当前位置: 首页 > news >正文

麦肯锡如何围绕AI有效地重塑业务

本文通过介绍麦肯锡的生成式AI平台--Lilli,概述了麦肯锡如何围绕AI有效地重塑其业务。

在人们还在考虑如何将人工智能(AI)用作一种提高效率的新工具,发挥其潜在的能力与适用场景时,麦肯锡已经开始采取不同的方法,围绕着AI重建其整体商业模式了。麦肯锡正在使用人工智能来全面重塑他们的运营,并建立了一个能提供对现实世界可衡量结果的系统。

这一业务重塑与转型的核心是麦肯锡的生成式AI平台--Lilli。它如今已是45,000名专业人士开展合作、获取知识、并且为客户创造价值的主要驱动力。对于想知道人工智能如何从人皆可谈的流行语变成商业成功的关键因素的高管们而言,Lilli提供了一整套富有价值的案例研究。

AI作为核心基础设施,而非补充

麦肯锡的人工智能方法既不是对技术的浅尝辄止,也不是仅仅将其用于孤立的任务。相反,他们专注于如何将人工智能构建到自己的核心运营业务中。

早在2023年7月,麦肯锡就在全公司推出了Lilli。现如今,已有72%的员工在工作中经常使用它。凭借着每月产生超过50万条提示词,Lilli已经成为了麦肯锡日常工作与运营的基础设施。

同时,借助Lilli,麦肯锡每月节省了超过50,000个顾问小时。他们过去用于搜索文档的时间,现在已被节省并专门用于战略开发和客户互动等高价值的任务。这在某种程度上证明了,人工智能已不再是“召之即来,挥之即去”的一次性工具。如果你想看到其真正的商业价值,则需要将人工智能深度整合到自己的业务运营之中。

Lilli如何改变麦肯锡的知识运营

Lilli是一个能为麦肯锡的知识引擎提供源动力的完全集成平台。通过自动化日常任务,它实现了从完善战略到更快交付,进而回归为客户工作。由于该平台已被集成到了日常工作流中,因此有超过70%的顾问会使用它来挖掘麦肯锡的专有知识库。该知识库中包含有10万多份文档和框架。其每一次回复都是基于公司的自有数据,而不是来自公共互联网的“填充物”。

当然,从第一天起,安全就是Lilli构建的一部分。由于运行在零信任的架构上,因此Lilli具有基于角色的访问权限控制、以及完整的审计跟踪。这保证了团队在快速工作的同时,又保持了合规性。

凭借着自动化AI能力,过去需要几天的时间才能交付的成果,现在仅需数小时。当然,速度并非唯一被提升的方面,其AI生成的提案胜率也正在大幅上升。这让那些初级顾问得以从背景研究转向案子的叙事和洞察,同时又让高级领导专注于规划和指导。

此外,Lilli还改善了知识共享。它帮助麦肯锡团队找到合适的背景材料,并将他们与合适的内部专家对接起来,从而减少了无效的反复讨论,并能够支持更快的业务决策。

鉴于在生命科学和物流等领域的客户正在部署他们自己的定制化AI系统,麦肯锡有意将足够灵活的Lilli基础架构开放给他们。同时,为了支持规模化应用,麦肯锡也创建了一个内部人工智能的使用手册,涵盖了部署模式、治理和采用等实践,从而使之成为一个可复用的系统,而不仅仅是一个单次成功的工具。

AI并非快速“特效药”

许多公司将人工智能视为现有模式的附加解决方案,希望它能够快速解决某个具体问题,而不愿将其融入更广泛的运营需求中。然而,企业若想充分受益于人工智能,就必须将其融入自己的核心业务。而这往往需要企业付出大量的研发努力、前期投资、甚至彻底改变组织的运作方式。

