2024 年重塑金融行业 ： 诞生式 AI 的吸引力与用白皮书

报告内 03 081217VC 和 PE 活动执行摘要在支付和 Fintech 中利用 GenAI 14Public Comparables 20在资产管理和资本市场中利用 GenAI 10生成 AI 的快速增长和影响 04利用 GenAI 在银行 06转型金融 ： GenAI 对行业的影响 05在保险中利用 GenAI在财富管理中利用 GenAI 执行摘要 资产管理与资本市场 GenAI的集成预计将通过提供个性化解决方案来促进新客户的获取，这些解决方案有助于企业扩大市场占有率。基于算法的资金正逐渐受到青睐，因为它们利用复杂的算法进行交易决策。 GenAI 将通过利用更先进和新的工具，在投资组合优化、提高运营效率和增强风险管理方面辅助alpha生成。 财富管理 GenAI通过使财务建议对更广泛的客户群体更加accessible和affordable来 democratize财富管理。它通过提供个性化和定制化的建议来增强客户互动。因此，预计在未来三年内，财富管理行业的公司 sẽ实现总计8.17亿美元的利润增长。 生成式人工智能（GenAI）是一种快速发展的技术，正在实质性地改变金融行业。它对金融服务行业的各个领域，包括银行、资产管理、资本市场、财富管理和保险等，产生了积极影响，具体如下： 支付和金融科技 金融机构的AI能力从2022年的30%增长到2023年的37%，预计这一增长势头将在2024年继续。借助生成式人工智能（GenAI），金融科技行业的市场规模预计将到2023年达到1.5万亿美元的收入。这一增长将推动金融科技和支付领域的交易安全性和欺诈检测系统的提升。 Banking GenAI 为收入的显著增加提供了机会，预计增幅在 2.8% 至 4.7% 之间，通过提高生产效率。它增强了消费者银行业务领域如入职和营销咨询等功能的运作。GenAI 预计将在定制解决方案、欺诈和可疑活动检测以及文档和报告等方面产生重大且即时的影响。 保险 生成人工智能（GenAI）在保险领域的应用已经涵盖了改进承保、预测风险评估以及加快理赔处理等方面，尽管该行业历来是AI技术采纳的慢车道。保险公司预计通过引入GenAI能够实现15-20%的收入增长和成本削减。 生成 AI 的快速增长和影响 GenAI 在金融及其他领域的用例 GenAI的应用将提升生产力并扩展人类知识。公司越来越多地部署GenAI工具，以自动化那些以前需要人力处理耗时且繁琐的任务，从而评估非结构化信息。以下是一些常见的应用领域： AI 辅助银行业务 通过增强搜索功能、个性化消息和互动来改善银行业务体验。 2网络安全 从金融到超越的 1.3 万亿美元潜力和现实世界应用 识别并防止网络安全威胁 3合规性和风险 “GenAI ” 市场正在迅速爆发 ， 彭博社预测到 2032 年将达到 1.3 万亿美元。GenAI 可能会增加 2.6 万亿美元至 4.4 万亿美元如果跨行业全面实施 ， 则跨越多个用例。 创建和标准化合同 ， 以帮助减少法律文档所需的时间和精力 4欺诈预防和风险管理 有助于将更广泛、更丰富的数据集纳入风险和欺诈检测。 了解 GenAI 信息分析与总结 生成人工智能（GenAI）是专注于创建新内容（包括文本、图像、音频或视频）的AI子领域，这些内容模仿人类生成的数据。其模型根据大型数据集中学到的模式和结构生成新的内容，利用机器学习（ML）。 创建业务对话摘要并生成有意义的见解 在2022年末，通用人工智能（GenAI）领域取得了显著突破，OpenAI发布的对话式人工智能模型ChatGPT迅速吸引了全球超过一亿活跃用户，仅在两个月内。至2023年3月，多个竞争对手相继推出了自己的版本，自此以后，GenAI经历了频繁的更新，并在金融等多个行业中得到了广泛采用。 