AI赋能内容供应链：打破瓶颈，实现投资回报新高度

IBM 商业价值研究院 | 研究洞察AI 赋能内容供应链打破瓶颈，实现投资回报新高度尽管业界对生成式 AI 充满期待，但其在内容供应链（CSC）中的落地速度未达预期。截至 2024 年底，仅 50% 的组织达成了 AI 采用目标，仍有较大差距。尽管挑战重重，组织对生成式 AI 的信心却持续攀升。相比去年，近三分之二（64%）的组织对生成式 AI 的影响力更有信心。84% 的组织仍坚信，生成式 AI 能够高效驱动个性化体验的规模化生产与交付。挑战无处不在，可能导致 AI 采用步履维艰。从成本压力到组织变革，从风险防控到内容信任，唯有解决这些挑战，组织才能充分释放 AI 在内容供应链中的全部潜力。深度布局方能收获卓越成效。采取全面战略、强化资金与人才支持，并积极推进变革管理的组织，其内容供应链投资回报率相比同行高出 22%，AI 集成投资回报率相比同行高出 30%。84% 的组织表示，生成式 AI 能够高效驱动个性化体验的规模化生产与交付。摘要生成式 AI：打造视觉共鸣，诠释内容精髓在本报告中，图像皆由 IBM 商业价值研究所的设计师，利用 Adobe Firefly 创作。正如报告所述，大型语言模型正向小型语言模型转型。设计师们同样化繁为简，仅以寥寥数张参考图像和精准提示，便明确输出并形成这组相关联的图像。在设计师们确定好最终的创作流程后，这些图像的生成仅用了几天时间，而传统的制作过程可能需要数周之久。1引言图 1内容供应链将人员、流程和技术整合在一起，以便行之有效地规划、创建、生产、发布、衡量和管理内容。去年，我们发布了《内容供应链变革：生成式 AI 如何增强创造力和生产力》（见图 1）。当时，生成式 AI 被视为内容领域的未来趋势，前景一片光明。组织终于迈入新时代，实现内容个性化的大规模应用，并借助即时数据洞察，精准制定渠道策略和投资方向。然而，今年的研究却揭示了一个耐人寻味的悖论：尽管生成式 AI 在内容供应链（CSC）中的热度空前高涨，实际进展也可圈可点，但其落地进程却未能如企业预期般迅速推进。一个例证：去年 74% 的高管表示，其组织将在 2024 年底前广泛应用生成式 AI，涵盖内容创作和自动化流程等多个 内容供应链用例。然而，截至目前，只有 50% 的组织成功实现这一目标。计划和激活创建和审批标记和存储执行和衡量内容供应链生成式 AI赋能信息来源：IBM 商业价值研究院3265%90%客户洞察媒体组合/预算规划渠道优化创意构思/概念设计2023 预期数据2023 预期数据2024 实际数据2024 实际数据2023 预期数据2023 预期数据2024 实际数据2024 实际数据41%83%58%83%60%82%图 2部分内容供应链领域的生成式 AI 采用情况未达预期这是为什么呢？这可谓是一场“实践的考验”：早期实验与试点项目暴露出诸多复杂问题，组织必须攻克这些难关，方能充分释放高效内容供应链的全部潜力。在争夺竞争优势、满足消费者个性化体验需求的持续压力下，各组织正争相加快学习步伐，竭力掌握应对之道。为精准洞察组织面临的核心痛点及其战略调整方向，IBM 商业价值研究院（IBM IBV）联合 Adobe 和亚马逊云服务（AWS），针对组织内容供应链转型现状开展了一项深度调研。IBM 与牛津经济研究院携手合作，对 1,100 位全球大型企业高管进行了问卷调查，其企业年均营收达 220 亿美元。调研样本涵盖 15 个国家、12 大行业，深入探讨了大型组织如何运用生成式 AI 赋能内容管理。