这标志着我们连续第五年在全球范围内研究人工智能在商业中的作用，我们在这段时间看到变化。
　　首先，人工智能的采用率增加了一倍多。2017年，20%的受访者表示在至少有一个业务领域，而今天，这个数字是50%，尽管它在2019年为58%。
　　同时，组织使用的平均AI功能数量，例如自然语言。生成和计算机视觉也翻了一番，从2018年的1.9增加到2022年的3.8。其中功能、机器人流程自动化和计算机视觉仍然是最常用的部署年，而自然语言文本理解已经从2018年的中间位置发展到前面。列表中仅次于计算机视觉。

研究报告全文：人工智能在2022-和的状态半十年牧师的观点2022年12月今年麦肯锡全球人工智能调查的结果显示人工智能的扩张自从我们五年前开始跟踪它以来技术的使用但有细微差别图片下面1自2017年以来采用率增加了一倍多尽管亲使用人工智能的组织比例在50到60之间稳定下来过去几年一组从人工智能中获得最高财务回报的公司继续领先于竞争对手结果显示这些领导者正在做大投资人工智能参与已知能够实现的日益先进的实践规模和更快的人工智能发展并在紧张中显示出更好的迹象人工智能人才市场在人才方面我们第一次密切关注人工智能招聘和提升技能数据显示人工智能在提高多样性方面有很大的空间团队与其他研究一致不同的团队与优秀团队相关的性能F我是的rs牧师的观点采用人工智能这标志着我们连续第五年在全球范围内研究人工智能在商业中的作用我们我mpact在这段时间看到变化和花首先人工智能的采用率增加了一倍多2017年20的受访者表示在至少有一个业务领域而今天这个数字是50尽管它在2019年为58同时组织使用的平均AI功能数量例如自然语言生成和计算机视觉也翻了一番从2018年的19增加到2022年的38其中1在调查中我们将人工智能定义为机器执行我们与人类思维相关的认知功能的能力例如自然语言理解和生成并使用认知功能例如物理机器人自主驾驶制造业工作22017年人工智能采用的定义是在组织业务的核心部分或大规模使用AI在2018年和2019年定义在业务流程或产品中嵌入至少一项人工智能功能在2020年2021年和2022年定义是组织已在至少一项功能中采用了AI22022年人工智能状况五年回顾功能机器人流程自动化和计算机视觉仍然是最常用的部署年而自然语言文本理解已经从2018年的中间位置发展到前面列表中仅次于计算机视觉回应显示越来越多的人工智能功能嵌入在组织在过去几年平均数量的人工智能功能比例的受访者表示他们的组织受访者组织嵌入采用了人工智能在至少一个函数在至少一个功能或业务单元505039475856313823201920182019202020212022201720182019202020212022表示给定AI功能嵌入到产品或业务流程中的受访者百分比至少一个功能或业务单元机器人过程自动化39计算机视觉34自然语言文本的理解33虚拟代理或会话接口33深度学习30知识图25推荐系统25数字的双胞胎24言论自然语言理解23物理机器人20强化学习20面部识别18自然语言生成18转移学习16生成对抗网络甘11变形金刚11调查中包含的功能数量随着时间的推移而增加从2018年的9个增加到2022年调查的15个仅向表示其组织在至少一项职能中采用人工智能的受访者提问2022年人工智能状况五年回顾3然而顶级用例保持相对稳定优化服务操作每个过去四年的榜首其次随着人工智能的采用率不断提高对人工智能的投资水平也在增加例如五年此前在使用AI的组织中40的受访者表示其数字化比例超过5预算流向了人工智能而现在超过一半的受访者报告了这种投资水平会63的受访者表示他们预计组织的投资将超过预期下一个三年最流行的AI用例涵盖一系列功能活动顶级用例用例的功能最常见的是采用人工智能的用例通过函数的受访者服务操作产品和或服务的发展市场营销和销售风险服务