运用人工智能制胜对公银行业务的八大方式

赋能三大银行业务板块，�抢占市场先机 目录 职责重置：业务团队主导+技术团队赋能 1 3 AI平台赋能可持续发展 对投资回报率的新思考 技术选项：云架构或本地部署+自建或外购 5 数据构成重大挑战 7 负责任AI聚焦风险管控 摘要 AI在大型企业、商业机构及小企业银行业务领域蕴藏巨大潜力，但推进节奏存在差异。 即便有些已落地，也未达到预期成效。 人工智能（AI）赋能各行各业，但在对公银行业务领域机遇更多。无论是在信贷和支付，还是在外汇领域，相关银行业务流程复杂、文件繁多，且监管严格，高度适配AI技术，有利于提升效率、深化洞察、挖掘竞争优势。 究竟是哪些因素在阻碍AI部署？针对对公及商业银行业务，我们访谈了七家银行的业务负责人，探讨大规模部署AI的障碍和解决方案。另外，我们亦分析了这些银行初步聚焦的AI应用领域及其未来优先事项。 不过，人工智能应用的推进节奏并不相同。虽然几乎每家银行都开展了若干小规模AI试点项目，进行可行性与收益验证，但真正实现全面规模化应用的银行寥寥无几。安永联合《麻省理工科技评论》洞察团队发布的代理型AI报告显示，52%的受访银行开展了AI技术试点，但仅16%实现了应用场景落地。 安永大型企业、商业机构及小企业银行业务团队以及技术团队亦就银行如何充分把握AI机遇分享了实用见解： 从内部应用场景向外部应用场景逐步推进 赋能业务团队 目前，AI主要是用于价值较低的内部应用场景。 多数银行的AI投资由技术团队主导。 推荐举措：指定业务负责人主导AI议程，优先考虑能够提升客户体验与增加收入的应用场景。 推荐举措：拓展客户端应用场景，探索如何通过AI技术重塑运营模式与服务。 构建AI平台，助力可持续发展 切勿忽视投资回报率 AI投资回报率（ROI）的评估较为复杂，短期回报率往往低于预期。因此，一些银行完全忽视了投资回报率的计算。 多数银行从零搭建AI应用场景，难以实现规模化应用。推荐举措：采用基于可复用核心能力的平台化方法。 推荐举措：始终计算每个应用场景的投资回报率，即使只有简单的粗略评估。 探索数据问题的现代化解决方法 重新调整云架构和本地部署的比例 银行在技术基础设施建设方面有多种选择。 数据不完整或数据质量缺陷是阻碍AI规模化应用的首要因素。 推荐举措：评估采用生成式AI（GenAI）与代理型AI将如何重构云架构与本地部署的相对优势，以及如何影响自建和外购决策。 推荐举措：探索新型AI赋能工具如何应对数据挑战，减少人工干预。 评估未来的技能需求 重新关注风险议题 AI规模化应用（尤其是客户端应用）风险和回报并存。 技能欠缺可能掣肘AI愿景蓝图。 推荐举措：明确AI规模化应用所需的新技能，制定战略吸引和留住顶尖人才。 推荐举措：考虑源于生成式AI的新型风险，并相应更新模型风险管理流程。从初始阶段便引入风险团队。 1AI蕴含巨大机遇：从优化到重塑 对银行业而言，AI的真正价值不在于提升效率，而在于改善客户体验与重塑业务模式。 AI释放巨大机遇：从优化到重塑 然而，银行业初期进行的AI尝试主要围绕后台流程增效，如知识管理、了解客户（KYC）和数据管理。这些应用场景虽能显著降低成本，但不会带动收入增长。 AI在对公及商业银行业务领域的最大潜力在哪里？答案显然不是当前的应用场景。 受访银行高管均认为，AI技术的最大优势在于惠及客户，例如，通过填充预设答案将贷款申请表填写时间减半；通过聊天机器人即时回应账户相关查询；或帮助客户关系经理借助AI生成的洞察为客户提供个性化建议。 劳埃德银行集团的Ulku Rowe表示：“如果仅局限于提升效率，就错失了AI的核心价值。它的真正价值在于重构决策机制与服务模式。” 如果仅局限于提升效率，就错失了AI的核心价值。它的真正价值在于重构决策机制与服务模式。 Ulku Rowe, 劳埃德银行集团商业银行业务首席信息官 在内部应用场景中，此类失误会打击士气、增加成本；在外部应用场景中，则可能使银行声誉受损。