核心观点与关键数据
- 生成式AI在金融领域的应用潜力：生成式AI能够支持金融专业人士处理重复性任务，释放其时间用于更具战略性的工作。尽管技术尚未成熟且存在网络安全和“幻觉”挑战，但多数金融机构正增加对生成式AI的投资，以提升生产力和流程优化。
- CFO的角色转变：生成式AI有助于CFO从繁琐工作中解放出来，更专注于为业务提供前瞻性财务战略建议，尤其是在全球地缘政治和金融不确定性持续的背景下。MIT的Andrew W. Lo教授认为，LLM可以提供文档初稿，总结关键问题并勾勒战略重点，但不能完全取代CFO。
- 生成式AI在金融领域的应用案例：大型语言模型（LLM）和生成式AI工具可用于支持季度报告生成、投资者沟通和战略摘要制定等日常任务。在司库领域，应用案例包括现金流、收入和流动性预测与管理，以及合同自动化和投资分析。然而，由于LLM的数学局限性，其在预测方面的应用仍面临挑战。
- 市场 adoption 情况：根据德勤分析，已有五分之一（19%）的金融机构已采用生成式AI。尽管目前金融机构中生成式AI的投资回报率（ROI）比预期低8个百分点，但德勤2024年第四季度北美CFO信号调查显示，46%的CFO预计未来12个月内生成式AI在金融领域的部署或支出将增加。
- 生成式AI的潜在收益：受访者认为，生成式AI通过自助服务和自动化帮助控制成本，并将员工从高级行业务中解放出来是主要优势。德勤咨询的Robyn Peters指出，AI是新的用户界面（UI），可以让专业人士通过自然语言访问来自不同系统的信息，实现“单一视窗”体验。
挑战与风险
- 网络安全风险：生成式AI可能被用于增强深度伪造等金融欺诈手段。德勤预测，到2027年，美国因生成式AI导致的欺诈损失可能达到400亿美元。
- 模型准确性和透明度：AI模型存在不准确、偏差、缺乏透明度和可解释性的问题。许多LLM在数学方面也表现出“幻觉”能力。
- 监管合规：监管合规是公司开发和部署生成式AI面临的主要挑战，德勤2024年第四季度报告显示，38%的受访者将其列为挑战。
- 道德和责任：生成式AI工具能否满足受托责任仍是一个未知数。Lo教授认为，需要通过训练AI系统，使其意识到应维护人类最佳利益。
未来趋势与建议
- “能力自动化”：生成式AI的未来可能在于“能力自动化”，即将跨多个步骤的任务或流程结合起来。德勤的James Glover指出，公司可以使用多种AI解决方案构建基于任务、基于流程或最终基于能力的代理。
- 人机协作：未来金融专业人士将与AI协作，目标是使组织的能力转向与领导者有效协作，以帮助其管理业务。Glover认为，AI可以帮助减轻生产工作量，使CFO有更多时间进行战略性工作。
- 克服挑战：通过更准确、安全和负责任的模型和架构，以及现成的解决方案和主要供应商现有金融平台的内置功能，许多担忧正在得到解决。模型改进也允许对预测的数据来源进行更详细的说明。
- 三种用例模式：
- 搜索、总结和提取：AI系统汇集大量非结构化数据（如投资者关系文档），员工可以使用企业级生成式AI工具分析收益记录、分析师报告、合同或会计和税务政策。
- 与数据交谈：金融机构使用基于LLM的AI聊天机器人询问结构化数据，例如“2024年2月我的业务部门的销售额与2023年2月相比是多少？”
- 发现数据问题并做出预测：一些公司使用AI来发现数据中的异常情况，并预测如何降低成本或纠正错误。另一种方法涉及预测未来的需求、收入、销售额和其他价值来源。
结论
生成式AI正在改变金融领域，尽管存在挑战，但金融机构正在积极投资并探索其应用。通过与人协作，生成式AI可以帮助金融机构提高效率、降低成本，并使CFO能够专注于更具战略性的工作。未来，“能力自动化”将成为趋势，通过将多个任务和流程结合起来，实现更全面的智能化。
