AI Agent
数字劳动力在各行业的应用
面向未来的巨大价值潜力，数字化劳动力在人工智能和人机交互技术的支持下，也迎来广阔的应用场景
数字劳动力的典型用工场景
面向未来的巨大价值潜力，数字化劳动力在人工智能和人机交互技术的支持下，也将迎来广阔的应用场景。且数据表明，用户体验优化将随应用场景的不断拓展而迎来爆发式增长，渐趋成熟的人机协作也将推动各行业加快发展。
纵观多行业的数字化劳动力应用实例，“麦肯锡分析”基于识别到的问题和新挑战，总结出以下三大典型用工场景：
“不想干”：重复度高且增长空间有限的工作。如企业后台的文档处理岗位，因工作量大导致工时长且准确率低，容易削弱员工士气，导致人员流失。
“不好干”：交互性强、直接影响员工体验的工作。以服务行业为例，大多数一线及运营岗位往往要求员工长期保持情绪稳定、长时间候命，并掌握大量客服咨询话术，对服务质量的要求极高。
“干不好”：对准确性要求极高、且具高危性的工作。员工往往受生理机能所限，无法在执行精密度要求极高的工作时，长期保证高度精神专注；部分特殊工作环境凶险，存在危害人员生命之虞，此类工种人手短缺，导致成本高企。
作为传统用工模式的补充，数字化劳动力结合新型技术，可解决三大典型用工场景的核心问题。
数字劳动力在各行各业的应用
生成式人工智能已渗透到多个场景，如文本、代码、图像、音视频等领域，涵盖农业、能源、化工、制造等多个行业。
行业应用案例——制造行业
核心价值包括提升工程仿真精度、强化工业机器人能力、提升经营管理效率等，应用场景涉及产品设计、生产制造、运营管理等环节，面临模型应用可靠性、应用成本、行业Knowhow与数据资源等挑战，同时呈现工业级场景需求升级带动关键技术发展、大模型为工业智能注入认知理解能力、AI与工业大数据双向驱动释放价值、生成式AI支持工业知识沉淀和传承等趋势。
行业应用案例——零售行业
核心价值有激发创造力、智能供应链管理、提升用户体验等，主要环节包括产品设计、生产制造、供应链管理、市场营销、用户运营等，关键挑战是数据连接和数字化基础能力，趋势包括AI应用由点及面铺开、线上线下界限消弭、大型零售企业成为产业生态核心等。
行业应用案例——金融行业
价值体现为降本增效、激活数据要素、赋能场景创新等，涵盖产品研发、运营与资产管理、合规风控等内部场景以及信贷审核、财富管理、市场营销、用户运营等外部场景，面临数据治理、成本投入、组织协调等挑战，趋势包括业务驱动金融大模型与AI底座结合、知识战略与数据战略并重升级基础能力、金融AI原生应用涌现等。
行业应用案例——泛互行业
主要提升内容产业工业化水平，释放内容生产者效能，应用价值包括提升内容生产效率、辅助创意、个性化内容生产等，涉及游戏、影视/动漫、音乐等领域，关键挑战有多模态技术有待突破、边缘侧硬件要求需升级、版权及规范化应用问题，趋势包括多模态技术突破加速应用落地、数智技术提升工业化水平、AIGC赋能精品内容形成IP全生态开发布局等。
除上述提到的行业，医疗保健业、电信业、物流业、政府机构、教育行业、文旅行业等都已纷纷布局，但仍有多数行业场景应用价值待挖掘。
本页内容参考资料（可点击链接阅读原文）：
https://www.analysys.cn/article/detail/20021226
https://www.mckinsey.com.cn/%e6%95%b0%e5%ad%97%e5%8c%96%e5%8a%b3%e5%8a%a8%e5%8a%9b%e7%99%bd%e7%9a%ae%e4%b9%a6%ef%bc%9a%e5%85%a8%e5%8a%9b%e6%bf%80%e6%b4%bb%e4%ba%ba%e6%95%88%e6%bd%9c%e8%83%bd%ef%bc%8c%e5%8a%a9%e5%8a%9b%e4%bc%81/
https://www.stdaily.com/index/kejixinwen/2021-12/10/content_1238087.shtml