【对话】Gartner高级研究总监颜晶：大模型、生成式AI等科技推动金融变革——基于2024年全球金融市场展望与科技趋势

作者：董兴荣 杨妮妮

在金融科技趋势方面，银行CIO对AI持乐观态度，但对区块链和数字孪生犹豫不决。Gartner将金融科技分为三大类：成熟技术、未成熟的技术和新兴技术。其中，对于大模型、生成式AI技术，很多金融机构已经在尝试或试点，并希望将其变成量产化项目。大模型、生成式AI的应用不仅给银行业带来非常大的发展机会，例如提升客户服务、推动利润增长、降低成本和支持业务连续性等，同时也带来了信息不准确、系统性偏见、隐私和安全、道德风险和泄露风险五大风险。国内银行还面临着数据安全合规、芯片和人才等方面的诸多挑战。但总体而言，大模型、生成式AI带来的收益将多于风险。未来银行对于AI的应用主要围绕前台和服务转型、营销、运营转型、数据管理、AI合作伙伴关系转变五个方向。

人物介绍PROFILE

颜晶

Gartner高级研究总监

面向未来的不确定性

全球金融机构追加IT投入

全球金融机构CIO眼中的“三重压力”

当前，全球金融机构都面临着不确定的未来。对于金融机构CEO来说，危机来自于通胀加剧、人才稀缺、供应链中断的“三重挤压”，而在CIO眼中便是“三重压力”：竞争、数字化成果交付与人才稀缺。

一是竞争。快速发展的新兴金融科技公司和数字巨头拥有最先进的技术平台、纯数字化的业务模块，还可以组建高配置的IT运营团队，在争夺和抢占银行的市场份额放慢，比传统银行具有更明显的优势。还有一些规模不是特别大的科技公司，通过与传统金融机构以开放银行的合作模式进入金融领域。

二是数字化成果交付。Gartner在2022年CIO的调研中发现：宏观经济衰退的风险已经成为金融机构所有管理者的关注点。无论经济衰退如何演变，银行CIO必须主动帮助CEO、CFO和CAO抵御风险，且要在不断变化的经济环境下成功进行数字化交付，从而提高银行长期竞争力，以应对经济逆态。

三是人才稀缺。一方面，银行内部缺少专业化人才而无法部署如大模型等技术；另一方面，行业内对于“性别”、“肤色”和“人群”多样性的声音，正在迫使CIO更加关注建立多元化团队、保留人才和发展业务。

金融机构IT预算呈现不断增长趋势

在经济不确定情况下，银行业IT预算也在发生变化。2023年，金融机构的IT预算在不断增长，且银行CIO看好人工智能的发展。

第一，金融机构IT预算呈现增长趋势。银行并未过分削减成本去应对经济颓势。全球一些大银行的技术投入非常高，它们通过技术为业务服务，并领先于市场获得更多新客户。同时，一些银行CEO也领悟到，IT是保持利润和建立竞争优势的关键资产，比如银行可以通过数字渠道、数字产品等，来拓展业务量或提升线上客户体验。

第二，银行CIO对人工智能持乐观态度，但对区块链和数字孪生犹豫不决。“云技术”、“人工智能”是两项热门技术，尤其是银行，通过利用“云”减少对本地数据中心的依赖并获得规模经济。人工智能被视为实现银行数字化愿景的关键技术，可以帮银行创造更个性化服务、更精准的风控及预测。与此同时，CIO认为价值不高的技术包括：首先是区块链，它对智能合约代理银行NFT有一定价值，但当经济衰退时它的业务价值非常有限；其次是数字孪生，它对于大部分产品已经数字化的银行来说能够落地的案例并不多。

新兴技术赋能

推动全球金融领域数字化变革

2023年Gartner新兴技术成熟度曲线列出了25项值得关注的新兴技术（图1），这些技术有望在未来2-10年内对商业及社会产生显著影响。对CIO和IT领导者而言，它们则是帮助企业机构实现数字化转型的有力工具。新兴技术具有内在颠覆性，要抓住它们带来的机会，关键在于了解它们的潜在用例和进入主流采用的路径。例如，生成式AI作为新兴AI主题下的技术，可以从大量原始数据库中学习，生成新的衍生内容、战略、设计和方法，进而对商业产生深远影响（如在两到五年内进入主流采用后，可优化内容和产品研发，实现人类工作自动化，以及提升客户和员工体验等）。所有技术都在不同程度地影响和推动金融行业的数字化变革。