虽然麦肯锡在Lilli上的成功令人印象深刻,但是这也片面体现了AI并非快速“特效药”的现实。其实,麦肯锡不只是将人工智能作为一种工具。他们实际上彻底重建了整个知识域的工作方法。而这种程度的转变显然是需要时间的,当然最终的结果也是显而易见的。因此,企业应当将人工智能视为连接与打通当前业务各个环节的关键性投资,值得努力去认真打磨,以获取持续的成功。

如何将人工智能作为业务核心

企业高管们经常会问到,麦肯锡是如何将人工智能计划转化为可衡量的业务成果。其中的关键就在于他们已将人工智能视为深度融入日常运营的基础设施。也就是说,当人工智能成为日常工作流程的关键要素时,企业在此基础上创造与取得的成果,就能够真正被量化。AI也就不被视为可选或孤立的功能存在了。

为此,企业需要优先考虑组织内部的专有数据,充分利用好这些内部数据集,特别是客户洞见或运营指标等敏感信息,去赋能AI应用,以创造切实的业务价值。作为对比,那些容易获得与使用的公共数据,虽然很少能够提供根植于本企业业务环境的见解,但是对于让AI应用了解全行业领域的竞争格局与趋势,也能起到一定的支撑与辅助作用。可见,人工智能的采用是一个持续迭代的过程。企业需要设计出自己的AI系统,以保持灵活性和可扩展性。

另一方面,人工智能也可以被视为增强团队现有能力的一种方式。毕竟,自动化重复性的任务完全可以交给AI,让初级员工更能有效地从上手、到成长、再到创新,进而也赋能高级员工专注于战略决策。

小结

麦肯锡在Lilli上的成功证明了人工智能在改变业务运营方面的潜力。随着人工智能被更多地嵌入日常运营中,它将不再是企业的选配工具,而一种推动业务成果转化的支柱和能够产生真正影响的核心驱动力。

麦肯锡将人工智能完全集成的经验告诉我们,AI不但可以提供巨大的业务价值,而且能够通过围绕人工智能重建基础设施,以驱动企业的未来成功。因此,不必再等待人工智能变得如何完美了,是时候建设企业级AI应用,让它成为你业务的核心部分。

http://www.dtcms.com/a/320844.html

相关文章:

  • 2025产品经理接单经验分享与平台汇总
  • 腾讯云 CodeBuddy IDE:可以使用gpt5的ide
  • 如何将视频转为GIF格式,3大视频转为GIF工具
  • RAG上下文工程与提示词优化
  • 全栈:Tomcat 安装教程
  • Servlet技术详解(含Tomcat)未完
  • 论文阅读:User Behavior Simulation with Large Language Model-based Agents
  • 如何实现在多跳UDP传输场景,保证单文件和多文件完整传输的成功率?
  • 人工智能之数学基础:事件独立性
  • mysql/doris如何高效删除历史数据
  • SimpleMindMap:一个强大的Web思维导图
  • 【性能测试】-2- JMeter工具的使用
  • 文件结构树的├、└、─ 符号
  • 数据仓库知识
  • apache cgi测试
  • 【FastExcel】解决ReadSheet在Map中获取对象不准确问题(已提交PR并合并到开源社区)
  • SARSA算法详解:从实践到理论的全面解析
  • 软件包管理、缓存、自定义 YUM 源
  • selenium SessionNotCreatedException问题解决办法
  • 讲一讲@ImportResource
  • NFS/SMB 共享目录
  • HTML应用指南:利用GET请求获取全国Apple Store 零售店位置信息
  • Dify + Ragflow的部署与服务体系
  • 【数据结构】哈希扩展学习
  • Zoho CRM API 配置和使用
  • Pytest项目_day10(接口的参数传递)
  • 创始人 IP 打造的 “内容 + 商业” 双体系
  • Redis数据组织方式
  • 20250808:EasyGBS 对接大华 ICC 平台问题处理
  • 使用Prometheus + Grafana + node_exporter实现Linux服务器性能监控