操作优化24创建新的基于ai的产品20客户服务分析19客户细分19新的基于ai改进的产品19获取客户和领导的一代17呼叫中心自动化16产品功能优化16风险建模和分析15预测服务和干预14在39个用例中问题只被问到那些表示他们的组织在至少一项职能中采用了人工智能的受访者如高龄服务客户关怀oce42022年的人工智能状况五年回顾最流行的AI用例涵盖一系列功能活动顶级用例用例的功能每个业务功能中最常用的AI用例的受访者服务操作产品和或服务的发展服务操作创建新的基于ai24优化产品20呼叫中心新的基于ai增强16自动化的产品19市场营销和销售供应链管理客户服务销售和需求1910分析预测物流网络客户细分919优化风险人力资源风险建模和优化的人才1510分析管理欺诈和债务优化劳动力115分析部署战略和企业娘娘腔的男人制造业资本配置7预见性维护13产量能源和或财政部管理411吞吐量的优化模拟如使用数字并购的支持411双胞胎3D建模仅向表示其组织在至少一项职能中采用人工智能的受访者提出了问题如高龄服务客户关怀oce第三公司从人工智能中看到价值的具体领域已经发生了变化2018年制造业和风险是两个功能其中最大比例的受访者表示看到了人工智能的价值用今天报告的最大收入影响是营销和销售产品和服务发展战略和企业融资受访者表示成本效益最高来自供应链管理中的人工智能人工智能实现的底线价值仍然强劲而且在很大程度上一致大约四分之一的受访者表示今年至少有5的组织2021年的息税前利润归因于人工智能与前两年的调查结果一致当时我们也跟踪这个指标最后有一件事一直令人担忧那就是风险缓解组织的水平参与以增强数字信任虽然人工智能的使用有所增加但报告从2019年我们首次开始捕获这些数据时到现在缓解了任何与AI相关的风险2022年人工智能状况五年回顾5与人工智能相关的成本降低最常在供应链中报告产品开发和营销方面的管理和收入增加和销售按功能划分2021年采用AI的成本降低和收入增加的受访者减少减少减少增加增加增加10101920106105服务操作452910610103757制造业42327310183361人力资源29253114133158市场营销和销售2821439204170风险43308510112748供应链管理52417414172859产品和或服务的发展30204613243370战略和企业娘娘腔的男人4331848164165平均在所有活动32236381936631问题只被问到那些说他们的组织在给定功能中采用了人工智能的受访者表示不变的受访者未显示成本增加不适用或不知道62022年人工智能状况五年回顾麦肯锡的评论崔马克伙伴麦肯锡全球研究院在过去的十年的一半在此期间我们一直在进行全球调查我们看到AI寒冬变成了AI春天然而经过一段时间的最初繁荣之后我们似乎已经达到了一个高原这是我们在早期观察到的其他技术的过程采用我们可能会看到现实在一些组织层面的组织中沉沦成功嵌入这项技术所需的变革在我们的工作中我们遇到了一些因为进入人工智能而气馁的公司认为这将是一个快速的练习而那些采取更长远眼光的人已经取得了稳定的进展通过将自己转变为学习型组织随着时间的推移建立自己的AI肌肉这些公司逐渐融入了更多的人工智能功能并越来越多地站起来得益于过去成功的经验教训应用程序逐渐更快更容易作为失败他们不仅投资更多而且投资更明智目标是创建一个名副其实的AI工厂使他们能够将更多的AI整合到更多的业务领域首先是相邻的其中一些现有功能可以重新利用然后完全进入新的在高层次上有一个新兴的剧本可以从人工智能中获得最大价值每年我们进行研究我们看到一群领导者从事有助于成功执行AI它以实际底线影响的形式在显着水平上得到回报我们每天在指导他人的人工智能之旅时也会看到它这不是一件容易的事但就像与以前的技术一样收益将归那些坚持到底的人服用时间视图取得了