重塑成熟技术，创造更多业务价值

成熟技术包括云计算、超级自动化、Open API技术。这类技术已经相对很成熟，但金融机构希望通过技术重塑去创造更多的业务价值。

一是云技术。云技术可以转变原来的围绕计算、存储和网络等基础设施的运用，从而创造新业务价值。这两年，有些投资机构从“基础云”功能延伸至新业务方向。例如，高盛金融数据云不仅可以为客户提供实时洞察，协助客户做出明智的投资决策，还可以集成内外部多渠道数据，为客户量身定制数据分析服务。“北欧银行”采用SaaS服务将企业客户的ERP融入银行生态系统。ZAFIN作为一家科技金融公司，为一些欧美银行的SaaS平台运作5亿多个金融账户，让企业和银行都可以看到实时的数据分析、订单状况等。

二是超级自动化。2022年Gartner金融服务技术的机构中，16%的机构已经实现了超级自动化，超过一半的受访者表示会在未来12-18个月内实施超级自动化；23%的机构目前还没有计划。2024年，美国和加拿大的资本市场在结算周期上必须由T+2转为T+1，否则将面临非常严重的合规问题。一些投资机构已经在考虑如何实现未来的T+0，这仅仅靠超级自动化是不够的，必须有其它额外的技术加持，如人工智能、分布式账本等。

三是Open API技术。这项技术除了技术发展本身以外还需要监管推动。以英国和欧盟为例，它们对开放银行的监管是全球最领先的。为了在整个欧洲推动开放银行的发展，欧盟颁布了一系列法规，如支付服务指令、GDPI（通用数据保护法规）。在欧盟的最新架构中，账户持有者即客户的账号可以开在任何机构、银行，但账户决定权属于客户。比如银行选择了一家金融科技公司，跟它签约后，客户可以自由选择交易内容，甚至可以随时更改合同，这些都将通过开放银行实现。

谨慎对待尚未成熟的技术

未成熟的技术包括生成式AI、嵌入式金融技术、实时跨境支付和结算。这些技术虽然很不成熟，但很多机构已经在尝试或试点，并希望实现量产化。

一是生成式AI。2022年Gartner的金融服务调查显示：27%的机构已经部署AI技术，56%的机构会在中短期参与。Gartner把生成式AI的使用策略归纳为三类：一是保守，例如微软和谷歌的“办公室助手”，这类技术成本低，实施成功率非常高，但无法为金融机构带来竞争优势；二是拓展，一些金融机构用AI做拓展性实验，比如在财富管理领域生成AI辅助的财务顾问，帮助客户管理资产，这些项目投入较高，且需要更长时间才能对业务产生一定影响；三是颠覆，用AI创造新的商业模式或颠覆该行业，投资非常昂贵且风险非常大，但能为机构带来高回报。AI有望成为第三个颠覆性技术，但目前尚未看到其颠覆性生产力，还需理性对待。

二是机器学习运营化（MLOPS）。在北美信托银行（North Trust）的一项调研中发现，98%的买方公司正在使用DataSize去优化它的业务效率，而MLOPS是可以将相关的投资分析和战略完美结合的关键技术，是帮助客户完成业务价值最后一公里的重要工具。美国富达公司部署了MLOPS，重点做了三件事：第一，他们创立了一个可扩展性AI模型，能够将上百个AI一次性部署到企业现有生产环境中；第二，让数据科学家可以访问生产数据，实时调整相关生产数据；第三，将AI模型纳入整个集团的总体模型治理，确保MLOPS可以遵循集团内部的审核、测试和控制。项目落地后，富达AI模型的生产速度提高了一倍，解决问题的周期从几周缩短至几小时，并以高性能模型替代低性能模型。

三是实时跨境支付和结算。金融机构正在找寻“跨境支付”相关的技术，并希望可以结束当前跨境支付代理行模式，尝试用不同的技术与合规的方式向客户直接提供实时跨境支付服务。比如，东盟五国的央行在跨境支付方向开展互联互通的合作，签署备忘录，约定于2025年在东盟区实现区域支付的互操作性和连通性，进行更低成本、更快和更透明的跨境支付。另外，美国和欧洲的金融监管机构，正在试点跨境实时支付，打通欧元和美元的实时结算走廊，包括：RTP（实时支付）、SWIFT（环球同业银行金融电讯协会）等。

