早期的企业服务市场以外包服务为主，诸如人力外包、市场调研、法律咨询、物流配送等等，此类服务大多以劳动力为载体，搭载知识、信息或土地等其他要素形成竞争力。进入数字化时代，以云计算、物联网、人工智能、大数据等为代表的新一代信息技术开始成为重要的生产要素。围绕数字化转型的关键词，租用型服务兴起，技术手段和数据要素的重要性不断提升。即使对于传统外包服务，内部管理的数字化升级同样至关重要。2023年以来，由OpenAI掀起的大模型浪潮席卷企业服务领域，各细分赛道的头部厂商纷纷以大模型为技术底座探索“AI+”。未来，企业服务将继续通过促进专业化、标准化，推动中国企业迈向现代化经营管理。

生成式AI重塑企业服务

生成式AI是一种基于已有数据生成新的数据实例的人工智能技术，得益于Transform架构大模型的自注意力机制和泛化能力，由大模型加持的生成式AI表现出智能水平的跃升。越来越多的企业希望能够在具体业务之中结合生成式AI，实现降本增效、产品改善、创新激励等一系列目标。

目前，生成式AI的主要能力方向集中在创意内容生成、信息查询提炼和自然语言交互三个领域，通过与营销获客、产品研发、服务运营、战略管理等各种不同的场景叠加可以发挥出不同的价值。这也意味着不论哪个细分赛道的企业服务厂商，都有机会把握生成式AI的机遇，实现服务边界的拓展与服务价值的提升。

注释：问题：您希望通过生成性人工智能努力实现哪些关键收益？（2023年10月/12月）；N= 2,835。

来源：德勤2024年一季度《企业生成式AI应用现状》，贝塔咨询研究院整理及绘制。

AI Agent的概念界定

AI Agent没有严格的技术定义，它通常结合了一系列的组件和能力来执行任务、做出决策、并与环境或用户进行交互，尤其在大模型成长稳定后，AI Agent通常会在大模型之上选择性叠加能力，具备自我学习、反思的独立思考能力和任务规划、工具调用等能力特征，从而输出更符合用户场景需求、更精准的答案，或者为用户完成流程性操作，为人类解决更广范围的问题。

人工智能与数据治理深度结合

人工智能的发展与数据治理相辅相成，为数据价值的彰显带来“质的提升”。一方面，随着数据量的增加，数据治理变得越来越复杂，而人工智能的应用能够自动化数据治理流程，提高数据治理的效率和准确性。同时，人工智能在数据分类、异常检测、模式识别等方面的能力，有助于加强数据质量管理和风险防控。

另一方面，人工智能的发展也取决于对大量数据的处理和分析，数据治理可以提升数据质量，增强数据合规性与安全性，从而为人工智能的应用提供结构化、高质量的数据基础，确保算法训练和模型决策的准确性和可靠性。两者结合，不仅提升了数据驱动决策的智能化水平，也为构建可信、可持续的智能系统奠定了基础。