稳步进展把自己变成学习组织建设随着时间的推移他们的AI的肌肉2022年人工智能状况五年回顾7使用人工智能和可持续发展的努力调查发现表明许多组织在组织以更常见吗采用AI的人正在将AI功能集成到大中华区亚太区和发展中市场他们的可持续发展努力也在积极寻求而北美的受访者最不可能减少人工智能对环境的影响的方法报告他们使用展览来自以下组织的受访者采用人工智能43的人表示他们的组织当被问及可持续发展努力的类型时使用人工智能协助可持续发展工作40使用人工智能受访者最常提到计划美分说他们的组织正在努力减少改善对环境的影响例如Optimiza-他们的人工智能使用对环境的影响通过最小化提高能源效率或减少废物人工智能使用用于训练和运行AI模型的能量作为公司在改善组织的努力中最为不常见在AI上投入更多成熟度更高社会影响例如采购合乎道德的制造AI努力是其他人的14倍高绩效者是其他人的14倍产品尽管受访者为北方工作比其他人更有可能报告人工智能支持的持续美国组织更有可能比他们能力努力以及说他们的组织是同行报告使用致力于减少与人工智能相关的排放两种努力展览组织正在可持续发展环境中使用人工智能并正在努力减少使用人工智能的环境影响使用人工智能的组织在他们的可持续性组织采取措施减少二氧化碳eorts的受访者从他们的AI使用排放的受访者大中华61发展中市场53Asia-Pacic54Asia-Pacic47发展中市场44大中华46欧洲39欧洲36北美30北美31受访者组织使用AI的可持续性类型改善组织的环境影响例如62提高能源效率优化交通评估可持续性例如基准测试51改善组织的治理45例如法规遵循风险管理改善组织的社会34影响如采购伦理产品仅询问其组织在至少一项职能中采用人工智能的受访者对于位于大中华区的组织n102为亚洲-太平洋cn74对于发展中市场n118对于欧洲n260对于北美n190包括香港特别行政区和中国台湾地区的受访者包括印度拉丁美洲中东北非和撒哈拉以南非洲的受访者仅询问其组织在至少一项职能中采用人工智能的受访者他们表示他们的组织正在以下方面使用AI可持续性e运动n30282022年人工智能状况五年回顾介意g美联社AI领导人拉头在过去的五年里我们追踪了人工智能领域的领导者我们称他们为人工智能高绩效者以及检查了他们的不同做法我们看到更多迹象表明这些领导人正在扩大他们的竞争优势比我们发现其他人正在迎头赶上的证据要好首先我们没有看到领导小组规模的扩大在过去的三年里我们有将AI高绩效者定义为受访者认为最大的组织采用AI的底线影响即20或更多的息税前收益来自AI使用比例属于这一群体的受访者一直稳定在8左右研究结果表明这个群体正在取得卓越的成果主要是因为人工智能提高了收入收益因为他们更有可能报告称人工智能正在推动收入而不是降低成本尽管他们确实报告人工智能正在减少成本其次高绩效者比其他人更有可能遵循释放价值的核心实践例如将他们的AI战略与业务成果联系起来同样重要的是他们更频繁地参与在前沿实践中实现大规模人工智能开发和部署或者一些人称之为人工智能产业化例如领导者更有可能拥有模块化的数据架构足以快速适应新的AI应用程序它们还经常自动化大多数与数据相关的工作流程既可以提高AI开发效率又可以扩大应用数量他们可以通过提供更多高质量的数据来输入AI算法来开发和人工智能高绩效者与其他组织相比让非技术员工参与创建AI的可能性高16倍通过使用新兴的低代码或无代码程序的应用程序使公司能够加快速度创建人工智能应用程序在过去的一年里高绩效者的可能性甚至比其他组织遵循某些高级扩展实践例如使用标准化工具集创建生产就绪的数据管道并使用端到端平台进行与AI相关的数据科学他们内部开发的数据工程和应用程序开发高绩效者也可能在管理潜在的人工智能相关风险方面领先一步例如个人风险隐私公平和公平其他组织尚未解决虽然总的来说我们自那以后报告识别和缓