理性观望新兴技术的发展

新兴技术包括数字资产和交易所、物联网、平台技术等。这些技术尚存一些风险，未来是否可以市场化犹未可知。

一是数据市场和交易所。该技术成为趋势的原因有两方面：一方面，提供数据和交易所的数量在增加，且第三方数据产品正在展现出更高水平、更专业化和更广泛；另一方面，多样化的第三方资产选择简化的采购和便捷的数据访问，降低采购机构的运营和交易成本，丰富现有数据库。比如，黑石集团的“阿拉丁数据”，其功能之一是集中管理数据，即客户选择的“云”和本地运营的阿拉丁数据可以整个提高数据的优化性、安全性和可靠性，改善客户和市场上的数据连接和访问，并用标准化工具增强客户及其客户的自助服务。阿拉丁数据云提供包括：投资组合或投资分析等相关的多项工具，按需提供“现在”和“历史”数据对比，监控失败和异常的交易，还能让客户通过服务文档或指南进行自助创新。

二是物联网。目前，物联网的解决方案已覆盖资产、通信、应用程序、数据和分析，帮助企业开发新的收入和运营模式。比如在财富管理领域，客户希望顾问可以更全面了解自己，提供更个性化的解决方案。而物联网通过不同的边缘设备，如健康监视器、家庭传感器、车载设备等，为财富机构提供实时客户行为数据，从而更有针对性地指导客户的医疗保险或未来财富生活。Gartner2022年“财富管理问卷”调查显示：24%的机构已经部署了物联网，28%的机构将在未来12个月内部署，33%的机构将在未来18个月内部署。

三是平台技术。在Gartner的一份调研中：29%的CIO已经采用平台技术转变现有的服务和产品，并扩大业务规模。比如，有一家银行，创建了让本国散户用低成本投资国际市场标的一个平台。这个平台的服务板块包括：第一是股票经济板块，提供银行客户在全球范围内投资的各类标的，如境外交易所ETF、ETN，CDF论证权证、债券等，且有专业顾问随时回答客户问题，帮客户制定交易决策或下单；第二是投资组合管理服务，分客户自主决策和机构决策建议两种模式；第三是借贷服务，方便客户在保证金不够的情况下可以快速获得资金，又无须清盘。

全球银行业对大模型、生成式AI的

谋划与布局

银行业对大模型、生成式AI的部署

高盛首席分析师在一份AI报告中指出：“ChatGPT引爆的AI热浪，将会将企业级软件推入下一个风口。”在这个风口下，各行业都会发生颠覆性变革。只有迎着AI浪潮的公司，才能真正迎来属于他们的时代。报告中还提到：（1）AI将成为全球生产力的重要推手。未来十年内，全球生产力每年将会提高1.5%，约7万亿美元规模。（2）全球企业软件总规模将达到6850亿美元，其中生成式AI的规模将占1500亿美元，且每一年在生成式AI上的人均花费达到78美元。（3）科技智投，美国的微软、亚马逊、Salesforce、Adobe等将引领欧美生成式AI的未来。截至2023年上半年，谷歌的生成式AI测试平台上有超过9250家企业，汇聚超过480多个案例，其中近一半是银行和金融机构的测试案例，围绕银行风控、增速利润、内部效率提升三个方面。

2023年2月，Gartner跟踪调研了全球100多家银行对于生成式AI的部署。46%的银行表示还未计划用ChatGPT和生成式AI部署业务系统，但到4月做相同的调研时发现只有7%的银行暂时还无计划；17%的银行已经在实施生成式AI的部署。Gartner还调研了银行如何部署生成式AI：其中49%的银行直接从厂商购买解决方案；32%的银行选择和技术公司合作，共同研发生成式AI相关应用；26%的银行更倾向于内部自研。还有25%的银行尚未想好如何实施，其中21%的银行希望借助咨询服务来确定最佳方案（图2）。同时，Gartner调研还发现：38%的受访者希望通过生成式AI提升客户服务，26%是用于利润增长，只有17%用于成本最小化，7%用于支持业务连续性。此外，Gartner还发现：61%的受访银行在未来12个月内将会增加对生成式AI的投入。

