负责任的人工智能在金融服务中的现状：释放规模化商业价值

负责任的人工智能在金融服务中的现状：规模化解锁商业价值 基于全球254位高管的观点，为何AI标准、技术领袖与AI领袖之间在AI计划上的协同一致，以及统一决策平台，是负责任AI的关键推动力，并为其带来的商业价值奠定基础。 内容点击下方进行导航 第九章 第二部分 标准差距 13 数据洞察 变革的主要催化剂 21 数据洞察对比两组领导者第十四章 第三章 协调危机：壁垒如何扼杀价值 18第四章 统一平台的收益 23结论实验阶段结束 方法论 这项全球调查于2025年第二季度进行，对254位专注于人工智能、数据、IT和技术领域的C级金融服务领导者进行了问卷调查。该研究包含十六个结构化问题，并分为三个部分。 信息官员回答了四个问题。随后，全部254名受访者又回答了另外七个问题。 该调查探讨了AI投资驱动力、跨部门协作、运营成熟度、风险治理、投资回报预期和创新优先事项。参与者被要求评估其组织在负责任AI方面的当前能力、挑战和计划。 第一部分，125名受访者——他们要么是首席分析官，要么是首席人工智能官——回答了五个问题。在第二部分，129名首席技术官和首席 贡献者 科尔尼·艾伯克伦比 创始兼首席执行官，AI真相 JoAnn Stonier 数据与人工智能专家，万用卡 莫拉埃斯金融服务业生产总监，波阿拉·莱蒂斯·德·莫拉埃斯 巴伯拉·维德霍尔姆，自动化与人工智能副总裁，州街公司 斯科特·佐尔迪：FICO首席分析官 尼瑞什·拉贾赫 创新专家，牛津大学 执行摘要 经过多年的实验和最近的炒作热潮，组织开始成熟起来，并以更结构化、更具战略性的视角重新构想人工智能。虽然生成式和能动式技术仍然是更广泛讨论的前沿，但负责任的AI，结合新兴的决策智能技术和人机协作，正成为公认、可扩展和可持续价值的真正基础。 尽管需求不断增长，但规范化的AI操作标准仍然稀缺。监控空白、可靠软件执行中不可预测的系统挑战以及发展不完善的AI治理框架持续限制着AI系统的有效性和问责制。此外，协调性也严重不足：大多数公司报告称，AI活动与业务成果之间的整合非常薄弱。 如何解锁下一波投资回报？答案是采取统一方法。数据显示，标准化平台、共享工具和嵌入式风险治理不仅是合规的必要条件，更是关键的业务加速器。那些能够协调战略、监督和基础设施的领导者，不仅能够实现更安全的AI，还能获得持续的投资回报。 今年的调查证实，人工智能正站在新的范式转折点上。大多数受访者将客户体验、高管压力和竞争优势视为人工智能投资的主要驱动力，其重要性已超过合规和成本节约等更传统的关注点。但总体而言，高涨的热情因持续的运营挑战而受到制约。 关键发现 采用标准是一个主要的障碍。 负责任的人工智能标准被视为实现企业实际投资回报的关键推动力 仅有12.7%的组织已完全整合关键的人工智能开发与部署标准，其中模型监控和偏见缓解尤其薄弱。 负责任的AI标准被视为一项关键的创新赋能因素，其重要性甚至超过生成式AI。决策智能技术正日益被视为一个执行标准、推动企业广泛实施以及关键高管赞助人之间实现协同一致的框架。 可扩展性方面的主要担忧是不可预测性。 超过60%的CIO和CTO指出，对系统软件性能缺乏理解是基础设施可扩展性以及实现AI运营和相关价值的关键挑战。 统一平台释放投资回报率 超过75%的受访者认为，商业与IT领导者之间的协作以及共享的人工智能平台能够推动投资回报率提升50%或更多。 组织壁垒正在阻碍潜力。 模型监控集成严重滞后 只有5.2%的受访者报告人工智能计划与业务目标之间存在高度一致性。 仅有7%的受访者报告模型监控标准已完全整合。 第一章 负责任的AI的投资回报时刻 关键要点 超过半数受访者表示，为安全可靠的AI实施制定标准是价值创造的主要贡献因素。 负责任的AI的商业价值正从抽象原则转变为运营层面的强制性要求。