生成人工智能时代的银行业

因此，在ChatGPT推出一年内，几乎所有银行都已开始探索和评估早期用例，这一点并不令人意外。该领域的领导者更进一步：他们已经开始寻求通过在组织内扩展实施来最大化他们所创造的价值。拥抱生成式人工智能以获得竞争优势要受到生成式人工智能的影响——39%通过自动化，34%通过增强。目前只有27%的员工时间具有较低的转型潜力。1在全球的银行中观察到类似的指标。2银行处于风口浪尖。我们的分析表明——由于语言在整个价值链中的重要性——该行业比其他任何行业更有可能从技术中获益。事实上，我们得出结论，美国银行员工花费的时间中有73%具有很高的潜在生成式人工智能风靡全球。其采纳和提升的速度比人类发展史上任何重大技术创新都快得多，鲜有人怀疑它对商业和社会产生变革性影响的可能性。 22%至30%600 bps 300 bps生产效率提升收入增长上升由此可知，尽管生成式人工智能可能会极大地提高银行运营模式的效率，但其通过提升客户体验来区别竞争并驱动增长的可能性才是令银行家们最为兴奋的。我们最新的财务预测表明，未来三年的收益对于早期采用者将非常可观： 净资产收益率增加 银行业务几百年来几乎没怎么改变。其核心是收取和保管存款以及放贷。像互联网和智能手机一样改变客户互动的生成式人工智能——不会改变银行业的基本原则。但没有人怀疑它对行业的影响将是巨大的。凭借其固有的学习、进步和创造能力，在接下来的几十年里，它将成为整个企业持续创新的主要驱动力。它将在整个价值链中广泛部署，并将根本性地改变银行业务的方方面面以及客户体验其银行及其 服务。当银行执行其生成式人工智能战略时，他们将重新发明并现代化银行的大部分部门。实现这些目标既不容易也不会自动完成。数百万消费者可能已经在有效地使用ChatGPT、微软的Copilot、谷歌的Bard和其他模型，但对于银行等组织来说，为了最大化收益需要克服一些障碍。鉴于许多人寻求扩展生成式AI的速度，他们需要战略性和全面地规划自己的旅程。 当银行执行其生成式AI战略时，它们将重新构想并现代化银行的大部分部分。 生成式人工智能在银行的每个部分都有其作用从后台和中台到前台的服务人员、顾问、客户关系经理和呼叫中心代理，生成式人工智能自动化常规手动任务和增强员工能力的能力将产生深远影响（参见图1第7页）。我们对生成式AI对银行业潜在影响的分析3据研究，每家银行的每个角色都可能以某种方式从生成式人工智能中获益。通过这项研究和我们与全球领先银行的持续合作，我们已经识别出数百个涵盖银行价值链的有前景的应用案例。 全方位支持增强自动化生成式人工智能将根据其任务的具体性质以及每项任务所需的时间，以不同方式和程度改变银行角色。我们确定，所有员工的25%将同样受到自动化和增强的影响。客服代理，他们花费时间向客户解释产品和服务、回应查询、准备文档以及维护销售和其他记录，是一个很好的例子。在这些任务中，37%可以自动化，而28%可以增强。那些工作需要高度判断力的员工，例如信贷分析师，或需要理解客户需求和环境并个性化互动的员工，例如关系经理，可以通过帮助他们准备和运行会议的生成式人工智能工具获得赋能——34%的银行员工属于此类。在我们的美国银行分析中，我们发现代表银行业员工41%的职业从事着具有更高自动化潜力的任务。像出纳员这样的角色，其工作主要涉及收集和处理数据，将 greatly 从自动化中受益——他们60%的常规任务可以通过生成式AI得到支持。 59%已有银行员工每天都在使用AI。4在后端和中端办公室，将使用生成式人工智能来转型运营模式。许多任务将被自动化。这将提高速度和准确性，降低成本，并减轻员工工作中更繁琐的方面。通过让他们承担更多或其它具有价值的任务，他们可以对银行的整体绩效产生更大的影响。 同样的情况也会发生在前台，但在这里员工将可以接触智能工具，使他们能够个性化客户体验，并更有效地销售。在拥有与客户进行更有意义互动的时间和手段的情况下，他们将能够恢复过去二十年银行数字化体验所丢失的人际互动。 