解人工智能相关风险的组织几乎没有变化我们四年前开始询问他们来自人工智能高绩效的受访者更有可能比其他人报告他们从事已知有助于降低风险的做法这些包括确保人工智能和数据治理标准化流程和协议自动化流程例如作为数据质量控制以消除通过手动工作引入的错误并测试有效性建模并随着时间的推移监控它们是否存在潜在问题3所有关于人工智能相关优势和实践的问题都只被问到744名受访者他们表示他们的组织已经采用了人工智能在至少一个函数中n7442022年人工智能状况五年回顾9从人工智能中获得最高回报的组织更有可能效仿战略数据模型工具技术和人才最佳实践报告其组织参与每项实践的受访者比例的受访者策略数据模型工具和技术人才和工作方式所有其他受访者人工智能高表演者制定明确优先考虑AI计划的路线图与跨组织的业务价值制定与更广泛的AI战略保持一致企业战略和目标完全一致和承诺的高级管理层组织的人工智能策略有明显denedAI远景与战略吗任命了一位可靠的人工智能计划领导者他是授权与以下人员合作推动他们向前发展同行跨业务单位和功能系统跟踪一组全面的denedkpi测量增量的影响人工智能项目有一个清晰的框架AI治理呢涵盖模型开发过程的每个步骤020406080100策略数据模型工具和技术人才和工作方式所有其他受访者人工智能高表演者能够快速将数据集成到AI模型中在需要时如在近乎实时的集成结构化的内部数据例如一个数据湖包含跨业务部门的客户数据以便在人工智能项目集成外部数据例如开源购买使用人工智能计划整合非结构化内部数据例如文本调用中心在AI行动日志使用生成合成数据以训练AI模型是insu字母系数自然数据集模块化的足够的数据架构吗迅速适应新的AI用例的需求大多数数据相关过程自动化如数据标签数据质量控制具有可扩展的内部流程来标记AI训练数据此处显示的做法代表了AI高绩效者与其他受访者之间差异最大的实践并非所有做法都显示出来受访者表示2021年其组织的息税前利润中至少有20归因于他们对人工智能的使用102022年人工智能状况五年回顾从人工智能中获得最高回报的组织更有可能效仿战略数据模型工具技术和人才最佳实践报告其组织参与每项实践的受访者比例的受访者策略数据模型工具和技术人才和工作方式所有其他受访者人工智能高表演者开发人工智能模型能够提供准确的有用的结果利用少量的数据即小数据定期刷新基于明确设计的AI模型标准何时和为什么这样做内部开发了用于人工智能科学的数据数据工程应用程序开发使用标准化工具集创建生产就绪型数据管道开发模块化组件例如数据模型层数据管道以便它们可以在AI应用程序中重用刷新AI机器学习技术栈至少每年利用最新的技术的进步自动化AI模型开发的整个生命周期例如从数据摄取和质量控制到模型监测使用组织的高性能计算集群对于人工智能工作负载020406080100策略数据模型工具和技术人才和工作方式所有其他受访者人工智能高表演者把一个完整的生命周期开发方法部署的人工智能模型将AI技术集成到业务流程中例如日常运作员工工作ows数据科学和AI设计与开发团队构建和完善人工智能应用程序合作well-dened能力建设项目吗开发技术人员的人工智能技术培训非技术人员使用AI改进决策人工智能开发团队遵循标准协议如工具框架开发过程构建和交付AI工具020406080100此处显示的做法代表了AI高绩效者与其他受访者之间差异最大的实践并非所有做法都显示出来受访者表示2021年其组织的息税前利润中至少有20归因于他们对人工智能的使用2022年人工智能状况五年回顾11投资是另一个可能导致差距扩大的领域人工智能高绩效者是准备继续在人工智能工作上超过其他组织即使受访者在那些领先的组织与其他组织一样有可能说他们将在未来增加投资他们是现在的支出比其他人多这意味着他们将从一个更高百分比的基数增加收入人工智能高绩效企业的受访者表示其可能性几乎是同行的八