释放生成式人工智能在金融服务中的潜力

执行摘要主要发现：生成式人工智能的热情很高，但各部门普遍开展了许多试点项目，这表明缺乏重点和明确的企业使用案例和战略。尽管在Gen AI实施中需要明确的战略路线图，但目前只有39%的金融服务受访者依赖于服务合作伙伴来帮助识别当前和新兴的应用场景。金融服务行业正在经历一场由生成式人工智能（Gen AI）应用日益普及所标志的重大转型。由软思咨询（SoftServe）委托福雷斯特顾问公司（Forrester Consulting）在2024年进行的一项研究，详细阐述了该行业当前Gen AI实施情况以及其未来发展方向。尽管最初热情高涨并在各部门广泛实施，但只有三分之一（33%）的商界领袖认为他们从Gen AI举措中实现了显著价值。然而，参与调查的技术领导者们仍然坚信Gen AI尚未发掘的潜力仍在前方。该研究还确定了四大需求——技术专长、基础设施、数据治理和战略规划——必须得到解决，以便组织在短期和长期内充分实现Gen AI的潜力。为了充分实现生成式人工智能的潜力，确定了组织需要关注的四个主要领域：技术专长、基础设施升级、数据治理和战略规划所有金融服务参与者都表示，由于缺乏技术专业知识，他们目前对执行旨在提高客户参与度、运营效率、风险管理/法规合规性和员工体验的生成式人工智能计划的能力至少存在一些担忧。报告利用生成式AI的价值：金融服务的新时代基础设施挑战和数据治理已成为一个共同的负担，83%的人同意他们需要帮助整合和简化企业数据以用于生成式AI模型，83%的人强调治理正变得越来越重要。 2 33%32%30%28%28%33%33%38%26%38%26%33%31%34%32%30%31%30%图1：金融服务业部门中的生成式人工智能试点与整合2023/2024年通用人工智能的兴起% 目前正在试点生成式AIDEPARTMENT% 目前使用Gen AI w/没有计划在接下来扩展12-18个月法律与合规HR金融研发操作供应链市场营销与销售客户体验IT/软件开发过去两年标志着金融服务领域一个动态变革的时代，其特点是对生成式人工智能的积极拥抱。这段时期见证了资源的迅速有效调动，以及雄心勃勃的概念验证项目的热潮。即使到今天，我们也能在已成功推出的大量试点项目中看到这种热情的成果。由SoftServe委托的Forrester咨询公司的一项全球研究表明，近三分之一的金融服务受访者目前在各个部门都正在试点生成式人工智能，从员工体验/人力资源到软件开发（图1）。软Serve亲身经历了这一繁荣。2023年上半年，通用人工智能仅占我们人工智能计划的10%。然而，到2024年第四季度，通用人工智能计划的占比飙升到40%。对通用人工智能的兴趣依然存在，第一季度2024年的业务趋势便是明证。报告利用生成式AI的价值：金融服务的新时代对生成式人工智能的采用热情不仅在于确保金融机构保持相关性，更在于为未来的发展铺平道路。包括法律与合规、生态系统管理、员工体验/人力资源、财务、研发、运营、供应链、市场营销与销售、客户体验以及it/软件等众多部门，已经整合或正在试点测试生成式人工智能技术。这种广泛的应用证实了生成式人工智能在各项业务运营中的变革潜力。 313%16%17%11%19%21%16%21%18$% 目前使用/Gen AI w/计划在下个12-18个月 413%38%22%25%2%当前体验最大商业价值首次行动者遭遇障碍您的组织在价值实现时间轴上处于什么位置？已体验过最大商业价值预计在24个月以上获得大部分业务价值预计在 12-24 个月内体验大部分商业价值预计在未来12个月内体验大部分商业价值图2：金融服务中通用人工智能价值实现时间线虽然调查结果可以被视为热情正在消退的迹象，但重要的是要注意，受调查者主要是商业领导者而不是技术领导者。当Forrester研究的调查结果进一步细分时，它显示80%的C级受访者认为他们的组织已经从Gen AI中获得了最大价值，或者将在下一年获得，而84%的副总裁和78%的总监持相同观点。