什么问题，以及如何使用GenAI来解决这些问题。其次，他们专注于剔除错误答案。这不仅仅意味着拒绝毫无意义的答案，而是始终质疑断言，并将其视为假设。当公司建立新业务或推出核心之外的新产品时，他们会对客户的偏好、支付意愿、是否能生产产品以及销售团队是否能销售产品等方面做出假设。在常规业务中，您可以因为有模式识别而断言事情会如何发展。在创新中，你必须质疑这些假设，这种思维方式可以直接转化为GenAI。当GenAI给出一个答案时，顶尖的创新者会问：“这是一个有用的答案吗?”
第三个不同之处在于他们持续构建专有数据。GenAI是快速总结和综合数据的绝佳方式，但其从非结构化数据中驱动洞察的能力有限，尤其是在特定公司决策方面。在麦肯锡，我们拥有接入公司业绩、市场规模等专有数据库的GenAI工具，因此答案可以正确综合，我们能够筛选其他人没有的数据。
第四个能力是顶尖创新者预设的快速学习和改变方向的能力。敏捷实践实际上意味着在不确定性下前进的能力，进行测试和学习，并在没有完整答案的情况下采取行动。这对于GenAI很重要，因为它让你可以说：“这个GenAI工作流可能行不通，但我们会测试它，如果有效，我们会尽快扩大规模。”这种迭代测试和学习循环是组织逃离试点困境的方式。
第五，拥有创新文化的公司已经预设了无需人工触碰的工作流程。人们提出问题并发现错误答案，但许多其他步骤是自动化的。以CRM系统为例，这些公司可以从识别客户开始，让GenAI开发可能的提示以接触这些客户，再到后续跟进。你使销售人员的参与尽可能简单和无缝。
Sean Brown：如果你正处于GenAI采用的早期阶段，如何实施这种预设?你可以分阶段进行吗?还是必须全盘接受?
Laura LaBerge：不需要一次完成所有事情，当然也不必大规模进行。基本原则是尤其在数据安全方面不造成伤害。在试验这些技术时，你需要建立监管和数据安全边界。然后，找出你的组织中GenAI能够带来最大战略优势的地方，通过加速或更细致地开始测试。
Matt Banholzer：大多数领先的公司采取了以用例为驱动的方法，他们选择了一个他们知道想要改变的元素。早期的例子倾向于像客户服务提示这样的事情，但它们可以来自任何地方。我想强调的是，各个行业的公司都在测试这项技术。在化学或制药研发领域，试图发现新分子的公司从大型候选分子库开始，这些可能由GenAI或专家生成。之后还有很多步骤，但你可以加速一个缓慢的早期步骤。
Sean Brown：针对GenAI引入或提议了许多法规。这些可能对您所讨论的五个预设领域有何影响?
Matt Banholzer：关于下达的行政命令和法规有很多争论。它们主要关注如何声明您对工具的使用，但回到我之前的例子，存在关于可以使用哪些化学品、如何合成它们、安全法规等的法规。您可以选择使用高级化学品，但这需要有保护措施。
Laura LaBerge：这可能会沿着我们在个人数据法规方面看到的类似路径发展，这些法规因地区而异，并随时间演变。组织必须紧跟其发展并适应。
Sean Brown：让我们更深入地探讨顶尖创新者领先的五个领域。如何向GenAI提出好问题?
Matt Banholzer：充分利用GenAI所需的许多技能是公司在进行产品推出或应用机器学习时磨练出来的，但我们对顶尖表现者和其他表现者之间的差异程度感到惊讶。顶尖表现者理解这个工具的局限性。正如你不会用锤子拧螺丝一样，你不应该问GenAI那些用其他方式更好回答的问题。这是要避免垃圾输入，垃圾输出。问题需要是可回答的，你必须理解数据的可靠性，但在工作流的特定点可能有你可以自动化的具体问题。
这就是提示工程发挥作用的地方。仅仅让销售团队或研究人员使用工具看看他们会得到什么是不行的。然而，如果你知道有五个问题与开启销售线索有关，或有五个功能分子群体的元素你总是探索以获得新属性，你可以硬编码这些问题。在早期实验中，你可能提供宽松的指导并让人们学习，但随着他们变得更加复杂，你应该设计问题并将它们置于上下文中。
例如，麦肯锡的一些GenAI知识工具让我们搜索我们的内部数据库。早在三月，提示是：“这是我们的内部工具，由特定引擎驱动，拥有自定义数据集。”现在，这些工具接收一个提示，并知道五到六个其他问题往往与该提示高度相关，它们会自动将这些问题推送给引擎，以提供上下文答案，并将它们与其他工作流链接起来。但我们有关于你可以信任和不能信任什么的保护措施，重点关注引用和源数据。
Sean Brown：强大的创新者如何处理错误答案或虚构数据?