生产力是大规模采用生成式AI最显而易见的优势。然而，更好地理解和满足客户需求，从而提高满意度、留存率和钱包份额的能力，可能会对银行利润做出更大的贡献。 虽然生成式AI在银行领域的潜在应用几乎是无限的，但我们的经验和分析表明，这项技术目前主要被应用于三种方式：嵌入生成式AI的工具（例如电子邮件）、利用该技术转变运营模式（例如呼叫中心、代码开发），以及利用其创新和差异化银行的体验和服务。如何让生成式人工智能发挥作用 银行对于这种创新飞跃所相关的声誉及其他风险，自然地持谨慎态度。然而，鉴于有机会重塑客户体验和推动增长，大多数人正努力确保他们以负责任的方式加以利用。许多软件供应商将其平台用于银行运营，正将其中的生成式人工智能整合到其工作的各个方面。例如，微软早在2023年3月就因推出Copilot而将大型语言模型（LLMs）整合到其Microsoft 365应用程序套件中。5Adobe 的 Firefly 工具可以从简单的文本提示中生成图像。6Salesforce提供了一个名为 Einstein 的 CRM 助手，它的智能来自生成式人工智能7并且 Workday 最近开始将其技术集成到其工具中。8所有这些旨在自动化和增强银行任务和角色 生成式AI最伟大、最持久的影响可能在于赋能银行创新和区分其产品、营销和客户互动。在产品方面，银行正在使用生成式AI来生产针对个别客户的成千上万份脚本。在营销方面，它们开始采用这项技术来实现经济上一直难以实现的个性化水平。它们结合内部和外部客户数据与行为经济学来生成类似最新车辆卫星导航系统的精选体验。客户意图变得更加明显，使银行能够更具同理心、主动性和相关性。定制客户互动、推荐和定价的能力可能正是银行使用生成式AI获得的最重要收益。 银行运用生成式AI最直接的方式之一是将其与中后台运营相结合，以提升效率和效能。例如，客户通话录音的转录和摘要。生成式AI还可以推动因财务或人才限制而推迟的转型——例如核心系统现代化。虽然仍处于早期阶段，但我们已看到一些银行利用生成式AI来剖析和逆向工程其遗留代码，并用现代语言重写它们。例如，西太平洋银行(西pac)正将其工程师与一个生成式AI伙伴配对，以帮助快速推进软件开发项目，其程序员编写的代码量增加了20% 。 以上。9 在生成式人工智能时代如何领导许多银行都在询问他们如何释放生成式AI的巨大潜力。关键是制定一个全面的战略，识别最有前景的应用案例，但随后承诺超越孤立的验证概念，以与银行的业务目标相一致、让监管机构放心的方式进行规模化、负责任的部署。 36%云基础设施埃森哲研究10表明银行已经识别出一些对其成功采用生成式人工智能的关键因素。他们的优先事项是：46%数据策略25%克服员工对变革的抵制34%人才获取 04缩小负责任的AI差距05驱动持续创新03重塑人才和工作方式02理解和开发安全的人工智能赋能数字核心01以价值为引领 我们看见五项关键要务在生成式人工智能时代，哪些C级高管应该发言以重塑企业。我们还确定了每个的关键步骤，将帮助您的银行成为领导者。我们与行业领先者的对话揭示了共同的主题。 命令式一以价值为引领由于生成式AI的潜在用例比任何一家银行在任何特定时间所能探索的都要多（参见下一页的图2），所以关键问题不是做什么，而是不该做什么——因此，如何进行优先采用就成为了重点。 成本以及相关的监管要求。有些用例很简单，相对不昂贵，而另一些，比如为银行的抵押贷款功能构建数字孪生，则很复杂，需要大量的专业知识、数据和高计算量。在计算方面，大多数生成式AI模型使用成本的大幅下降使得优先排序尤其具有挑战性。许多银行正从简单、无遗憾的应用开始其生成式AI之旅，同时通过计算成本和回报曲线可能相交的位置来规划其更复杂举措的时机。 通过将范围扩展到单个应用程序之外，银行可以更全面地将生成式人工智能整合到其价值链中，从而在各个业务职能领域带来变革性的改进。