图2 银行实施生成式AI的方式

生成式AI为银行业带来的五大挑战

银行布局生成式AI不仅面临着很多发展机会，同时也面对了诸多挑战。一是信息不准确。包括过期信息、AI幻觉，以及由于超出AI范围所提供的信息。比如：一个金融的聊天服务机器人，就不该向客户提供与健康相关的信息。二是系统性偏见。包括性别、政治和人为偏见。三是隐私和安全。包括数据泄露、中毒模型、深度造假。四是道德风险。比如：银行没有适当的机制为生成式AI产生的错误承担后果或追责时，会让客户和银行之间产生更多的信任危机和风险。五是泄露风险。比如一些关键信息被泄露，违反政策和造假新闻等。

总体而言，68%的受访者认为生成式AI带来的收益多于风险，只有5%的受访者认为风险会增加。按照新技术的发展规律，当新技术要突破时一定会遇到风险、安全、隐私、道德等一系列问题，如果发生的问题非常大，一定会影响市场信心，甚至技术会被质疑。根据Gartner“成熟度曲线”理论来说，这也是所有新兴技术发展的必经之路。

大模型、生成式AI在银行业的

落地与未来趋势

生成式AI在全球银行业的试点案例

境外银行在大模型、生成式AI的试点和落地相对较早。比如：摩根大通从2016年和Persado公司合作，以AI技术创立“拟写信用卡”和“抵押贷款”，通过数据方向和AI合成技术，搭配摩根大通内部信息产生出具有吸引力的营销内容。在试点中，AI产生的营销文案点击率高达450%，而人工拟写的广告词点击率只能在50%至200%之间，远远低于AI写的文案。摩根大通对试点效果非常满意，从而逐步将AI应用到整个集团营销创意中。还有Morgan Stanley和Open AI创立GPT4的项目，这个项目利用GPT4技术来访问、处理和合成Morgan Stanley内部相关的企业知识库，能在几秒钟内交付给财务顾问相关的建议和服务方案，以帮助他们提高服务效率和规模。

目前，国内银行也正在积极试点生成式AI。比如：微众银行建立中国小微企业的AI大模型，实现模型参数变量突破100亿大关，并通过将AI大模型运用到行内信贷、风险评估、账户风险管理、客户服务、消费者权益等多个方向，有效提高小微企业的金融服务质效。农业银行推出“Chat ABC”新产品，开发“研发问答助手”“工单自动回复”等工具，目前已向内部员工开放试用。工商银行对外宣布正在试点研发AI通用模型，并将模型用于多个业务方向，取得了良好效果。还有邮储银行，通过集成百度“文心一言”，在技术风控、运营营销等方面展开大模型应用。

总体而言，国内银行在积极拥抱生成式AI的同时，仍然存在着数据安全合规、芯片和人才等方面的挑战。

生成式AI在银行业的未来发展方向

目前，生成式AI的发展处于初期阶段。55%的受访银行正在计划应用ChatGPT来提高以下几个方面：超过一半的银行表示愿意用于客户服务方向，其他几个常用的应用方向包括数据分析、商业智能、运营以及应用开发。

Gartner高级研究总监颜晶表示，生成式AI会对银行的生产力带来非常大的帮助和提高，未来银行对于生成式AI的应用有以下五个主要方向。

第一，前台和服务转型。传统模式下，银行内部人员要通过不同系统查找相关信息才能服务客户，效率低。Morgan Stanley基于AI引擎让财务顾问向客户提供实时、定制化的服务，并利用AI分析和机器学习，提升与客户交流的个性化。

第二，营销方向。通过AI把文本、音频、视频等素材集成加工，提供个性化的创意内容。例如，摩根大通用专业的营销语言知识库，内含超过100万个标记和评分单词、语言和用法，实现AI产生的营销文案点击率是人工撰写广告词的2-3倍。

第三，运营转型方向。生成式AI可以为银行带来大变化，比如：从消费者的责任方向、知识管理、KYC、控制方向等。

第四，数据管理。例如，Morgan Stanley不仅利用银行内部数据去训练AI模型，还使用了机器生成的合成数据。目前，大部分银行使用结构化数据做分析，未来可以利用非结构性数据进行大模型分析和训练。

最后，围绕AI的合作伙伴关系也将迎来颠覆式改变。

附：Gartner发布2024 年十大战略技术趋势（扫码下方二维码搜索）