Laura LaBerge：跨职能团队一直很重要，但在GenAI中至关重要。记住GenAI的目标是创造新答案。在艺术领域，这个工具通过观察图像然后创造新图像来学习。文学和编码也是如此。例如，当你就专利或法规变更提出问题时，你必须小心，不要以引导GenAI生成不存在的文章或虚假引用的方式提问。如果你不使用能够发现不合逻辑之处的广泛视角的跨职能团队，或者你使用不显示其引用来源的GenAI形式，你可能会遇到这些幻觉。
创新公司必须避免这些陷阱的另一个元素是无缝嵌入工作流程中的控制功能，以帮助减轻风险。围绕数据和GenAI的应用的法规正在发生变化，因此你要确保那些使用这些工具进行实验的团队与关注法规变化并保护你的专有洞察和数据的人保持联系。你不想因使用开放访问的GenAI工具而意外公开某些内容。
Matt Banholzer：这是企业领导者可以增加很多价值的领域。作为资源配置者或决策者，你可以说：“如果我们要使用GenAI，它不会仅仅是IT部门的五个人，而是包括一些销售和P&L成员在内的跨职能团队。”你还可以整合控制功能和反馈循环。通常，领导者会说：“让五个感兴趣的人进行实验，因为我对此不太熟悉。”相反，你应该说：“我将领导前进，因为如果我做得对，我们可以获得五到十倍更高的成功几率。”
Sean Brown：您会如何建议公司投资专有数据以供GenAI模型使用?
Matt Banholzer：很少有公司在整个公司范围内应用GenAI，因为没有专有数据的GenAI并不能提供多少洞察力。同时，你也不想通过硬编码许多不同的数据集来过度设计第一个用例。通常，公司会选择一两个可能具有较低专有数据负载或可以依赖于一两个关联数据集的用例，然后从那里扩展。
Sean Brown：关于顶尖创新者快速学习的早先观点，从内部实验中学习还是从外部聘请已具备一些专长的人才更好呢?
Matt Banholzer：在研究推动高绩效创新团队的因素时，我们发现几个特征很重要。人们往往过度关注某些要素，如数据科学或开发技能，但柔性创新技能同样重要。这些包括拥有大胆的愿景和理解新产品或服务能够适应的位置，合作技能和能够在组织中调动资源的能力，持续学习的技能以及将概念性与分析性结合的能力。你可能确实需要将人带入组织，但要以一种补充那些技能类别的方式。这也不仅仅是让你现有的团队做新事情，而是要考虑你团队所拥有的技能，并添加你缺少的技能的个人。
Laura LaBerge：在人才方面，大多数顶尖创新者的执行领导团队中拥有比其他组织更高比例的技术精通领导者。就敏捷性而言，最大的区别之一是能够在全组织范围内保持敏捷。顶尖创新者在这方面远远领先于其他人。想象一下一辆公交车：如果一个轮子以每小时200英里的速度行驶，而其他轮子以每小时20英里的速度行驶，你将无法快速到达任何地方。许多组织在特定领域投资技术或分析，因为组织无法利用这些洞察力，或者更糟的是，采取犹豫不决的行动，这仅仅向市场发出信号，然后被其他人抓住。不要在超出组织执行能力的业务领域内投入过多资金。你需要解锁关键瓶颈。
Sean Brown：领导者应如何构建这些能力，以便组织准备好更深入地探索GenAI?
Matt Banholzer：商业领导者应考虑如何灌输这些实践。你能在无人接触的互动中进行实验吗，同时注意建立保护措施?你能否让你的预算过程更加定期或采用分阶段资金方法而不是年度预算周期?在我们对数千家公司的研究中，最具创新性的组织对于他们想要从创新中获得什么有一个可量化的愿景。他们严格分配资源。这不是孤立完成的——这么多给并购，这么多给资本支出，这么多给研发——而是以一种整合和动态的方式，几乎像风险投资公司那样：你
获得一些资金来交付一组证明点，然后有效地帮你进入A系列。然后他们加速并降低风险。他们在学习中无所畏惧，确保高贵的失败得到庆祝。
Sean Brown：你会给想要快速了解GenAI的领导者什么建议?
Matt Banholzer：使用它。这是敏捷方法的核心。在麦肯锡，我们通过人们构建工具然后看到使用的洪流来加速采用。展示，而不是告诉，非常重要。
Laura LaBerge：作为商业领导者，你可以帮助确定你的业务中哪里的加速能带来最大的战略差距。GenAI能提供哪些类型的优势和答案会有所帮助?现在对GenAI有一种追逐新奇事物的现象，但这个工具并不适合每一种问题，所以帮助你的组织在部署时要经过深思熟虑。
企业网D1net(www.d1net.com)：
国内主流的to B IT门户，同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。同时运营19个IT行业公众号(微信搜索D1net即可关注)。
版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号