1、AI取代人類工作的時間被大幅提前了10年，在2030年至2060年間（中點為2045 年）50%的職業逐步被AI取代。

2、AI每年可為全球經濟帶來2.6萬億至4.4萬億美元的增長，生產力提高0.1%—0.6%，相當于每年貢獻一個英國的GDP。

3、全局上看AI對各行各業的發展有利，但是對個人不利，而高薪、高學歷的腦力勞動者受到的沖擊最大。

4、生成式AI帶來的價值增長，主要（約75%）集中在四個領域：客戶運營、營銷和銷售、軟件工程和研發，這也意味著四項業務受生成式AI影響最大。

5、生成式人AI及其他科技的發展或將使當前工作的60%到70%實現自動化。其中，銀行業、高科技行業和生命科學等行業所受的影響最大。

AI將為全球經濟

每年“貢獻一個英國的GDP”

研究主要包括兩個方面：1.60多個組織使用生成式AI后的經濟增長潛力2.全球約2100項工作活動的勞動生產力潛力。

我們的衡量標準包括：降低生成內容的成本，以及通過AI的運用大規模提高內容質量有帶來的收入。

比如，在營銷領域，一個使用案例是將生成式AI應用于生成個性化電子郵件等創意內容。

這一增量基本相當于英國一年的GDP（2021年為3.1萬億美元）。

我們估計非生成式AI的經濟價值將從11.0萬億美元增加至17.7萬億美元，增加15%到40%。（2017年時我們認為人工智能可以帶來9.5萬億美元到15.4萬億美元的經濟價值）

最大的“輸家”？

高薪、高學歷的知識工作者

前幾代的自動化技術主要是涉及數據收集與處理，因此對于知識工作者的影響較小，但生成式AI的出現，使得“知識工作者”的角色和任務與大語言模型（LLM）正好適配。

?

因為大語言模型從根本上是為了完成認知任務而設計的，因此我們對大語言模型在專業知識的應用能力較2017年增加34個百分點，而自動化管理和培養人才的潛力從2017年的16%上升到2023年的49%。

我們認為其中的一種解釋是生成式AI增加了技術自動化的潛力，而往往高教育水平的職業中對技術自動化的需求最多。

我們認為另一種解釋是，多年來學位證書被視為一種技能指標，而這將受到生成式AI的挑戰，未來將有更多人主張采取更基于技能的方法來推動勞動力發展，以創建更加公平、高效的勞動力培訓和匹配系統。生成式人工智能仍然可以被描述為對技能有偏好的技術變革，但對技能的需求更加細致。

對于低薪工作而言，人工成本低，并不能體現自動化的好處，此外從事勞動活動的低薪職業很難自動化，比如：采摘嬌嫩水果。

然而，由于生成式AI在技術自動化方面的進步，這些以前被認為相對不容易被自動化的工作將收到最大的影響。

AI顛覆各行各業

由于新技術提高了客戶滿意度，有助于決策制定并通過更好的監控減少欺詐，僅銀行一個行業就可以通過提高生產力額外產生2000至3400億美元的產出。這相當于營業利潤增長9%至15%。

在產品研發方面，AI可以將生產力提高10%至15%。以生命科學和化工為例，人工智能可以更快地產生潛在的分子，加速開發新藥物和新材料的過程，這可能會使制藥公司和醫療產品公司的利潤增加多達25%。

從對營銷生產力的影響來看，生成式AI可以提高營銷生產力經濟價值5%至15%。我們通過對AI在市場營銷中的潛在用途的分析發現，除了對生產力的直接影響外，還將產生連鎖反應，將銷售生產力提高3%到5%。

生成式AI融入到各類應用中可以提供更高質量的數據洞察力，為營銷活動帶來新的想法，更好地定位客戶群。營銷職能部門可以將資源轉移到為自有渠道制作更高質量的內容，可能會減少外包的支出。

從軟件工程來看，生成式AI約直接影響每年軟件工程支出的20%到45%。這一價值主要來自于減少某些工作的時間，如生成初始代碼、代碼修正和重構、根本原因分析和生成新的系統設計。一項研究發現，使用微軟GitHub Copilot的軟件開發人員完成任務的速度比不使用該工具的人快56%。

麥肯錫對軟件工程團隊進行的一項內部經驗性研究發現，那些經過培訓后使用AI的人生成和重構代碼所需的時間極速減少，而且工程師普遍認為工作體驗得到改善，稱其使工作更快樂、流程更方便和更容易獲得成就感。

從產品開發來看，我們認為生成式AI可以加速產品上市的時間，并從如下兩方面帶來生產力的提高和操作上的便利：包括優化產品設計和改善產品質量。

AI的革命將大幅提高生產力

2012年至2022年的全球經濟增長比之前的二十年要慢，我們認為一方面的因素是長期的結構性挑戰——包括出生率下降和人口老齡化。

在許多大國，勞動力人口數量已經逐年下滑，我們認為，AI可以重新規劃所需的勞動時間，促進生產力增長。