金融业人工智能实践指南

背景和行业展望：近年来 AI 技术的快速发展，特别是生成式 AI 和能动式 AI 的突破，正在深刻改变金融服务业。AI 系统现在具备人类-like 的推理能力和自然语言处理能力，能够自主执行多步骤工作流程，并与其他系统协作。这将导致服务业内部流程的自动化和优化，例如后台运营的完全自动化，中台运营的实时风险和定价，以及前台运营的主动预测和个性化服务。
AI 投资趋势和优先级：全球 AI 市场预计到 2028 年将超过 6310 亿美元，其中软件和信息服务、银行和零售行业领先。生成式 AI 占据了这些行业总投资的 19% 以上。金融服务公司目前优先考虑“无后悔”的 AI 投资，主要集中在内部流程改进、与现有结构一致的负责任 AI 治理，以及使用副驾驶和基本 AI 培训。
行业投资和成熟度：成功地将 AI 从实验扩展到规模化部署，需要战略清晰、纪律严明的衡量和明智的判断。行业正在从孤立的项目转向更全面的 AI 集成，并将 AI 的应用扩展到前台。

基础和平台架构：为了可持续地扩展 AI，公司正在投资于四个基础领域：构建弹性、可扩展和适应性强的 AI 平台，提升和赋能员工以推动采用和持续改进，将 AI 特定的风险管理能力整合到企业风险管理体系中，以及超越广泛原则，将负责任的 AI 牢固地嵌入适当的治理结构。
技能、招聘和文化变革：随着 AI 的发展，员工需要具备新的技能和知识。企业需要投资于员工技能提升和 AI 知识普及，并建立支持 AI 采用的文化。
治理、风险和合规管理：金融服务机构正在加强 AI 治理、风险和合规基础，以确保 AI 的使用符合预期，并维护金融系统的稳定。这需要调整企业范围内的风险管理框架以适应 AI，并与不断发展的监管标准保持一致。
安全、模型风险和威胁格局：AI，尤其是生成式 AI 和能动式 AI，提高了许多现有组织风险类别中的风险，需要综合风险管理方法。数据隐私和保护是金融服务中与 AI 相关的首要风险。模型风险也是一个重要考虑因素，需要采取多种缓解方法，例如人类审查、多代理系统、SLM 和微调等。

能动式 AI 的关键作用：能动式 AI 能够自主计划、决策、行动和学习以实现定义的目标，而不是简单地响应提示或执行固定规则。它本质上成为工作中的积极参与者，具有情境意识、目标导向的自主性、推理和决策能力、持续学习循环和多步骤执行能力。
人机协作：能动式 AI 与人类的协作可以带来共享目标、迭代式共同学习、互补的创造力和流畅的实时交互。为了有效协作，人们必须熟悉 AI 并致力于采用它，并需要不断增加他们对所使用工具的了解和指导。
能动式 AI 在金融服务中的示例：能动式 AI 已被用于增强客户参与和咨询、提高运营效率和准确性，以及支持战略决策。例如，Candidly 使用多代理 AI 助手为学生贷款优化提供个性化财务指导，Mastercard 使用生成式 AI 来提高数字支付中的数据准确性和效率，而 EBRD 使用生成式 AI 来使其广泛的评估知识更容易获得，并帮助塑造更强大的项目。

新兴技术和跨行业创新：金融服务行业正在不断采用新兴技术，如云平台、开放银行、区块链和数字资产、以及高级网络安全。量子计算等其他技术的进步也将进一步改变金融服务。AI 可以作为协调器跨这个新兴技术生态系统，并催化价值循环。
规模化并持续采用 AI 的框架：领导者需要一个基于其组织 AI 成熟度、雄心和财务资源的行动计划。转型性 AI 需要 CEO 的坚定承诺，认识到 AI 集成将推动工作、工作流程和治理需求的变化。
领导力、赞助和问责制：嵌入 AI 到组织中需要 C 级领导层的参与。每位领导者都贡献了独特的视角，共同培养创新、治理和信任。成功依赖于所有相关方的共同责任和有效协作。