凯瑟琳·伍勒（Katharine Wooller） 是 Softcat plc 的金融服务首席策略师，这是一家在富时100指数（FTSE）上市的IT公司。
发现顶级金融科技新闻与活动！
订阅 FinTech Weekly 的通讯
由 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读
关于人工智能（AI），很少有话题像它这样引发两极分化；其结论从更积极的一端——人类进步的下一个前沿——到“寻找问题的技术解决方案”，甚至更糟糕的是，它可能带来人类灭绝的潜在威胁。
作为 Softcat 的首席策略师，我通过IT服务与基础设施支持2500家金融服务公司，因此我能够以第一线的视角密切观察整个金融服务与投资（FS&I）行业的创新如何展开。
首先走在最前面的是量化对冲基金，它们积极投入大量资金用于人工智能以提升回报；同时保险行业也从海量数据中获益——这两个领域都能轻松证明明确的用例具有良好的投资回报（ROI）。
在人工智能以当前形式被推向市场之前，金融服务公司几乎已有近十年的时间在进行数学建模和机器学习，但近期人工智能基础设施的卓越性能，推动了量化交易基金、保险公司和财富管理公司等的强劲采用，大家都希望从现有的大量数据中获益。
此外，许多被称为“人工智能”的技术，本质上只是自动化的下一代形式。
虽然我们在所有类型的金融服务公司中都看到对人工智能的巨大兴趣，且基于该技术的巨大潜力，但我们最终仍处于采用的“山脚阶段”。更重要的是，应用场景差异巨大——比如，一家一级银行部署人工智能的方式会与一个拥有十个分支的本地化合作社（building society）截然不同。
我经常看到同一组织内部存在不同的接受程度：董事会、更年轻、更具数字化素养的世代，以及运营和财务部门，通常比合规部门更愿意接受这个想法。提出的担忧常包括技术的“黑箱”性质、对人工智能伦理部署的担忧，以及缺乏明确的监管指引。
然而，关于哪些因素促使早期采用并带来高水平使用的规律正逐渐显现。成功的公司会制定明确的人工智能采用战略，建立卓越中心（centres of excellence），并确保从一开始数据处于适当状态；这些看似微小的投入，却是成功创新的基石。
我们常常看到的第一个应用场景是生产力工具，比如ChatGPT、Co-pilot或Claude，这些工具通常是许多同事接受“人工智能”理念的切入点，有时还被戏称为“门户药物”（gateway drug）！
从文化角度来看，采用人工智能可能会与现状（status quo）形成巨大偏离，而高效的领导团队会着眼于让组织具备面向未来的“抗风险能力”。前瞻性的人力资源战略至关重要：建设内部人工智能能力和专业知识，专注于可应用的技能和专长，并鼓励知识共享。对于那些因人工智能带来的效率提升而被取代岗位的员工，长远来看也需要进行再部署（redeploying）。
目前对人工智能的价值增益（AI value add）关注度很高；一些银行拥有数百个潜在用例，如何在这些用例中筛选出最具价值的进行概念验证（proof of concept），并更广泛地推广，具有一定挑战性。对于这样一项新兴技术，最佳实践（best practise）尚在逐步形成。首先，梳理大量潜在用例，优先考虑那些能带来最大价值的，可能令人应接不暇；随后可以基于影响力、成本、可行性以及与整体业务目标的一致性，进行“无情的分诊”（ruthless triage），以评估潜在的投资回报（ROI）。
还需要一个经过深思熟虑的衡量框架，用于评估人工智能项目，包括相关的关键绩效指标（KPIs）、健全的数据收集方法，以及明确的报告机制。一旦某个人工智能项目成为日常运营（BAU）的一部分，就需要持续进行迭代开发，以最大化回报并确保与战略优先事项保持一致——这也是高绩效团队的文化特征之一。
最近，我被邀请与监管机构讨论人工智能。在一次行业圆桌会议上，提出了一个既巧妙又令人困惑的问题：“人工智能能比其他任何技术更好地解决的唯一问题是什么？” 不出所料，每个组织给出的答案都截然不同，我预计各公司还会在未来多年持续思考这个问题。
那些不能在人工智能方面制定战略、并及时、恰当地部署的公司，将会处于明显的劣势。
7.82万 热度
4.04万 热度
282.83万 热度
41.7万 热度