报告利用生成式AI的价值：金融服务的新时代早期采用的开拓性旅程往往充满不可预见的挑战——对某些人来说，生成式人工智能也不例外。事实上，率先行动者常常在他们认为可以从这项技术中提取的价值方面遇到障碍。激动人心的确凿，但似乎也存在注意力不集中的问题。根据Forrester研究，金融服务的Gen AI技术采用者在所有部门中相当平均地实施它。这种将解决方案抛向墙上看什么能粘住的做法，而不是集中精力在哪里真正存在商业价值，并非没有后果——正如有远期计划在接下来12到18个月扩展Gen AI使用的受访者数量显著低于那些没有此类计划的人所证明的那样。（图1）.根据 Forrester 研究，这一认识在采用者中引发了幻灭感。在调查的金融服务领导者中，73% 现在认为他们已经获得了 Gen AI 的最大收益，或预计在未来一年内能够做到这一点（图表 2）。这种信念的转变应该是一个警钟，促使企业重新考虑他们的策略。 5利用生成式AI的价值：金融服务的新时代报告然而，仅仅实施试点项目是不够的。真正的区别在于充分准备以收获Gen AI提供的价值。福雷斯特研究指出，67%的人认为未能解决重大挑战——特别是在基础设施和数据治理领域——可能会阻碍从Gen AI中获得全部价值，无论是短期还是长期。此外，29%的受访者表示，如果这些问题没有得到解决，可能会错失收入机会。超越初始实施至关重要，要预见到潜在的障碍，并制定策略来发挥Gen AI的真实力量，从而在短期和长期内将潜力转化为绩效。为了实现一些领导者认为难以捉摸的业务价值，并捕捉到生成式AI尚未开发的潜力，对于组织来说，后退一步，反思最初的尝试，并制定战略是至关重要的。 图4：对生成式人工智能专业知识的关注中等程度关注完全无关紧要有点担心需求四重奏技术专长非常关注不太关心你对贵组织目前运用现有内部和外部专业知识执行 Gen AI 优先事项的能力有多担忧？报告利用生成式AI的价值：金融服务的新时代一个典型的例子是SoftServe的数据科学组，不仅见证了2023年第一季度和2024年第二季度之间劳动力激增了20%，还经历了技能需求的重要转变。我们许多顶尖的AI专家接受了额外的培训，以跟上快速兴起的生成式AI领域。对人工智能专家岗位的需求随着生成式人工智能能力的普及而日益增强。这种不断变化的格局迫使企业适应，集中招聘工作以确保获取这项独特的技能组合。同时，他们需要确保现有员工顺利过渡到生成式人工智能的新领域。福雷斯特研究中近每一位金融服务参与者（99%）都对技术专业知识的日益重要表示至少有些担忧（图4）。这种专业知识扩展了数据集成、模型优化和用例识别的边界，开创了高级模型开发的时代。金融服务，与其他行业一样，正处于一场重大变革的门槛上，随着生成式人工智能的兴起。然而，在这段旅程接近最终目的地之前，还有无数挑战需要解决。这些需求主要存在于技术专长、基础设施、数据治理和规划等领域。 60%2%21%48%30% 生产模型发布 v.1发现/调查生成式AI的能力基础设施升级生产模型v.1修订/v.2模型上线原型构建图 5：生成式人工智能采用挑战原型部署报告利用生成式AI的价值：金融服务的新时代在您的通用人工智能采用旅程的哪个阶段，如果有，您的组织是否经历了以下每个挑战？一家软服务客户，世界上最大的托管银行之一，面临着图4中提到的挑战，由于平台不同和开发流程低效，在人工智能模型部署方面遇到了困难。我们与该银行合作，实施了一个模型运营（ModelOps）平台，以简化和加强其人工智能模型的管理、问责制和监控。这次基础设施的升级加速了人工智能模型的部署，从而缩短了产品上市时间并提高了投资回报率。在通用人工智能实施中，金融服务领域的一些经验表明需要更优越的技术基础设施。高达33%的金融服务参与者面临着构建原型的挑战，而46%的人则回忆起在推出生产模型时遇到的困难——而且障碍并未停止。核心现代化和卓越的基础设施对于克服这些挑战至关重要。