银行业规模化应用人工智能的路线图
人工智能时代已来。人工智能正深刻改变社会各个领域，银行业也不例外。多年来，人工智能已广泛用于算法交易、交易监控等领域。同时，生成式人工智能开启了一个全新纪元，伴随潜在用例的爆炸性增长，企业员工也成为直接受益者。
更为重要的是，人工智能并不会大规模取代人力工作岗位，而是会提升员工效能，进而提高工作效率与质量。与此同时，人力资源将得以从繁琐重复的工作中释放，投入到那些需要更高层次思维或深度情感交流的领域，如创意设计、异常管理、人际关系构建等。
竞争格局或将被重塑，银行通过部署人工智能赋能业务运营、产品和服务的速度和成效将决定其成败。对于领先机构而言，人工智能已不再只是“策略工具”，而是“战略决定性因素”。
图：人工智能将如何重塑行业格局
谁将赢得制胜先机？
银行业前期在创新领域（云计算、数据治理等）进行的大量投资，已经为人工智能的价值创造奠定了坚实基础。此类投资均属大规模资本支出，目前就盈利而言收效有限。然而，那些已通过大力投资成功夯实基础设施的企业将发现自己已置身人工智能新赛道，并将加速数据资源价值释放。
何为制胜之道？
关键技术基础
-
云计算：通过部署云计算，银行不仅能实现算力的灵活扩展，还能保障数据的稳定供应。既省去了维护旧有设备的麻烦，又减少了购置IT设备的花销。由于核心业务流程需要第三方基础设施支持，银行又可从中学会如何评估和管理相关风险。
-
自动化：建立治理和风险管理能力以监督自动化作业。
-
数据治理：早期来看，数据治理有助于合规，而后，通过在组织中明确责任划分，制定政策和治理提升办法以及掌握组织数据资产状况，可信数据集就能转化为有用洞察，支持人工智能用例。
-
数字银行：由于许多业务已无需银行员工就能办理，客户引导、贷款履行等牵涉多个部门的关键流程也得以简化，客户期望也随之改变，舒心体验、自助服务、迅速实时、洞察驱动都是关键。
能力重构是关键
一些银行不仅通过技术创新收获实效，更建立并完善了一套在组织中行之有效的交付方法。以下是一些考量因素：
-
治理健全：确保监督到位以充分评估和缓解各类风险，同时避免交付受阻；
-
宣导：明确相关益处有助于业务部门负责人积极采用新技术，从而提升流程绩效；
-
价值实现：为了将创新想法转化为实际价值的实现，应果断采取一系列有力措施。首要任务是对创新方案进行全面评估，细致考察其可行性与潜在的投资回报率。随后，锁定并实施“最佳方案”，将其高效转化为实际生产力。最终目标是推动优质方案的规模化应用，从而实现经济效益的最大化；
-
人才管理：通过招聘和学习/发展渠道充实组织人才技能和实力；
-
伙伴同行：为了促进更高效的交付，并拓展至更广阔的市场生态系统，与行业领先的技术及服务供应商构建稳固的战略合作关系。
通过AI工具提高效率和工作能力是一个持续的过程，并非一蹴而就。为此，需要将此能力融入人才发展战略中，并建立可量化的评估体系。
生成式人工智能时代，
银行业新航道将通往何方
得益于生成式人工智能令人惊叹的内容精细化程度和质量水平，企业将迎来劳动力技能水平整体提升的绝佳机遇。经过不断发展，预见人工智能将展现出较高的情商，它将能够识别人类面部表情和语气的变化并恰当回应，这使其更能胜任客服类的工作。
生成式人工智能会成为下一个科技奇点吗？
生成式人工智能将持续发展，向以下三个方向不断迈进：
-
通用智能：通过模仿人类思维，将有望达到以下水平：根据复杂输入进行推理，得出新的推论和预测，甚至开形成挑战人类思维的看法和观点。目前，生成式人工智能还仅限于模仿人类提炼、总结并生成内容。
-
模态拓展：通过日渐丰富的输入/产出模态组合，生成更为精细复杂的专业内容，例如金融工程构建、系统架构设计、审计意见和风险控制评估。
-
情感智能：赋予人工智能人性化特征，能够根据人的情绪变化改变语调并做出恰当回应。由此带来的影响尤为重大，将催生更多面向人的用例。
人工智能如何释放
银行价值链的无限潜能
银行通过在价值链各个环节部署各类人机融合智能体，可以实现价值创造。
