2026年生成式AI趋势报告：行业概述与启示

目录 结论153. 从趋势到实际影响：CRIF愿景114. 利益相关者的战略影响 131. 文档上下文：创新格局与驱动因素 52. 2026年通用人工智能（GenAI）新兴技术趋势 执行摘要 随着2026年的临近，生成式人工智能（GenAI）正处于一个关键转折点：组织已走出试点阶段，但大多数仍然难以实现可扩展、可衡量的影响。尽管近80%的企业尝试过GenAI，但仅有少数报告了切实的商业价值。这凸显了弥合创新与执行之间差距的迫切需求。 监管框架，尤其是人工智能法案和数字运营弹性法案（在欧洲称为DORA），现在正在积极塑造行业，使得合规性、风险管理、透明度对于高风险人工智能应用来说是不可协商的。到2026年的成功不仅需要技术进步，还需要流程协调、强有力的治理以及团队有针对性的能力提升，以负责任且大规模地管理人工智能。 CRIF在监管和引导这些趋势方面具有独特地位。这不仅关乎采用更强大的模型，还包括挖掘现有信息资产的价值，并将它们整合到由人工智能驱动的安全、可审计、合规的决策引擎中。 对于金融行业来说，这意味着将风险转化为竞争优势。那些成功将负责任的人工智能投入运营并标准化决策流程的组织将解锁运营效率和持久的战略优势。 三个主要趋势正在塑造这个领域：•代理人工智能（Lièdài réngóng rénghǐn shújù）它 正在从对话聊天机器人进化到能够执行复杂、多步骤任务的自主代理——跨越各个行业变革工作流程和决策制定。 代理商业的兴起推动了新型交易协议和标准的出现，为金融服务、电信和公用事业带来了机遇和风险。组织必须适应由人工智能驱动的交易，在协议层面嵌入信任、身份和合规性。 •领域特定和小型语言模型（DSLMs和SLMs）正获得认可，提供保护隐私的定制解决方案，以满足严格的监管要求并实现智能的扩展。 高级反欺诈防御措施： 在人工智能驱动的欺诈在入职、了解客户（KYC）、反洗钱（AML）和收款过程中不断升级的背景下，迫切需要建立针对深度伪造和合成文件的防御措施。 1. 上下文：创新格局 &驱动因素 The End of the \"Pilot Era\ 2025年标志着GenAI纯实验阶段的结束。 公司正迅速从实验阶段转向实际部署——但结果喜忧参半。据BCG到2025年底，估计78%的公司已在至少一个业务领域引入了GenAI，但至今仍有约80%的公司表示没有感受到重大的商业影响。只有少数公司（约5%）——所谓的“未来构建”AI领导者——从AI项目中实现了规模化的显著价值。大多数公司仍陷入“概念验证炼狱”——测试、迭代，但未能实现规模化。 2026年的挑战是将实验转化为执行并产生可衡量的成果。 What's driving（及阻断）进展？ •技术创新：模型变得越来越强大、便宜且易于获取。巨额投资推动了下一波浪潮，但实施复杂性正在增加。 •竞争压力（错失恐惧）GenAI现在已成为董事会讨论的话题，而不仅仅是IT实验。人们关注的不再是“投资过多”，而是“被时代淘汰”。 •人和流程因素：科技飞速发展，但人和流程却落在后面。存在真实的技能差距：大多数团队缺乏从试点到生产或管理规模AI风险的专长。 规范：负责任创新的设计蓝图 法规值得单独提及，作为创新驱动力——塑造企业战略并深刻影响欧盟通用人工智能领域。 这就是在实践中意味着什么： •执行合规性：人工智能法案和DORA将需要建立强大、动态的风险管理、透明度和质量控制框架——特别是在高风险领域。 随着生成式人工智能（GenAI）成熟并开始创造真实价值，监管机构正从观望转向积极执法。欧盟人工智能法案（EU AI Act）和数字孪生与机器人法案（DORA）正推动企业将人工智能的使用规范化。这些法律要求对高风险领域，如信贷和身份验证，进行风险管理、透明度和控制，并要求立即投资于治理和合规性。人工智能法案（AI Act）和DORA正在重塑董事会议程，迫使组织将负责任的AI视为核心业务战略，而不是一项仅仅勾选的练习。 •负责任的AI作为市场差异化手段：企业将可解释性、公平性、隐私和人工监管嵌入其AI系统，将赢得信任并开启新的机遇。 •隐私保护、特定领域模型：SLMs和DSLMs将成为符合要求的、高价值人工 智能的骨干——能够提供安全、定制的解决方案，满足商业和监管需求。 •持续治理：模型文档、血缘追踪、偏差测试以及上市后监测将成为常规任务，由专门的团队和先进的工具支持。 敏捷性并非来自于规避合规，而在于利用监管的明确性来加速，将负责任的AI转化为增长引擎。 为什么这关乎企业 2026年的赢家将是那些弥合人工智能炒作与商业价值之间差距的人。成功将不是由POCs的数量来衡量，而是由扩大有效成果的能力以及将AI融入关键决策工作流程（例如，信贷起源、欺诈管理等）的能力来衡量。 合规准备不是可选项。客户需要能够提供不仅强大、而且可证明安全、道德合规的人工智能合作伙伴。提升团队技能和重新设计流程与技术研发本身同样重要。 2. 新兴技术趋势在GenAI（2026） 趋势1：代理人工智能 人工智能聊天机器人正从被动回应者进化为能够采取行动、实现特定目标的主动代理。到2025年，我们见证了第一个能够执行自主、多步骤任务（例如软件开发、报告以及深度市场和网络研究等）的代理模式。在CRIF，我们推出了……行业首个AI智能代理为商业信息领域，转变对商业数据的获取和分析。 早期信号已显现： •人工智能作为首个接触点：ChatGPT、GoogleGemini以及OpenAI Atlas和Perplexity Comet等新兴工具正从搜索领域迈向自主购物和结账。 •新出现的基础设施：标准如OpenAI的ACP、谷歌的AP2和维萨的信任代理正受到主要零售、电子商务和支付企业的高度关注。 由大型语言模型驱动，这些代理能够解读用户请求，使用实时信息工具，推理以提高输出质量，保存信息，并将任务委托给其他代理。然而，它们仍然存在局限性，如可靠性问题和依赖于底层语言模型的进步。 这很重要，因为代理商业在传统系统之外引入了一个新的交易层： •人工智能代理将掌控购物之旅——企业在管理新的欺诈风险的同时，必须保持可见性和信任度。•银行和支付服务提供商（PSPs）必须处理人工智能到人工智能的商务，需要在协议层面处理信任、身份和合规性，否则可能面临失去控制和相关性的风险。•主要威胁是去中介化：例如，用户让手机的AI助手找到最好的新手机套餐。AI助手推荐了一个套餐，并提供了来自操作系统提供商（例如苹果或谷歌）内嵌的“分期付款3期”选项，完全绕过了电信公司的自身融资伙伴和客户的银行。 2026 年展望：人工智能代理将极大地提升记忆和情境管理能力。然而，与结构化知识的融合（确保准确性）和稳健的安全保障（确保合规性）将是基础。它们的真正价值将来源于与企业系统的集成，而非作为独立的工具运行。 代理商业 – 下一个交易层 2025年是代理商业兴起的年份：AI代理可以自主浏览网站、比较选项并在最小化人工输入的情况下完成交易。这些代理代表个人和企业行事，使购物更加快速、个性化和无缝。这代表了GenAI领域的新前沿，其影响仍在展开。与本文中分析的其他趋势——其影响更好理解且更具预测性——不同，代理商业引入了大部分未被探索的动力，值得更加关注。 2026展望：风险日益增加去中介化使得协议级别的集成变得至关重要，因为面 向用户的代理绕过传统渠道。通过人工智能平台流动的交易数据将重新定义信用和欺诈模型，而委托的人工智能行为引入了新的责任挑战。身份治理必须发展以将代理身份与了解你的客户（KYC）和反洗钱（AML）规则联系起来。 然而，用户接受度仍然不确定——留意现实世界中接受度的信号。成功将取决于平衡创新与信任，明确2026年及以后的机遇与风险。 趋势2：保护隐私和特定领域模型 随着通用人工智能（GenAI）的使用增长，隐私和专业化至关重要。特定领域语言模型（DSLMs）提供精确性、隐私和合规性。