早期的AI应用浪潮侧重于技术实验和生成式创新，而如今的AI领导者们则围绕成熟度、信任和持续的投资回报进行重新校准。 作为负责任人工智能标准的推动者，它促进了人工智能的操作化，因此我很高兴看到它在受访者的回报率驱动因素中位列前茅。” 该调查的受访者被分为两组：大约一半是首席行政官（CAO）或首席信息官（CAIO），另一半是首席信息官（CIO）和首席技术官（CTO）。当被问及预计在接下来18个月内能带来最高投资回报率（ROI）的AI创新时，60%的CAO和CAIO将决策智能系统列为首选投资，使其成为排名第一的投资优先事项。这些系统强调可解释性、可追溯性以及与业务逻辑的集成。 “要让人工智能的黄金时代真正发挥价值，关键在于我们首先要聚焦业务问题，然后思考如何运用人工智能作为解决这些业务问题的工具，”FICO首席分析官斯科特·佐尔迪博士解释道。“我非常相信……” 决策智能系统预计将带来最高回报 您认为哪些新兴人工智能技术将在未来18个月内对贵组织的投资回报率产生最大影响？ 科林尼姆金融服务部生产总监保拉·莱蒂斯·德·莫拉埃斯表示：“通过专注于提升战略决策和信任的技术，当今企业正预示着一个成熟的AI格局的到来——这个格局更重视问责制和监督，而较少关注由炒作驱动的投资。” 换句话说，它们是将当今尖端人工智能技术融入成熟商业结构并借助智能决策创造价值的完美途径。 为提升最终的投资回报率。 这些数据表明了一种微妙但重要的重新定位。组织不再是为了追求尖端人工智能创新而创新，而是越来越专注于将人工智能安全、可靠地嵌入核心运营流程，并产生可衡量的影响。行业肩负着持续交付价值，而非探索人工智能科研项目。 超过半数受访者（56.8%）强调，明确定义负责任人工智能标准是提高可靠且一致的投资回报率的主要贡献因素。相比之下，只有40%的人指出生成式人工智能是主要竞争者。 我们应该考虑那些明确界定角色、职责和升级路径的协同治理模式。没有这种结构，组织在规模化部署人工智能方面就会遇到困难，”州街公司自动化与人工智能副总裁芭芭拉·威德霍姆补充道。“将人工智能实验与企业架构相结合的集成路线图——以及衡量创新和规模化部署的联合关键绩效指标——对于从概念验证过渡到可持续影响至关重要。” 与企业架构相一致的集成路线图——以及衡量创新与落地实施的双重联合KPI——对于从概念验证过渡到可持续影响至关重要。 州街公司，自动化与人工智能副总裁 领导者们开始将操作准备度和持续创造商业价值置于前沿探索之上优先考虑。 人机协作：价值驱动 当我们审视未来五年人工智能创新的主要驱动力时，呈现出类似的模式。在所有调查的职业中，人机协作被视为未来最具前景的创新方向（44.5%），其次是采用具有可审计性协议的负责任人工智能。实时解决方案和提升客户体验也获得了同样高度的热情。 金融服务生产总监，科林尼恩情报公司保拉·莱蒂斯·德·莫拉埃斯 例如，自主型人工智能——那些旨在最小化人类监督下自主运行的系统——仅被11.3%的受访者选为未来的创新驱动因素，并且由于对不可预测性、不稳定性以及技术不成熟性的担忧，被许多人视为严重的投资回报风险。 通过在问责框架内运行的传统人工智能来增强人类能力。 过早宣告生成式AI在董事会讨论中的主导地位终结为时尚早。但数据显示，具有前瞻性的组织正日益警惕：过度关注潜力，而缺乏可衡量的商业实施计划和持续可靠的商业价值创造方案。 这种兴奋反映了人们日益增长的认识：人工智能的长期前景不仅在于自动化，更在于增强。即使人们越来越多地关注生成式和具身式人工智能，最高的乐观情绪仍然在于 莫拉埃斯表示：“领导者们开始将运营准备状态和持续创造商业价值置于前沿探索之上。” 简而言之，今年的发现标志着人工智能成熟度的关键性进步。负责任的AI不仅仅是保障：它正成为一项战略差异化优势。那些构建具有嵌入式伦理、协同监督和跨职能整合的AI系统，将不仅能实现规模化发展，还将为自己奠定长期竞争优势的基础。 领导者们看到了哪些潜力？ 未来五年，人工智能创新最让你兴奋的是什么？ “实际上，我认为治理工作正开始步入正轨，”万事达卡数据与人工智能研究院研究员JoAnn Stonier表示。“这些委员会实际上直到2023年底或2024年初才开始运作——所以它们大约有18个月的时间。它们可能每月召开一次会议，如果创新进展迅速，也许会每两周一次。所以是的，治理工作确实比技术发展慢，但它正在迎头赶上。” 第二章 标准差距 随着人工智能系统从实验室走向实际应用环境，对其研发和运营制定清晰、可执行的标准变得至关重要。然而，我们的研究发现，大多数组织仍处于一个危险的中间地带：人工智能雄心勃勃，但运营一致性低。 关键要点 缺乏用于人工智能开发、部署和监控的模板，组织将面临不断攀升的代价，重复犯错误的风险。 首席信息官 (CIO) 和首席技术官 (CTO) 报告称，只有12.7% 的组织已完全整合人工智能 (AI) 运营标准。这些标准，例如减轻偏见、性能监控和安全数据处理，是负责任人工智能 (Responsible AI) 标准的基石。 这些发现对于Niresh Rajah来说并不令人意外。他是金融服务领域一位领先的首席数据与人工智能官，同时也是牛津大学的创新专家和帝国理工学院行业专家。“我们需要重新聚焦于使业务战略与人工智能和数据战略保持一致。识别并推进那些能创造最大价值且可扩展的高优先级用例，对于实现人工智能的益处并确保企业范围内的采用至关重要。” 关键标准整合得如何？ 以下标准在您的AI运营流程中到底融合到了什么程度？ 模型监控的集成程度最低，仅有7%的组织表示已完全采用该标准。换句话说，一旦模型上线，在大多数情况下它们就会被置于无人监管的状态。这显然不能算是这些技术的负责任使用，并且会影响潜在的商业价值和客户体验。 当组织试图解决这些问题时，兹尔德博士在谈论它们面临的挑战时直言不讳。“如果你在人工智能模型开发标准中没有建立起严谨性——我们如何使用人工智能，如何正确地构建和部署它——那么就会有问题。” 他说：“会造成很多混乱。” “很多时候，每个企业主都有一位汇报给他们的AI人员，他们又各自有着自己的‘教条’。在你意识到之前，你就会有101种互不相关的标准，这使得有效的管理变得不可能。” 如果您在人工智能模型开发标准中没有建立起相应的严格规范——即我们如何使用人工智能、如何正确地构建和部署它——那么将会产生大量混乱。 相比之下，有16.3%的企业已完全整合了客户体验质量与数据安全标准，这两方面都受益于更成熟的框架。这里的失衡现象颇具启示意义：组织或许急于部署人工智能，但确保合乎道德且表现优异的护栏却参差不齐。 斯科特·佐尔迪：FICO首席分析官 问题在于，我们至今还没有围绕如何协同处理这些事情建立起共同的工作流程。缺失的是一份成文流程以及对关键节点的共同认知。如果你无法阐明自己正在努力实现的目标，又该如何对其进行管理呢？ 问责无架构 这些差距引发了关于人工智能准备情况的基本问题。如果模型在没有人工智能标准的情况下被推出，那么对于漂移、偏见或公平性这些已定义和获准的指标在哪里，组织又如何声称它们正在部署负责任的人工智能？ 科尔尼·艾伯克伦比 创始兼首席执行官，AI真相 当然，值得记住的是，这一切都不容易。“人工智能的恰当发展和应用极其困难，”佐尔迪博士说。“这实际上让软件工程看起来容易了，因为软件有结构且流程已建立。大多数公司还没有为人工智能建立起这些。” 大数据就是问题所在。但问题在于，我们。这亦是科仍然尚未建立共享流程 阿伯克龙比，创始人兼首席执我们如何协同处理这些事情。缺失的是一套既定的流程和对于关键节点的共识。如果你无法阐明自己要达成什么目标，又该如何管理它呢？” AI真相。“人工智能是没人懂的新玩意儿。以前它……” 是什么导致了影响？ 以下哪种负责任的AI方法对贵组织影响潜力最大？ 数据支持这一分析。即使在那些在制定内部标准方面取得进展的组织中，跨部门的应用仍然不一致。负责任的AI协议通常仅限于特定的团队