部署初期，各类智能体（即人工智能与人力结合催生的新能力）可提高劳动生产率，带来边际增益，并通过质量改进和/或自动化，改善特定流程效率。其运营模式与现行模式别无二致，但速度更快、效果更好、价格更低、风险更小。不同企业根据自身战略有不同的侧重点，例如提升效率、降低风险、增强客户体验或聚焦增长等。相应地，不同部门在人工智能的应用策略和实施效果上也会有差异。下图以普通综合性银行价值链为例，展示了人工智能在不同优先事项维度的重点应用领域。
图：人工智能在价值链各重点领域的应用潜力（按优先事项类型划分维度）
边际增益：协同人工智能和人类智慧，全面优化价值链所有环节
虽然银行对于价值链各环节的重视度各有不同，但通过结合人工智能和人力优势，构建并实施增强型和/或新型能力，都将收获实效。德勤精心梳理了50余个银行业AI部署初期的重点用例，并与客户携手完成了多个案例的落地实施。下表对部分用例及所解决的业务挑战进行介绍。
银行应结合自身战略目标和优先级，充分挖掘人工智能的应用潜力
如果成本效率是第一要务，那么银行就应关注规模最大的职能部门。此外，一些流程性质决定了人工智能可以带来巨大的效率提升或成本规避效益，包含这类流程的职能部门也应重点落实人工智能应用。
对二级流程的分析表明技术、风险和合规以及客户体验具备较高的成本节约潜力。如图所示，按照职能部门的相对规模、成本效率水平和/或成本规避期望，列出最有可能使用人工智能实现成本效率的二级流程。下图均基于德勤对银行客户价值链的研究分析。通过研究识别出多个价值链条，即一连串相关流程，经端到端重构后可创造巨大的附加价值。
图：当成本效率是第一要务时，银行人工智能应用潜力最大的领域
同样地，如果降低风险是第一要务，则风险与合规、数据治理、服务运营和法务等职能的应用潜力最大。德勤发现成本效率和降低风险两大优先要务的重点领域存在重合，例如交易监测、金融犯罪和监管合规等，因为这些领域的风险事件会产生重大成本影响。
图：当降低风险是第一要务时，银行人工智能应用潜力最大的领域
最后，银行如果将客户体验和增长视为第一要务，可能自然会进一步关注前台销售、营销和服务职能，以及定制产品/服务特征和定价。例如，信用风险管理是推动增长的关键因素，通过提高信用风险评估的精确度，实现洞察驱动的贷款定价，从而确保贷款客群最佳。
图：当客户体验和增长是第一要务时，银行人工智能应用潜力最大的领域
安全有效部署人工智能的关键考量
明确业务目标
银行在实施人工智能时，应确立清晰愿景，针对自身具体状况，解决下列问题：
如何找寻人工智能规模化应用的奇点
实现持续价值需要组织变革
如先前章节中所述，结合人力和人工智能优势形成新型能力，方可创造持续价值。因此，推动组织变革与实施人工智能技术同样重要，具体包括以下步骤：
-
思维转变：跳出无休止的概念验证循环，着力关键领域长期实施。
-
顶层驱动：为了加强推广力度和落实问责制度，需明确领导责任并设定人工智能的量化目标。
-
投资转变：将人工智能投资视为企业业务战略的核心驱动要素，而非试验性投资。
-
文化融合：应促使所有员工将人工智能（尤其是生成式人工智能）融入日常工作。
-
运营转型：放弃前后台分离的运营模式，采用二合一策略，让业务部门和IT部门设立共同目标。
实施人工智能战略需尽早构建底层能力
以下是推动有效的人工智能变革议程的基础模块，涉及愿景、治理、人才、流程和技术等方面。
-
战略定位：制定业务目标，明确短期和长期目标以及投资承诺。
-
运营模式：运营模式构建应以有利于获取、管理和发展人工智能/生成式人工智能能力为导向，应有助于对相关能力进行优先排序。
-
价值导向：建立价值追踪机制以衡量成果并优化投资。
-
技术能力：创建技术和合作伙伴路线图，为实施人工智能/生成式人工智能创造条件。
-
变革管理：培养员工人工智能素养，优化交付和使用模式，最大限度提高技术采用。
-
合规管理：制定基本规则，促进人工智能使用规范化，确保负责任、守道德。
以18个月的实施周期为例，实现人工智能规模化应用
时间线
行动计划
原文地址：https://blog.csdn.net/xuliangjun/article/details/143786115
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！