问：贵组织目前在哪些研究与分析任务中已应用生成式 AI ？若尚未应用，预计何时部署？（调研范围涵盖：客户洞察、创意构思 / 概念设计、媒体组合 / 预算规划及渠道优化等领域）生成式 AI 两年前横空出世，市场对其快速普及的过高期待实属必然。然图 2 所示，现实终究未能追上理想的脚步。那些备受瞩目的内容供应链用例，其落地进程远比预期更为迟缓。54 生产效率优化取得显著成效推动创意突破，增强创新决策信心优化资产管理，提高灵活性和适应性74%68%49%调研结果表明，内容供应链发展并非仅受单一挑战阻碍，而是受到多重因素影响，部分阻碍过去被忽视。这些挑战阻碍了生成式 AI 在内容供应链中的落地与推广，主要涉及高成本、组织变革影响、风险管控需求，以及对 AI 生成内容的信任危机。值得庆幸的是，尽管存在诸多挑战，组织仍然能够从 AI 赋能的内容供应链中获益，如缩短生产时间、提升内容创意性和灵活性，并能有效缓解 AI 采用过程中的主要顾虑（见图 3）。 组织对 AI 赋能内容供应链的热情不减。尽管面临挑战，相比去年，近三分之二（64%）的组织对生成式 AI 的影响力更有信心。84% 的组织仍坚信，生成式 AI 能够高效驱动个性化体验的规模化生产与交付。市场热情已然高涨，关键在于如何找到合适的发展路径。图 3众多领先组织表示，生成式 AI 投资已为内容供应链带来显著正向影响。尽管面临挑战，相比去年，近三分之二（64%）的组织对生成式 AI 的影响力更有信心。问：在过去一年中，贵组织如何利用生成式 AI 优化内容供应链迭代流程？过去两年，贵组织的内容供应链投资对创意发展有哪些影响？6789内容消费增长迅猛1，组织在内容制作与投放上的投资比例持续上升。第一部分破浪前行生成式 AI 在内容供应链中的实践探索过去一年，组织内容领域的平均支出高达 1.677 亿美元。到 2026 年，这一投资额预计将增长 9.7%，突破 1.84 亿美元。生成式 AI 赋能的内容供应链是应对内容需求激增的关键，否则组织难以高效满足市场需求。这正是 AI 解决方案深受内容团队青睐的原因。AI 在内容供应链领域的应用已逐步展开，然而其落地速度比预期慢 32%，涉及 30 个不同的内容供应链用例。2 当被问及影响其进展的因素时，高管普遍提到了多个关键挑战（见图 4）。10111. 成本2023 年内容供应链调研显示，近三分之二的组织认为当前的内容供应链预算能够满足需求。3 一年前，相较于其他内容供应链挑战，“融资与预算审批困难”并未成为组织的关注焦点。短短一年后，成本问题跃升为组织在内容供应链部署生成式 AI 的最大阻碍，61% 的高管对此表示担忧。这种情况是由于组织在生成式 AI 试验初期急于推进，过度依赖公共 AI 平台所致。但事实证明，这些 AI 模型仍需优化，并且需要专有数据支持，才能真正契合业务需求。试点阶段暴露出数据和基础架构的隐患，组织需要升级软硬件、获取额外授权、招聘与培训新人才，这些因素都进一步推高了成本。2023 年，近 50% 的组织在未设立完善监管体系的情况下，于部分业务领域独立展开了 AI 试验。4 由于缺乏统一的战略指导，许多早期试点未能成功落地，组织资金受限，难以构建具有说服力的商业案例。Legal & General（英国）市场技术总监 James O’Keefe 表示：“早期实验促使我们深思，如何确保数据的数量合理、质量可靠、使用时机适当，并具备可审计性。”他进一步指出，精准选择数据可有效控制成本。“关键是如何找到既能创造价值，又能获得预算支持的 AI 用例。”图 4采用生成式 AI 优化内