行业洞察｜银行业规模化应用人工智能的路线图

关键技术基础

• 云计算：通过部署云计算，银行不仅能实现算力的灵活扩展，还能保障数据的稳定供应。既省去了维护旧有设备的麻烦，又减少了购置IT设备的花销。由于核心业务流程需要第三方基础设施支持，银行又可从中学会如何评估和管理相关风险。

• 自动化：建立治理和风险管理能力以监督自动化作业。

• 数据治理：早期来看，数据治理有助于合规，而后，通过在组织中明确责任划分，制定政策和治理提升办法以及掌握组织数据资产状况，可信数据集就能转化为有用洞察，支持人工智能用例。

• 数字银行：由于许多业务已无需银行员工就能办理，客户引导、贷款履行等牵涉多个部门的关键流程也得以简化，客户期望也随之改变，舒心体验、自助服务、迅速实时、洞察驱动都是关键。

一些银行不仅通过技术创新收获实效，更建立并完善了一套在组织中行之有效的交付方法。以下是一些考量因素：

• 治理健全：确保监督到位以充分评估和缓解各类风险，同时避免交付受阻；

• 宣导：明确相关益处有助于业务部门负责人积极采用新技术，从而提升流程绩效；

• 价值实现：为了将创新想法转化为实际价值的实现，应果断采取一系列有力措施。首要任务是对创新方案进行全面评估，细致考察其可行性与潜在的投资回报率。随后，锁定并实施“最佳方案”，将其高效转化为实际生产力。最终目标是推动优质方案的规模化应用，从而实现经济效益的最大化；

• 人才管理：通过招聘和学习/发展渠道充实组织人才技能和实力；

• 伙伴同行：为了促进更高效的交付，并拓展至更广阔的市场生态系统，与行业领先的技术及服务供应商构建稳固的战略合作关系。

生成式人工智能将持续发展，向以下三个方向不断迈进：

1. 通用智能：通过模仿人类思维，将有望达到以下水平：根据复杂输入进行推理，得出新的推论和预测，甚至开形成挑战人类思维的看法和观点。目前，生成式人工智能还仅限于模仿人类提炼、总结并生成内容。

2. 模态拓展：通过日渐丰富的输入/产出模态组合，生成更为精细复杂的专业内容，例如金融工程构建、系统架构设计、审计意见和风险控制评估。

3. 情感智能：赋予人工智能人性化特征，能够根据人的情绪变化改变语调并做出恰当回应。由此带来的影响尤为重大，将催生更多面向人的用例。

如先前章节中所述，我们认为，结合人力和人工智能优势形成新型能力，方可创造持续价值。因此，推动组织变革与实施人工智能技术同样重要，具体包括以下步骤：

• 思维转变：跳出无休止的概念验证循环，着力关键领域长期实施。

• 顶层驱动：为了加强推广力度和落实问责制度，需明确领导责任并设定人工智能的量化目标。

• 投资转变：将人工智能投资视为企业业务战略的核心驱动要素，而非试验性投资。

• 文化融合：应促使所有员工将人工智能（尤其是生成式人工智能）融入日常工作。

• 运营转型：放弃前后台分离的运营模式，采用二合一策略，让业务部门和IT部门设立共同目标。

我们认为以下是推动有效的人工智能变革议程的基础模块，涉及愿景、治理、人才、流程和技术等方面。

1. 战略定位：制定业务目标，明确短期和长期目标以及投资承诺。

2. 运营模式：运营模式构建应以有利于获取、管理和发展人工智能/生成式人工智能能力为导向，应有助于对相关能力进行优先排序。

3. 价值导向：建立价值追踪机制以衡量成果并优化投资。

4. 技术能力：创建技术和合作伙伴路线图，为实施人工智能/生成式人工智能创造条件。

5. 变革管理：培养员工人工智能素养，优化交付和使用模式，最大限度提高技术采用。

6. 合规管理：制定基本规则，促进人工智能使用规范化，确保负责任、守道德。

时间线

行动计划