10143.45万 热度
人工智能：皇帝的新装？在金融服务中的应用
凯瑟琳·伍勒（Katharine Wooller） 是 Softcat plc 的金融服务首席策略师，这是一家在富时100指数（FTSE）上市的IT公司。
发现顶级金融科技新闻与活动！
订阅 FinTech Weekly 的通讯
由 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读
关于人工智能（AI），很少有话题像它这样引发两极分化；其结论从更积极的一端——人类进步的下一个前沿——到“寻找问题的技术解决方案”，甚至更糟糕的是，它可能带来人类灭绝的潜在威胁。
作为 Softcat 的首席策略师，我通过IT服务与基础设施支持2500家金融服务公司，因此我能够以第一线的视角密切观察整个金融服务与投资（FS&I）行业的创新如何展开。
首先走在最前面的是量化对冲基金，它们积极投入大量资金用于人工智能以提升回报；同时保险行业也从海量数据中获益——这两个领域都能轻松证明明确的用例具有良好的投资回报（ROI）。
在人工智能以当前形式被推向市场之前，金融服务公司几乎已有近十年的时间在进行数学建模和机器学习，但近期人工智能基础设施的卓越性能，推动了量化交易基金、保险公司和财富管理公司等的强劲采用，大家都希望从现有的大量数据中获益。
此外，许多被称为“人工智能”的技术，本质上只是自动化的下一代形式。
虽然我们在所有类型的金融服务公司中都看到对人工智能的巨大兴趣，且基于该技术的巨大潜力，但我们最终仍处于采用的“山脚阶段”。更重要的是，应用场景差异巨大——比如，一家一级银行部署人工智能的方式会与一个拥有十个分支的本地化合作社（building society）截然不同。
我经常看到同一组织内部存在不同的接受程度：董事会、更年轻、更具数字化素养的世代，以及运营和财务部门，通常比合规部门更愿意接受这个想法。提出的担忧常包括技术的“黑箱”性质、对人工智能伦理部署的担忧，以及缺乏明确的监管指引。
然而，关于哪些因素促使早期采用并带来高水平使用的规律正逐渐显现。成功的公司会制定明确的人工智能采用战略，建立卓越中心（centres of excellence），并确保从一开始数据处于适当状态；这些看似微小的投入，却是成功创新的基石。
我们常常看到的第一个应用场景是生产力工具，比如ChatGPT、Co-pilot或Claude，这些工具通常是许多同事接受“人工智能”理念的切入点，有时还被戏称为“门户药物”（gateway drug）！
从文化角度来看，采用人工智能可能会与现状（status quo）形成巨大偏离，而高效的领导团队会着眼于让组织具备面向未来的“抗风险能力”。前瞻性的人力资源战略至关重要：建设内部人工智能能力和专业知识，专注于可应用的技能和专长，并鼓励知识共享。对于那些因人工智能带来的效率提升而被取代岗位的员工，长远来看也需要进行再部署（redeploying）。
目前对人工智能的价值增益（AI value add）关注度很高；一些银行拥有数百个潜在用例，如何在这些用例中筛选出最具价值的进行概念验证（proof of concept），并更广泛地推广，具有一定挑战性。对于这样一项新兴技术，最佳实践（best practise）尚在逐步形成。首先，梳理大量潜在用例，优先考虑那些能带来最大价值的，可能令人应接不暇；随后可以基于影响力、成本、可行性以及与整体业务目标的一致性，进行“无情的分诊”（ruthless triage），以评估潜在的投资回报（ROI）。
还需要一个经过深思熟虑的衡量框架，用于评估人工智能项目，包括相关的关键绩效指标（KPIs）、健全的数据收集方法，以及明确的报告机制。一旦某个人工智能项目成为日常运营（BAU）的一部分，就需要持续进行迭代开发，以最大化回报并确保与战略优先事项保持一致——这也是高绩效团队的文化特征之一。
最近，我被邀请与监管机构讨论人工智能。在一次行业圆桌会议上，提出了一个既巧妙又令人困惑的问题：“人工智能能比其他任何技术更好地解决的唯一问题是什么？” 不出所料，每个组织给出的答案都截然不同，我预计各公司还会在未来多年持续思考这个问题。
那些不能在人工智能方面制定战略、并及时、恰当地部署的公司，将会处于明显的劣势。