倍组织将至少20的数字技术预算用于人工智能相关技术这些数字预算占其企业支出的比例要大得多人工智能的受访者高绩效者报告其组织的可能性是其他受访者的五倍以上将超过20的企业级收入用于数字技术最后所有这些都可能让人工智能高绩效者在吸引人工智能人才方面占得先机有适应症这些组织在招聘人工智能数据科学家和数据工程师等职位时遇到的困难较小来自非人工智能高绩效组织的受访者表示填补这些角色非常困难比人工智能高绩效的受访者更频繁底线高绩效企业已经为持续的人工智能成功更高的效率做好了准备在新的人工智能发展中以及由此对人才更具吸引力的环境好消息是领导者组之外的组织是有一个明确的成功最佳实践蓝图受访者在人工智能高的表演者是近的比同龄人说出他们的的可能性高八倍组织花费至少20的人工智能相关技术的数字技术预算122022年的人工智能状况五年回顾麦肯锡的评论布莱斯大厅副合伙人多年来我们的研究我们不断完善对特定领先公司表现良好的实践以及他们有能力捕获的能力来自人工智能的价值最近随着组织从试验人工智能以使其工业化其中包括机器学习操作MLOps资产化等实践或将代码等元素转换为可重用的资产可以是在不同的业务应用程序中一遍又一遍地应用但多年来我们也一直看到一套基本实践这些组织正在变得正确通过我们的工作我们学会了不要将这些描述为基本实践因为它们是最难实施的其中许多涉及公司成功采用人工智能需要具备的人员要素例如清楚地了解需要哪些特定的技术人才角色并成功整合人工智能融入业务流程和决策正如在许多情况下所证明的那样人工智能引擎和人在一起可以创造比单独创造更多的价值随着人工智能前沿的发展我们继续受到一些真正创新应用的启发人工智能例如使用人工智能来识别新药为人工智能创建超个性化的建议消费者并为数字孪生中的AI模拟提供支持以优化各种性能的设置作为个人AI功能例如自然语言处理和生成继续改进和民主化我们很高兴看到一波新的应用程序出现越来越多的企业从大规模人工智能获取价值2022年人工智能状况五年回顾13AIta借给ta莱斯新热门角色conti怒diversity困境我们第一次详细观察AI人才图片标志着AI的成熟表面最常见的是组织用于人才采购和提升技能的策略并揭示人工智能的多样性问题同时再次展示了多样性与成功之间的联系招聘是一个挑战但对于高绩效者来说则不然软件工程师成为调查回复显示组织雇用最多的人工智能角色通常在过去一年中比数据工程师和AI数据科学家更频繁这是另一个明显的迹象许多组织已经在很大程度上从试验人工智能转变为积极嵌入人工智能企业应用程序不幸的是技术人才短缺没有缓解的迹象有可能减缓这种转变一些公司大多数受访者表示在招聘每个与人工智能相关的角色时都存在困难回应表明组织最常招聘软件工程师数据工程师和AI数据科学家受访者组织在过去一年中雇用的人工智能相关角色的受访者软件工程师39数据工程师35人工智能数据科学家33机器学习工程师30数据架构师28人工智能产品所有者经理22设计专家22数据可视化专家21翻译8以上都不是141仅询问其组织在至少一项功能中采用AI的受访者对于AI高绩效的受访者n51对于所有其他受访者n413142022年人工智能状况五年回顾在过去的一年里大多数人说获得这种人才要么不容易要么比几年更难过去人工智能数据科学家仍然特别稀缺最大比例的受访者对数据进行评级科学家作为一个很难填补的角色在我们询问的角色中如前所述我们看到一些迹象表明人工智能高绩效者在招聘时比招聘要容易一些其他组织但他们仍然经常报告困难从调查结果是他们专注于招聘人工智能产业化和商业价值优化为例如他们在过去一年中雇用ML工程师的可能性是其两倍多-这个角色专注于优化数据科学家构建的ML模型以提高性能和可扩展性并实现自动化机器学习管道从数据引入到预测生成受访者高表演者说他们已经聘请了人工智能产品经理的可能性也几乎是其他人的两倍监督人工智能应用程序