CRIF的GenAI工厂已经部署了在特定领域训练的小型语言模型（SLMs），以确保高度相关性、降低成本以及避免敏感数据泄露的风险。 2026 年展望：趋势是向那些将数据存储在本地或安全区域内的模型发展。我们将看到大量“小而专业”的DSLMs涌现，这些模型在特定行业术语和/或流程上进行训练。这些模型不会取代大型模型，但会增强它们在关键任务上的功能，利用公司专有数据作为真正的竞争优势。 趋势3：防篡改作为核心风险要素 防范深度伪造和合成文件（例如，工资单、身份证件、银行对账单等）不再是可选的，而是正在成为入职、了解客户（KYC）、反洗钱（AML）和收款流程的必要组成部分。 即将到来的AI驱动欺诈浪潮 欺诈领域已演变为一个工业化的、由人工智能驱动的生态系统——可扩展的、自动化的，且令人担忧地有效。金融服务运营报告称，凭证填充攻击、混合合成身份和深度伪造声音模仿在账户恢复电话中急剧增加。伪造文件与合成数据的数量正在增加，而“欺诈即服务”运营商正变得专业化，出售由深度伪造技术驱动的验证过的银行账户。 欺诈格局正经历重大转型。金融机构现在面临AI驱动的欺诈，如多语言文本生成、深度伪造即服务、合成身份、实时语音克隆以及对工资条、身份证明和银行对账单的伪造篡改。 2026 年展望：应对日益复杂的攻击需要全面、分层的防御——而不仅仅是更好的分类器。更强的数字身份框架、行为和设备智能、文件验证和溯源，以及电信或联盟基础信号将是加固防御的关键。 2026 年展望：Deepfake驱动的社交工程预计将成为常规，实时音频和视频模仿以及在了解客户（KYC）流程和账户恢复过程中内容注入成为标准策略。客服中心和视频会议工作流程将转变为新的战场。企业将越来越多地部署AI工具来应对AI驱动的欺诈。文件法医学将变得至关重要，推动机构在做出任何决策之前整合溯源（保管链）和防篡改检查。 3. 从趋势对具体影响：CRIF愿景 新兴技术必须转化为对核心流程可衡量的影响： 深度伪造检测与防篡改 → 信任作为差异化因素 代理人工智能（Lièdài réngóng rénghǐn shújù）增强决策支持 在信用风险管理中，人工智能代理可以通过分析复杂的数据集（结构化和非结构化）并在实时模拟多种场景来加速决策过程。这并非取代人类判断，而是通过精确和速度来增强它，使机构能够比以往任何时候都更快地应对市场变化。 随着欺诈手段的演变，保护真实性变得至关重要。信任将成为主要的竞争差异化因素。早早投资于这些保护措施的机构不仅能保护自己，还能增强客户信心。 标准化 → 高价值人工智能的先决条件 可信数据 人工智能依赖于结构化、内容丰富的数据。除了协调工作流程之外，组织必须重新设计数据，使其具有适应性和动态情境化，从而使AI代理能够在不断变化的环境中精确行动。目标不是复制人类行为，而是通过灵活的、情境感知的过程赋予代理权力。 → 可靠人工智能代理基金会 人工智能驱动的决策，其强度取决于数据的完整性和背后提供者的可信度。在金融服务领域，信任是不可协商的——它是系统固有的。机构必须确保为人工智能代理提供的数据集可验证，并且每个提供者都必须遵守严格的合规性和安全标准。这种信任层还扩展到代理本身：当代理自主行动时，利益相关者需要对其输出结果的准确性、无偏见和可审计性有信心。从数据到提供者再到代理，建立这种信任链，是将人工智能从工具转变为关键决策中可信赖的伙伴的关键。 客户体验 效率转化为服务 一个更高效的风险管理流程不仅节省了成本，更是优质服务的体现。例如，一位电信客户在努力支付账单时，可以与一个通用人工智能代理互动，而这个代理不仅仅阅读脚本。它会分析他们的支付历史、当前使用情况和可用套餐，然后在聊天中主动提供个性化的为期一周的支付延期或临时切换到更低成本的套餐。 小型语言模型 可扩展和合规的智能 轻量级模型通过降低成本和延迟，让AI变得触手可及。对于金融机构来说，SLM解锁了大规模的对