银行在充分理解AI技术的运行原理，或掌握人机协同降低错误的途径之前，不太可能将AI用于客户端场景。 客户体验：AI的下一片蓝海 然而，安永与《麻省理工科技评论》洞察团队联合发布的报告表明，银行业未将客户端应用场景列入战略优先事项。 我们计划在未来两年内，先内部部署AI应用场景，如企业聊天机器人，然后再向外拓展。目前尚不具备向外部署的条件，因为我们必须确保AI不会向客户提供错误建议。 在对代理型AI的核心价值进行排序时，各银行将欺诈检测列在首位，安全次之，客户体验优化被排在第三位。 加拿大丰业银行的Matthew Parker-Jones表示：“我们计划在未来两年内，先内部部署AI应用场景，如企业聊天机器人，然后再向外拓展。但目前尚不具备向外部署的条件，因为我们必须确保AI不会向客户提供错误建议。” AI之所以未在盈利能力最高的领域落地，原因有二：首先，银行担忧生成式AI作为新兴技术会产生“幻觉”输出（因训练数据不足或过度泛化，给出的答案可能存在事实性错误），如果不加以人工复核，会给客户提供错误信息或违规建议。 其次，主导权问题阻碍银行借助AI服务客户。目前，多数银行的AI工作由技术负责人推动，而他们并不与客户直接接触，自然会忽视客户端的AI应用。 Matthew Parker-Jones, 加拿大丰业银行交易银行业务全球产品主管 例如，相对于速度迟缓、费用低廉的传统自动清算系统（ACH），客户可能更倾向于选择速度更快但成本较高的实时支付交易。此时的银行已不再仅是支付处理机构，升级成为企业财资管理部门的价值延伸。 转型是AI的根本价值所在 财资主管对银行提供的AI赋能服务持开放态度： 银行忽视了一个比提升客户体验更具价值的机遇：彻底重构运营模式和服务体系。 以交易银行业务为例，许多银行已借助AI提高识别支付欺诈的准确率，通过减少合法交易被误判和转入人工复核的频次，有效缩短业务平均处理周期，从而提升客户满意度。此举固然重要，但尚未触及根本性变革。 《安永全球财资主管之声》研究报告指出，客户对这类服务持开放态度。例如，90%的受访者表示，有兴趣引入AI财务顾问，针对财务问题提供建议；86%的受访者认为能提供定制化洞察的AI财资助手非常有价值。 试想，银行还可以利用AI评估客户的全部未结待付账款。当AI模型获取支付日期等基础合同信息后，便可探索并提示留存该笔现金可能带来的流动性效益，并综合评估不同支付方式的权衡取舍。 有兴趣聘请AI财务顾问，针对财务问题提供建议的受访者占比 再如，可以将AI部署到信贷领域，这样做不仅能简化申请流程、缩短放款周期，还能主动发放贷款，以解客户之需。AI通过评估银行掌握的客户内外部财务数据及经营数据，准确判断客户出现现金缺口的时点。 重视由AI财资助理提供定制化见解的受访者占比 行动要点 许多银行聚焦于AI的内部增效作用，同时不断增进对AI技术的了解、提升基础能力。但银行不应安于现状，唯先行者方可取得显著市场优势。 安永全球的Matt Cox表示：“银行业正在竞相构建AI能力并部署影响深远的应用场景。它们需要加快步伐，利用AI重构业务，抢占先发优势。” 我希望借助AI推动业务增长，最终改变贷款等业务模式。这才是AI真正的神奇之处。 ■确保每个AI应用场景都有完备的文档记录，汇总后提供给高管团队。 ■落地客户端应用场景。■鼓励所有AI使用者探索如何通过AI调整运营模式，为客户增值。 Osamu Abe, 日本三菱日联银行亚太区首席事务官 银行业正在竞相构建AI能力并部署影响深远的应用场景。它们需要加快脚步，利用AI重构业务，抢占先发优势。 这是AI在对公及商业银行业务领域的真正价值。在此类应用以及借助AI重构银行运营模式方面存在先发优势，但目前仅有少数银行在探索AI应用的可能性，而真正开始变革性应用的更是凤毛麟角。 