的开发和采用并且雇用的可能性是其三倍以上分析翻译确保AI应用程序提供业务价值的两个角色大多数受访者表示每个与人工智能相关的职位的招聘都很困难在过去的一年里随着时间的推移并没有变得更容易过去一年组织招聘人工智能相关角色的困境的受访者非常有些既不容易有些非常di崇拜di崇拜也不是di崇拜容易容易软件工程师204517131数据工程师20492061人工智能数据科学家3246961机器学习工程师28421891数据架构师25471851人工智能产品所有者经理20422751设计专家154424101数据可视化专家154621121翻译274314112过去3年组织招聘人工智能相关角色的技能变化的受访者多有些既不容易有些多更多的di崇拜更多的di崇拜也没有更多的di崇拜更容易更容易软件工程师183124107数据工程师223516153人工智能数据科学家222519183机器学习工程师202814223数据架构师213116146人工智能产品所有者经理162721163设计专家172820157数据可视化专家172522234翻译2234191151仅询问其组织在至少一项职能中采用人工智能的受访者数字总和不是100因为受访者表示不知道没有显示2022年人工智能状况五年回顾15人工智能高绩效者比其他人更有可能雇用人工智能数据过去一年的科学家机器学习工程师和翻译人员受访者组织在过去一年中雇用的人工智能相关角色的受访者42受访者在人工智能高的表演者软件工程师40所有其他受访者46数据工程师3760人工智能数据科学家31机器学习58工程师2733数据架构师31人工智能产品负责人40经理21设计专家如用户29接口体验设计2234数据可视化专家2225翻译87以上都不是161仅询问其组织在至少一项功能中采用AI的受访者对于AI高绩效的受访者n51对于所有其他受访者n413再培训和技能提升是招聘的常见替代方案在寻找人工智能人才时所有受访者中最受欢迎的策略是再培训现有员工近一半的人正在这样做从一流大学以及来自非顶级技术公司例如区域领导者也很常见策略但看看高绩效者的战略表明组织可能是最好的通过尽可能多地利用招聘渠道来提供服务这些公司所做的不仅仅是其他人则从各种来源招募与人工智能相关的人才研究结果表明虽然它们更多他们更有可能从顶级技术大学和科技公司招聘从其他大学培训学院和以多元化为重点的课程中寻找人才或专业组织162022年的人工智能状况五年回顾来自AI高绩效企业的受访者表示他们正在寻找与AI相关的人才比其他受访者更广泛的各种方式受访者组织用于人工智能相关人才的来源的受访者受访者在人工智能高的表演者所有其他受访者一流的技术58大学36内部即reskilling47员工47顶级全球技术46公司23其它科技公司如39中等企业初创企业3237其他大学20行业组织3429培训学校如编码29训练营16Diversity-focused程序或24专业协会1512其他1组织不积极2寻找人工智能人才101仅询问其组织在至少一个业务部门或职能中采用人工智能的受访者对于AI高绩效的受访者n51对于所有其他受访者n413回应表明人工智能高绩效者和其他组织都在提高技术和技能使用人工智能的非技术员工近一半的受访者同时关注人工智能高绩效员工和其他组织表示他们正在重新培训技能以获得更多人工智能人才然而高绩效者与其他组织相比正在采取更多的措施来培养员工的人工智能相关技能高绩效受访者表示其组织有能力建设计划来培养技术人员的人工智能技能最他们使用的常见方法是体验式学习自主在线课程和认证程序而其他组织最常依赖自主在线课程与其他组织相比高绩效者也更有可能超越提供访问权限到自主在线课程以提高非技术员工的人工智能技能受访者高2022年人工智能状况五年回顾17表演者报告提供点对点学习和认证的可能性几乎是其他人的两倍非技术人员的计划