人工智能：皇帝的新装？在金融服务中的应用

Katharine Wooller 是金融服务首席策略师——Softcat plc，一家在富时100指数上市的IT公司。

发现顶级金融科技新闻与活动！

订阅 FinTech Weekly 的通讯

被 JP Morgan、Coinbase、Blackrock、Klarna 等的高管阅读

关于 AI，没有什么议题像它一样引发两极分化；评判从更积极的一端——人类进步的下一前沿、一个寻找问题以解决的技术方案，甚至在更糟的情况下——可能走到终结人类的尽头。

作为 Softcat 的首席策略师，我通过 IT 服务和基础设施为 2,500 家金融服务企业提供支持，因此我能以特等视角近距离观察创新在 FS&I 全领域的展开。

首先冲在前面的是量化对冲基金，它们迅速采用 AI 以期获得更好的回报；同时还有保险行业，它受益于海量数据——这两类都能轻松证明明确的用例是合理的，并且具备强劲的投资回报率（ROI）。
 
在 AI 以当前这种面貌被推向市场之前，金融服务企业已经近十年在做数学建模和机器学习；但最近，AI 基础设施的惊人性能激发了量化交易基金以及保险和财富管理企业的强劲采用热潮——所有这些机构都希望从如今可获得的大量数据中获益。

此外，被称作 AI 的很多东西，其实只是下一代的自动化。

尽管我们看到了各类金融服务企业对 AI 的巨大兴趣，基于这项技术的巨大潜力，但我们最终仍处在采用的山脚地带。并且，用例差异也非常巨大——一流银行部署 AI 的方式会与所谓“十家分支的本地化互助建信社”截然不同。

我经常看到，同一组织内部存在不同的接受度：董事会、更加年轻且数字化更敏感的世代，以及运营/财务职能往往比（比如）合规同事更愿意接受这一想法。 提出的担忧常包括这项技术的“黑箱”特性，对 AI 的合伦理部署感到担忧，以及监管清晰度不足。

然而，关于什么能促成早期采用与高水平使用，正在逐渐浮现出清晰的模式。 成功的企业会制定完善的采用 AI 战略，建立卓越中心（centres of excellence），并确保从一开始数据就处于合适的状态；这些看起来只是小型投入，但它们正是成功创新的基石。

我们经常看到，最先部署的用例会在诸如 ChatGPT、Co-pilot 或 Claude 这样的生产力工具中出现；这些工具往往是许多同事接受 AI 想法的切入点，有时也被略带讽刺地称为“入门毒品”（gateway drug）！
 
在文化层面，采用 AI 可能会与现状形成巨大的脱节，而高度有效的领导团队会着眼于让组织具备面向未来的能力。 前瞻性的 HR 战略至关重要：建设内部 AI 能力与专业知识，聚焦可适用的技能、专业专长，并鼓励知识共享。 同时，需要从长期视角出发，对那些因 AI 驱动的效率提升而被替代的同事进行重新部署。

理所当然，人们非常关注 AI 的增值；确实存在一些银行拥有数百个潜在用例，在其中梳理哪些适合进入概念验证（proof of concept），并进一步更广泛地推广，这可能非常具有挑战性。对于这种新技术，最佳实践（best practise）才刚刚开始形成。首先，在大量潜在用例中筛选并确定哪些最能创造价值，可能会令人不知所措；而且可以基于影响力、成本、可行性以及与更广泛的业务目标的一致性进行毫不留情的优先级甄别，以评估潜在的投资回报率（ROI）。

需要有一个经过深思熟虑的衡量框架来评估 AI 项目，包括相关的关键绩效指标（KPIs）、健全的数据收集方法，以及清晰界定的报告机制。 一旦某个 AI 项目成为日常业务（BAU）的一部分，就需要在一段时间内坚持持续的迭代式开发政策，以最大化回报并确保与战略优先事项保持一致——同样，这往往也是高绩效团队的一种文化特征。

最近，我受邀与一位监管机构就 AI 进行交流。 在一次行业圆桌会议上，提出了一个绝妙而令人困惑的问题：“AI 最擅长解决的一个问题是什么？” 毫不意外，每个组织的答案都完全不同，我也预计各家企业还会在未来数年继续为这个问题而纠结。

那些无法对 AI 进行战略层面的规划、并以适当且及时的方式部署的人，将会处于显著的不利地位。