金融转型 ： GenAI 对行业的影响 银行 ， 保险和资本市场将产生最大的影响 GenAI 有望彻底改变金融业 ， 使其更加高效 ， 创新和个性化 对每项任务所花费时间的分析，以及评估通用人工智能（GenAI）的自动化和增强潜力，表明金融领域——包括银行、保险和资本市场——可能会遭受最大的影响。其中，银行业位居榜首，几乎所有任务都高度适合自动化或增强。3 • 金融行业生成式人工智能（GenAI）市场的规模预计到2032年将超过94亿美元。许多金融机构发现其采用带来的诸多益处。 • 根据S&P Intelligence的报告，全球有五分之一的银行已经推出了或即将推出基于生成性人工智能（GenAI）技术的应用程序，应用案例包括培训呼叫中心代理以及检测欺诈等。 生成式AI在金融行业迅速 gaining 势头，相关技术的支出增速加快。展望未来，预计到2030年银行将在生成式AI上投资850亿美元。 利用 GenAI 商业银行 捕捉银行业的 GenAI 浪潮 • 生成式AI（GenAI）每年可为行业增加2000亿至3400亿美元的价值，或占总行业收入的2.8%至4.7%。这一增长主要将由生产效率提升驱动。 预计到 2028 年 ， 该行业的员工生产率将提高 30% ， 特别是在银行业。 • 这一主要原因在于，生成式人工智能（GenAI）不仅有可能影响销售、营销和客户互动等功能，还能够在风险管理和合规、技术、人力资源和法律等领域创造显著的价值。 捕捉银行业的 GenAI 浪潮 使银行非常适合集成 GenAI 应用程序的因素 ： • 正在进行的数字化和遗留 IT 系统:银行长期以来一直在技术方面进行投资 ， 导致大量的技术债务和复杂的孤立 IT 架构。 • 严格的监管环境 ：作为一个高度监管的行业 ， 银行业必须解决众多风险、合规性和法律要求。 • 白领劳动力 ：生成式人工智能（GenAI）有可能通过协助员工完成诸如撰写电子邮件和制作商业演示文稿等任务，为整个组织带来益处。 • 面向客户的大量员工:银行业依赖众多服务专业人员，包括财富管理领域的呼叫中心代理和财务顾问。 总体展望 •随着技术的发展 ， 员工将保持监督角色 ， 确保准确性、精确性和合规性。•约71%的商业客户认为关系经理是他们在选择银行和决定贷款产品时最具影响力的因素。•个性化服务的精细化将在培养与客户更深层次的关系中发挥重要作用。 •随着许多银行已经尝试并将生成式人工智能（GenAI）应用整合到其系统中，预计它们将在未来2至5年内继续投资并实验开发GenAI模型。 •在短期内，银行可能会集中精力进行渐进性的创新，实现轻微的效率提升和针对特定业务需求的改进。 在保险中利用 GenAI 捕捉保险中的 GenAI 浪潮 • 传统上被视为对新技术接受缓慢的保险公司，现正跨各个领域积极投资于生成式人工智能（GenAI）并组建专门团队。 • 保险行业近远期的生成式人工智能（GenAI）应用旨在提高承保、预测风险评估和个性化产品推荐。 • GenAI 在保险业的使用可以促进收入增加 1.1 万亿美元。4, 000 亿美元的收入可能来自在定价、承销和促销 ， 而可以产生 3000 亿美元从增强的客户服务和个性化产品。 捕捉银行业的 GenAI 浪潮 • Fraud Detection:AI算法可以训练以检测保险索赔中的欺诈模式，帮助公司在这些活动导致重大财务损失之前识别欺诈行为。 • 遗留系统解决方案 ：AI 可以从遗留系统中提取逻辑和数据 ， 同时使 API 能够提供给 AI 解决方案。 • 承销流程:生成式AI可以提升承保和分销过程。值得注意的是，69%的保险公司正专注于转型价值链的特定领域以实现快速收益。 • 客户个性化:通过利用客户数据，保险公司可以运用人工智能开发更加个性化的产品和服务，更好地满足individual客户的需求。 学习与发展(L & D) ：未来的人力发展（L&D）将在AI的辅助下，很可能涉及不断的职业技能再培训，从而使学习者更加灵活并能更好地应对行业和组织的变化。 • 更快的索赔处理 ：人工智能可以自动化处理常规客户咨询和索赔流程，使保险公司能够提供更加高效的服务，并实现全天候支持。 捕捉保险中的 GenAI 浪潮 保险公司正在寻求在所有保险产品中利用 GenAI ： 总体展望 • 收入增长 ：GenAI 有可能将保险业的收入增加 15 - 20 ％ ， 同时将成本降低 5 - 15 ％ 。 • Operational Efficiency:生成式人工智能（GenAI）将随着时间的推移显著提升后台支持和政策服务，积极影响运营成本和客户满意度。 • Profitability:战略性投资于生成式人工智能（GenAI）使保险公司能够发现新的增长机会、改进产品offerings 并扩大市场覆盖面，最终提升盈利能力。 • 客户体验:GenAI可以提供定制化的支持和解决方案，减少客户对保险产品的困惑，并简化购买决策过程。 在资本市场和资产管理中利用 GenAI GenAI 在行业中的早期采用者之一 • 资产管理行业已利用人工智能多年，主要目的是生成投资想法并优化资产配置。 • 技术长期以來都是资本市场活动的重要组成部分，人工智能/机器学习可以被视为量化金融等领域的一种扩展，而这些领域已经依赖于先进的统计分析。 • 最近的发展包括使用深度学习模型以改进决策并优化投资组合。生成式人工智能（GenAI）可以进一步增强交易操作，使团队能够开展复杂的研究活动，并获得关键风险指标（KRIs）的重要见解。 跨投资管理和执行的关键应用 •生成式AI被认可为一种强大的工具，能够显著增强投资决策过程，通过分析大量数据、识别模式并自动化常规任务。这使专业人士能够更多地专注于战略活动，如alpha生成。 GenAI 模型来测试这个想法在过去是否会成功。 •随着SEC将标准结算周期从“T+2”缩短至“T+1”，企业被迫重新评估legacy系统，简化批量处理流程，并增强直通处理（STP）。AI生成式技术提供了自动化和转型后交易运营的解决方案。 •此外，生成式AI在评估潜在风险方面发挥关键作用，通过模拟各种市场情景并压力测试投资组合，帮助资产管理公司制定策略以减轻这些风险。 •将通用人工智能（GenAI）整合到这些工作流中，允许企业提升生产力、可扩展性和风险管理能力。例如，在处理结算失败时，GenAI能够快速分析复杂问题，并促进及时行动。 •交易员可以利用多种AI模型来改进他们的交易决策。例如，他们可以使用一个模型生成一个想法，然后使用另一个模型进行验证。 捕捉资产管理中的 GenAI 浪潮 资产管理公司正在积极探索和实施 GenAI GenAI 和机器人顾问 总体展望 机器人顾问的优势 • Operational Efficiency:GenAI可以自动化常规任务，使资产管理公司能够简化运营并降低成本。例如，它可以在交易处理和绩效管理方面提供协助。 • Cost - effective:机器人顾问以远低于人类财务顾问的费用提供传统投资管理服务，并且与财务规划师相比，最低投资要求也更低。 • 成本降低 ：自动化带来了运营过程中的显著成本削减，使企业能够将更多资金投入创新而非维护遗留系统。 • 用户友好和安全 ：机器人顾问通过移动或网络应用简化了各类资产类别的投资。它们提供了全面的投资组合管理工具，为用户带来了更大的灵活性和安全性。 决策:生成式人工智能（GenAI）提供了基于数据的洞察力，帮助管理者迅速做出明智决策，从而提升对市场变化的响应速度。 • 合规性:GenAI正在推动金融机构在分类监管报告、处理投资相关查询以及提供决策洞察方面的范式转变。 基于算法的投资基金 • Emergence:关键新兴趋势包括大数据的整合、可解释的人工智能以满足监管合规要求、高级自然语言处理，以及量子计算在复杂金融建模方面的潜在应用。 基于算法的投资基金的出现代表了 GenAI 促进的重大进步。 •