增加人工智能团队的多样性是一项正在进行的工作我们还探讨了组织以人工智能为重点的团队的多样性水平我们看到在大多数组织中有很大的改进空间员工在这些方面的平均份额受访者组织中认定为女性的团队仅占27当看看开发人工智能解决方案的少数种族或少数民族的平均比例只有25更重要的是29的受访者表示他们的组织没有少数族裔员工在工作他们的人工智能的解决方案员工的平均分享组织活动项目发展人工智能解决方案增加多样性的团队受访者组织开发人工智能的解决方案确定是女性2746确定为种族或少数民族2533一些公司正在努力提高其人工智能人才的多样性尽管还有更多这样做是为了改善性别多样性而不是种族多样性百分之四十六的受访者表示他们的组织有积极的计划以增加正在开发人工智能的团队中的性别多样性解决方案通过与注重多元化的专业协会合作招聘等措施候选人三分之一的人表示他们的组织有增加种族和民族多样性的计划我们还看到有女性或少数民族从事人工智能解决方案的组织通常有以下计划解决这些员工对这些员工的体验的地方与麦肯锡之前的研究一致该研究表明多样性与性能优异受访者表示至少25的人工智能开发的组织员工认为女性成为人工智能高绩效者的可能性是其他人的32倍那些在其中至少四分之一的人工智能开发人员是少数种族或少数民族可能是人工智能高的表演者的两倍182022年的人工智能状况五年回顾麦肯锡的评论海伦梅休合作伙伴我看这些结果人才我看到我们在人工智能方面走了多远以及有多少工作仍在一些地区大约五年前软件工程不会被归类为最高的优先考虑AI角色因为许多组织专注于简单地构建离散模型当他们试验这项技术时但随着商业价值变得清晰组织意识到需要将来自AI的见解传递到前端其中人们可以消费和应用它们以产生影响机器学习ML的招聘工程师同样展示了人工智能的成熟企业现在需要这个角色因为他们正在努力定期可靠地将ML嵌入到系统中另一方面尽管近十年来就知道对角色日益增长的需求像数据科学家和数据工程师一样我们仍然没有在供应方从新兵训练营招聘正在增加因为经验丰富的人才不是可用为这些新人才建立学习途径并不容易但组织别无选择技能再培训工作也是一项艰巨的任务但有必要填补差距为了满足需求我们实际上需要更多的组织再培训而不是什么我们看到在这些结果多样性数字令人失望但可悲的是不足为奇数据科学是一项团队运动不同的观点很重要已经一次又一次地表明偏见问题将当组织缺乏足够多样化的团队来提出问题时就会激增就像我们进行的其他研究表明多样性与强劲的表现相关除了做正确的事情如果不小心对于人工智能缺乏多样性会导致不信任最后重要的是要记住这些人工智能工作是其中的一些收入最高需求只会增加我们冒着破坏我们取得的进展的风险迄今为止就缩小妇女和少数民族的薪酬差距如果她们不平等而做出的代表在这个高需求的技能库中我们必须继续寻找获得更多的方法妇女和少数民族在其教育期间及以后从事STEM2022年的人工智能状况五年回顾19关于的研究在线调查2022年5月3日至5月27日和2022年8月15日至8月17日在现场并获得了回应来自1492名参与者代表各个地区行业公司规模职能专业和任期之这些受访者744人表示他们的组织至少在一项职能中采用了人工智能并被问及有关其问题组织的AI使用为了调整回复率的差异数据由每个受访者的贡献进行加权国家对全球GDP调查内容和分析由崔马克麦肯锡全球合伙人研究所和麦肯锡湾区办事处的合伙人布莱斯大厅在华盛顿伙伴直流办公室海伦梅休在悉尼办公室合伙人和亚历克斯Singla高级合作伙伴在芝加哥办公室亚历克斯Sukharevsky伦敦办公室高级合伙人昆腾黑人工智能全球领导者麦肯锡他们要感谢SanathAngalakudatiMedhaBankhwalDavidDeLalloHeatherHanselmanVishanPatel和WilburWang对这项工作的贡献202022年人工智能状况五年回顾