生成式人工智能项目具有深远影响，需要升级计算资源、数据存储方法以及网络连接性来管理大量数据。利用云提供商提供的可扩展性和对专业硬件的灵活访问，可以加速人工智能的采用。然而，选择必须谨慎进行，因为云提供商现在也充当人工智能平台提供者，提供从分析功能到大型语言模型训练的一系列活动。因此，合适的云提供商可以作为您的AI合作伙伴，支持您的增长计划。为了应对这一格局，组织不仅必须加快其现代化工作，还必须确保他们选择正确的道路以满足其不断变化的需求。 17%33%40%46%33% 7 数据治理优先级排序与路线图规划图6：数据准备不同意既不同意也不同意同意非常同意不知道/不适用无论围绕人工智能和生成式人工智能的喧嚣如何，这些技术的有效性取决于它们所利用的数据的质量和可访问性。这是一个许多企业正在学习的教训，因为一旦被忽视的数据低效问题现在正对人工智能计划构成重大障碍。报告利用生成式AI的价值：金融服务的新时代一位SoftServe银行的客户希望利用他们的数据开发Gen AI驱动的聊天机器人和助手，以受益于销售和营销——但他们需要帮助。使用基础设施即代码（IaC），SoftServe在云端交付了一个自动化的基础设施，该基础设施是银行数据管理系统的心脏。除了能够实现所需的Gen AI解决方案外，这还增加了风险管理以及客户活动分析。对数据治理的基础性增强可能缺乏评估新大型语言模型的刺激，但它们是不可缺少的。一个强大的数据基础促进了各种未来项目和生产，提高了数据管理成本和合规保障的一般水平。数据和通用人工智能系统的集成是下一个障碍。压倒性的83%同意他们需要帮助来整合和简化企业数据以在通用人工智能模型中发挥作用。类似地，85%强调随着他们进入更高级的使用案例，治理的重要性日益增加。最后，对于金融机构而言，一个有效的路线图至关重要。如上所述，该行业面临的普遍挑战是原型开发模型的推广。确定有效的用例，完善优先级排序流程，并制定清晰的路线图对于最大限度地减少这些挑战至关重要。然而，尽管在Forrester调查中，82%的金融服务受访者承认需要合作伙伴协助，但如上所述，只有39%依赖于协助识别当前和新兴用例的服务合作伙伴。 3%13%43%40%2%0%16%48%35%1%我的组织需要帮助整合/简化企业数据，以便在 Gen AI 模型中加以利用随着我的组织向前发展，应用更高级用例和进一步部署，治理变得越来越重要 8 9利用生成式AI的价值：金融服务的新时代报告当客户需要帮助开发并实施 Gen AI 用例优先级方法时，SoftServe 开发了其快速优先级框架。该框架对业务价值、技术可行性和数据准备情况进行评分，以对用例进行聚类和优先排序。在此案例中，我们定义了九个不同的用例集群，并创建了一个沙盒用于快速原型设计，以开发一个用于优先排序 Gen AI 用例的统一方法。生成式人工智能的价值很大程度上在于其替代目前从事语言相关活动的庞大人力资源的潜力。这些活动涵盖文件处理到客户互动。然而，生成式人工智能最显著的实际好处通常体现在减少这些活动所需的时间和劳动力上。实现通用人工智能的价值需要技术和商业之间的合作，将这些强大的工具与最关键挑战和最有利可图的机会相结合。在金融服务领域拥有专业知识的IT合作伙伴是必不可少的。咨询和合作的需求得到了普遍认可，但在通用人工智能领域尤为重要，因为机构才刚刚开始理解和实施这项技术。 关键推荐实现智能基础设施：利用智能、与平台无关的基础设施。SoftServe拥有资源，可以提供样板架构、UI &UX，以及LLMs的智能编排，以成功开展Gen AI项目。基础设施建设现代化：将您的设施升级以成功实施生成式人工智能项目。这包括计算资源、数据存储和网络连接性。SoftServe 在提供卓越设施方面的经验可以帮助您的组织克服生成式人工智能采用的挑战。在 Gen AI 的初期热潮过后，由于投资过于分散或遇到压倒性的挑战而导致失望的情况并不少见。要超越这些挫败感并释放 Gen AI 的全部潜