核心观点
- AI 价值差距： 尽管 AI 在金融服务业的应用速度惊人，但只有 51% 的金融机构报告实现了 AI 项目的任何价值，其中只有 3% 的机构实现了规模化价值。领先机构与落后机构之间存在着显著的价值差距，这主要源于领导力、治理、数据基础、技术架构和人才等方面的差异。
- (Gen)AI 的机遇： (Gen)AI 为银行提供了个性化体验、自动化工作流程和增强决策的新途径。在客户关系、客户服务、研发/创新和 IT 运营等领域，(Gen)AI 能够帮助银行实现更高的收入和成本节约。领先银行已将 (Gen)AI 应用于私人银行和零售银行，以提升生产力并改善客户体验。
- Agentic AI 的潜力： Agentic AI 通过使系统能够自主行动，将 AI 从分析推向行动，将洞察转化为执行。Agentic AI 将在银行业 AI 价值中发挥越来越重要的作用，预计到 2028 年，其占比将几乎翻一番。
- 价值差距的驱动因素： 银行在实现 AI 价值方面面临五个主要差距：
- 高层支持不足和治理薄弱： 缺乏高层领导的参与和明确的治理结构，导致 AI 项目缺乏明确的目标、预算和问责制。
- AI 想象力差距： 许多银行将 AI 视为提高个人生产力的工具，而不是进行企业级创新和重塑业务流程的手段。
- 数据基础薄弱： 缺乏高质量、可访问的数据，以及数据治理和所有权不明确，限制了 AI 模型的可扩展性。
- 技术架构碎片化： 遗留系统和集成困难的技术架构阻碍了 AI 的部署和扩展。
- AI 人才匮乏： 难以招聘和留住具备 AI 专业知识的员工，限制了银行实施 AI 项目的能力。
- 云采用的重要性： 云基础设施为银行提供了访问专用计算硬件、托管服务和 AI 解决方案的能力，以及持续访问 AI 和 (Gen)AI 模型的机会。云平台还提供了先进的安全和合规框架，以及针对银行业的特定解决方案。
- AI 发展路径： 领先银行采用三种战略途径来实施 AI：
- 部署： 利用现成的 (Gen)AI 工具提高企业范围内的生产力。
- 重塑： 以 AI 为中心重新设计工作流程，增强多职能部门的影响力。
- 发明： 开发基于 AI 的新产品、业务模式和解决方案，提供更个性化和创新的解决方案。
- 人才战略： 银行应采取“购买、借用和建造”的平衡策略来获取 AI 人才，包括招聘、合作和技能提升。
- 技术架构： 银行应采用灵活、模块化和可互操作的技术架构，并逐步转向云支持的混合技术堆栈。
关键数据
- 只有 51% 的金融机构报告实现了 AI 项目的任何价值。
- 只有 3% 的金融机构实现了规模化价值。
- 领先机构与落后机构在收入增长和股东回报方面存在 3.5 倍和 2.2 倍的差距。
- 领先银行已将 (Gen)AI 应用于私人银行和零售银行。
- Agentic AI 将在银行业 AI 价值中发挥越来越重要的作用，预计到 2028 年，其占比将几乎翻一番。
- 全球 66% 的金融机构报告难以招聘合格的 AI 专业人士。
- 亚太地区银行支出 11% 的收入用于 IT，其中 60% 用于确保银行运营顺畅。
研究结论
- 银行需要采取全面的战略来克服 AI 价值差距，包括加强领导力、改进治理、建立数据基础、现代化技术架构和培养 AI 人才。
- 云采用对于实现规模化 AI 价值至关重要。
- 银行应采用“部署、重塑和发明”三种战略途径来实施 AI。
- 银行应采取“购买、借用和建造”的平衡策略来获取 AI 人才。
- 银行应采用灵活、模块化和可互操作的技术架构，并逐步转向云支持的混合技术堆栈。
- 通过采取这些措施，银行可以利用 AI 的力量重塑业务，创造新的价值，并在下一代银行业中取得领先地位。