Matt Cox, 安永全球大型企业、商业机构及中小企业银行业务咨询主管 三菱日联银行便是其中之一。其亚太区首席事务官Osamu Abe表示：“我希望借助AI推动业务增长，并最终改变贷款等业务模式。这才是AI真正的神奇之处。” 职责重置：业务团队主导+技术团队赋能 在银行业务领域，AI用于推动业务转型，而非技术类项目。因此，AI项目必须由高管团队主导。 职责重置：业务团队主导+技术团队赋能 在对公及商业银行业务领域，通常由银行的技术团队集中负责AI项目。他们与运营、风控、财务以及业务团队合作，优先确定部署AI领域、监督AI落地，并衡量效益。 正确的做法应是，由业务团队主导AI投资。业务团队最清楚如何通过AI提升客户体验、实现业务增长，因此能将AI技术部署到回报更高的领域。 加拿大丰业银行的Matthew Parker-Jones表示：“如果由中央技术团队主导AI部署，可能导致AI技术与客户关系管理及实际业务运营脱节。我们通过赋能业务团队驱动AI实现实质性成果，提升客户体验、降低成本。虽然这一做法会让推进速度有所放缓，但产生的影响将更为持久。机构领导，即首席执行官，必须明确具体的业务负责人。否则最终还是会落入由中央技术团队主导的窠臼。” 实际上，仅有少数银行安排业务团队主导AI部署。在执行过程中，一些业务团队因技术复杂而却步，另一些则全力服务现有客户和拓展业务，无暇分身。 矛盾的是，多数银行明知这一安排并不理想，但依旧如此。由于技术团队不参与客户端业务，从而更倾向于将AI部署在他们熟悉的后台运营领域。 如果由中央技术团队统筹主导AI部署，很可能与客户关系管理及实际业务运营脱节。可能导致AI技术与客户关系管理及实际业务运营脱节。我们通过赋能业务团队驱动AI实现实质性成果，提升客户体验、降低成本。虽然这一做法会让推进速度有所放缓，但产生的影响将更为持久。机构领导，即首席执行官，必须明确具体的业务负责人。否则最终还是会落入由中央技术团队主导的窠臼。 Matthew Parker-Jones, 加拿大丰业银行交易银行业务全球产品主管 在AI部署方面取得成效的受访银行高管普遍认为，团队架构至关重要：各个细分业务板块的技术负责人和运营负责人不应隶属于中央技术和运营团队，而是应嵌入到特定产品团队中。例如，信贷技术主管应当与信贷运营主管和业务主管通力协作。 转型立足于紧密协作及领导层的远见卓识 技术团队的重要作用毋庸置疑，他们不仅构建基础技术架构，还保障机构体系的一致性。因此，业务负责人必须与技术负责人紧密协作。 行动要点 安永全球人工智能行业主管Beatriz Sanz Sáiz强调：“AI应该用于推动业务转型，而非单纯的技术升级，因此必须由业务团队主导。取得最佳成效的机构均由CEO及整个高管团队自上而下制定AI战略，再逐级下放给业务负责人。” 即便是由业务团队主导AI议程的银行，亦可能未优先考量最具价值的AI赋能型应用。原因在于：业务负责人往往关注提升客户体验及创造中短期业务增长，这种导向虽在情理之中，却未能思考AI如何彻底重构运营模式。 ■赋能业务团队主导AI议程，技术团队提供支持。■探索新团队架构的潜力，促进团队协作。■设定明确的预期，要求业务团队挖掘AI的转型潜力。 首席执行官必须挺身而出，亲自主导或指定数字化转型负责人，推动业务、技术与运营负责人着眼未来，洞察AI所具有的变革性潜力。 AI应该用于推动业务转型，而非单纯的技术升级，因此必须由业务团队主导。取得最佳成效的机构均由CEO及整个高管团队自上而下制定AI战略，再逐级下放给业务负责人。 Beatriz Sanz Sáiz, 安永全球人工智能行业主管 对投资回报率的新思考 针对AI领域投资回报率难以衡量的老问题，银行正在采取多样化应对措施。 对投资回报率的新思考 AI领域投资回报率的计算具有挑战性。与传统的IT采购及成本节约项目不同，AI投资的效益有时并不直接体现在财务层面。例如，某些AI应