關於生成式AI的5個誤區，你踩中幾個？

有效使用生成式AI可以將營銷效率提升高達15%，銷售效率提升高達20%。但現在生成式AI的潛力並沒有被充分利用，這是一個不容忽視的問題。很大程度上是被五個長期存在的誤區所阻礙，這些誤區限制了營銷和銷售領導者。所以要讓生成式AI持續創造價值，最關鍵的一步是果斷而謹慎地邁出第一步。

新興的顛覆性技術往往會同時引發興奮和焦慮，生成式AI也不例外。在營銷和銷售領域，圍繞生成式AI的討論尤其熱烈。根據麥肯錫對近4000名商業領袖的最新調查，已有五分之一的銷售團隊成功落地了至少一個生成式AI的應用場景，同時還有不少團隊正在積極開展相關實驗。初步結果令人振奮：約三分之二的受訪者表示，生成式AI對他們的業務“非常”或“極其”有益。

即便如此，其進展速度本可以更快，這是一個不容忽視的問題，因為有效使用生成式AI可以將營銷效率提升高達15%，銷售效率提升高達20%。我們認為，這種未被充分利用的潛力，很大程度上是被五個長期存在的誤區所阻礙，這些誤區限制了營銷和銷售領導者。

誤區1：

生成式AI僅在識別客戶的初期階段有用

生成式AI已在銷售漏斗的前端展現出巨大價值，尤其是線上索生成以及客戶資訊的收集和分析方面。然而，它的潛力遠不止於此，而是貫穿整個銷售流程，能夠為定製化內容創作、研究支援、競爭分析、自動起草提案以及績效評估等環節提供有力支援。

在這些情況下，人類的判斷力和創造力仍將至關重要，但生成式AI可以承擔大部分繁瑣的工作。例如，一家企業解決方案公司利用生成式AI為銷售人員在會議前提供簡報，包括賬戶詳情、過往互動總結以及對價值主張的洞察。結果是，該細分市場的銷售效率提高了10%。同樣，一家管理式醫療組織部署了一個生成式AI模型來起草對提案請求的回覆。該模型透過整合內部資源和公共資料庫來確定主題，將回復時間縮短了一半以上，僅需一兩天。

誤區2：

生成式AI需要大量的客戶或交易才能發揮作用

儘管生成式AI在為大規模客戶群體自動化互動和交易方面表現出色，例如在銀行和零售行業，但它在企業對企業（B2B）領域同樣具有巨大價值，無論是在大型交易還是企業級業務中。

首先，生成式AI增強了知識管理和大規模資料處理能力。銷售人員可以節省大量時間用於產品研究和起草電子郵件回覆。

其次，它可以透過從非結構化資料中提取洞察，並透過自動收集公告、新聞和內部會議記錄等公開資訊，為銷售人員和關鍵客戶經理提供及時的賬戶計劃和情報。

最後，對於有大型交易且銷售週期較長的公司來說，生成式AI在行政任務、研究、會議支援和知識管理方面特別有幫助。例如，一家電信公司利用生成式AI收集情報，最佳化其價值主張，併為中大型企業建立賬戶計劃，減少了90%的手動工作量，使銷售團隊能夠更有效地識別高潛力機會。

誤區3：

生成式AI還不足以解決複雜的客戶問題

一些營銷和銷售專業人士仍將生成式AI視為一個簡單的聊天介面，僅用於回答問題。然而，領先的公司已經突破了這種侷限認知，開始訓練“代理式AI”在內部流程和麵向客戶的任務中跨渠道高效運作。

例如，一家大型裝置製造商藉助生成式AI驅動的銷售代理，實現了零部件更換的電子郵件互動自動化。這些代理在第一個月就與近5萬名客戶互動，並生成了超過100萬份報價。生成式AI代理的能力不斷擴充套件，使它們越來越容易被部署在銷售和客戶互動平臺上。

誤區4：

我們的客戶和產品資料太混亂，生成式AI無法有效工作

這種擔憂很常見，但往往被誇大了。生成式AI可以加速資料處理，並解決許多常見的資料挑戰，幫助組織整理和維護資料。例如，生成式AI可以改進零部件分類以最佳化定價，或者根據之前的客戶諮詢將網站內容翻譯成個性化的“產品速查表”。

此外，許多有價值的應用案例並不需要大量的結構化資料。透過結合公開可用的大型語言模型（LLM）和基本的內部資料（如產品手冊和故障排除問答檔案），可以實現有效的知識檢索。

例如，一家全球機械分銷商利用可獲取的資源，迅速開發了一個生成式AI驅動的知識管理解決方案。該解決方案使客戶服務代理能夠將診斷和解決問題的速度提高10倍，顯著減少了客戶的非計劃停機時間。

誤區5：

生成式AI的實施耗時過長

恰恰相反，將生成式AI應用於營銷和銷售通常在幾個月內就能實現，對於一些有限的應用場景甚至更快。例如，上述機械分銷商僅用一個月就開發出了其解決方案。同樣，前面提到的電信運營商在六週內就構建了由生成式AI驅動的賬戶計劃生成工具。

企業在落地生成式AI時無需從零起步。市場上已有的成熟解決方案可供選擇，同時外部專家也能助力企業打造推動競爭優勢的差異化能力。生成式AI實施的複雜性和耗時主要集中在大型語言模型（LLM）的構建上，但如今這些模型已作為服務廣泛可用。許多企業軟體供應商也已將生成式AI嵌入其工具中，企業無需過多投入即可直接使用其功能。即便需要定製化，大多也只是將AI功能與特定業務流程對接，通常幾周內就能完成。

延誤的一個常見原因是過度追求完美。雖然風險需要被妥善解決，但並非所有細節都必須在部署前做到盡善盡美。關鍵在於先推出最小可行產品（MVP），而不是執著於打造最完美的產品。

要讓生成式AI持續創造價值，領導者應該專注於推動盈利增長的因素，然後解決實現這一目標所需的技術和資料問題。然而，最關鍵的一步是果斷而謹慎地邁出第一步。

瞭解生成式AI才能欣賞它的價值。在麥肯錫調查的B2B領導者中，那些已經在使用生成式AI的人對其潛力表現出明顯更高的熱情，94%的人表示“非常興奮”，而尚未開始使用的人中只有52%。簡而言之，熟悉會帶來信心。不要讓這些誤區削弱你的信心。

關鍵詞：生成式AI

道格·J·鍾（Doug J. Chung）、坎迪斯·倫·普洛特金（Candace Lun Plotkin）、西亞馬克·薩瓦里（Siamak Sarvari）、珍妮弗·斯坦利（Jennifer Stanley）、瑪麗亞·巴爾迪維耶索（Maria Valdivieso）|文

道格·J·鍾是德克薩斯大學奧斯汀分校麥庫姆斯商學院的營銷學副教授以。坎迪斯·倫·普洛特金是麥肯錫波士頓辦公室的合夥人。西亞馬克·薩瓦里是麥肯錫新澤西辦公室的副合夥人。珍妮弗·斯坦利是麥肯錫倫敦辦公室的合夥人。瑪麗亞·巴爾迪維耶索是麥肯錫邁阿密辦公室的合夥人。

Kimi、豆包 | 譯周強 | 編校