然而，这种更广泛的整合需要强大的高管层支持以及一个全面的商业战略，所有这些都需要一个稳健的治理机制作为支撑。• 建立一个运营和舵控模型，确保采用且符合所有相关法规；• 以自上而下的支持和资金引领优先级举措；• 推动多速实施和采用，覆盖业务板块、职能部门和企业应用。 衡量投资回报率生成式AI并非所有实现方案在当时都具有经济可行性。然而，生成式人工智能的实现和消费总体趋势是成本降低和可行性提高。银行面临的挑战在于，如何定位自身以利用新用例，而新用例正迅速变得经济可行。这需要一种战略性的优先排序方法，既要关注当前目标，又要着眼于长期投资视野。一些银行可能会考虑为生成式人工智能和传统人工智能/数据功能建立独立的设施。然而，这可能会导致战略冲突，并使效率的捕获变得更加困难。单一的结构将从统一平台推动举措，并促进协同效应。如何选择要扩展的项目，以及如何优化它们的转型之旅。它还将帮助获得银行全体员工对生成式AI的全面采用的支持。 • 支持供应商评估。• 评估人才影响，支持变革管理及技能提升工作，以最大程度减少干扰并鼓励采纳。欧洲中央银行在持续发挥作用的关键领域之一将是准确衡量银行生成式人工智能应用的回报率。这不应仅限于即时的成本和收益增长，还应考虑长期的战略利益（参见“衡量生成式人工智能的回报率”）。对这些利益的清晰和实证的认识将帮助银行决定如何分配资源。• 制定和执行解决方案部署的标准化方法、资产、最佳实践和原则。• 建立模型风险管理的框架和方法，以确保符合不仅法律而且公司治理标准及要求。 建立一支强大的策略和监督团队至关重要。该团队应包括来自银行业务、风险和技术方面的领导者，其职责应涵盖策略、政策、人才、技术、监管合规和数据。• 与业务部门合作，开发概念验证，并在整个组织中推出成功的方案。其首要任务之一应该是建立一座生成式人工智能卓越中心（CoE）。这个专门团队将专注于通过实施银行生成式人工智能战略和在整个银行中普及该技术来创造商业价值。它将优先考虑用例，为生成式人工智能在联盟模式下的规模化铺平道路，并催化创新。CoE的职责可能包括： 欧洲银行扩大其CoE以扩展AI红利一家欧洲领先银行六年前开始建立人工智能核心企业（CoE），以确保战略一致性并促进人工智能项目和程序的资源配置。在首席执行官、首席数据官和首席财务官的支持下，该CoE计划在未来三年内从小规模扩展到一个由300人组成的团队。它负责扩大人工智能和生成式人工智能用例的规模，并制定技术标准。这种方法为跨部门合作创造了良好的环境。高管层对正在进行的AI项目的目标充满信心，足以公开承诺将银行2025年的营业收入增加数亿欧元。他们有利可图。一个价值保证小组，由规划、人力资源、法律和其他部门组成，评估拟议用例的潜在价值。在枢纽-辐辏模型下运行，CoE确保规模经济以及人工智能和生成式人工智能应用的一致性和质量。业务单元负责提出用例、获取资金并量化人工智能带来的价值。他们保留所有权和问责制，以确保 以价值引领行为• 制定涵盖所有业务职能的全面生成式人工智能集成战略，从孤立的使用案例转向更全面和互联的方法。• 建立一个强大的C级治理框架，以确保生成式人工智能计划与组织的战略目标保持一致，并在各部门有效整合。• 促进跨部门协作以打破壁垒，促进利用多元专业知识和见解的生成式人工智能实施统一方法。 • 随着生成式 AI 模型的能力不断发展且使用成本下降，监控市场变化业务案例。• 实施严格的回报率衡量协议，该协议应包括定量的财务指标和对战略影响（如客户满意度和竞争差异化）的定性评估。 必须二在发展强大的数字核心和数据基础方面表现早期成功的公司已在生成式人工智能领域处于领先地位。一个现代化的数字核心通过银行内部一套可互操作的系统（包括企业平台、自动化、集成和安全）利用云、数据和人工智能的力量，从而实现新能力的快速开发。这个核心，凭借其架构、基础设施、能力和人才，对于充分利用生成式人工智能至关重要——其能力通常基于云。理解和开发安全的人工智能赋能数字核心 衡量投资回报率