GenAI接管金融：主要应用及其挑战

责任编辑：cres

作者：James

2024-07-04 11:23:19

来源：企业网D1Net

原创

GenAI对金融行业的影响是专家们激烈争论的主题，主要金融机构正迅速将GenAI整合到他们的运营中。

高盛已经在全公司范围内部署了其第一个GenAI工具，重点是市场分析，并为投资银行家创建了一个Copilot助手。摩根大通在其欺诈检测系统中实施了AI，美国银行和Capital One正在使用AI驱动的聊天机器人来革新客户服务。Ally Financial已经确定了450多个GenAI的使用案例，应用范围从转录和总结联络中心电话到概述收益报告和电话会议记录。

GenAI在金融中的整合预计将带来显著的好处：

处理当今的威胁景观：机器规模

提高效率：通过自动化重复性任务，AI释放了人力资源用于更具战略性的工作。

增强决策：AI可以分析大量数据，生成有助于做出更好财务决策的洞察。

个性化服务：AI能够根据个人客户的需求和偏好创建定制的金融产品和服务。

改进风险管理：AI可以生成风险评估并预测潜在问题，帮助机构更有效地管理其风险敞口。

成本节约：60%的金融机构预计AI将带来显著的成本节约，这项技术承诺带来强劲的投资回报。

虽然有人预测广泛的工作岗位被取代，但也有人认为这是一个强大的生产力工具。Gartner最近的一项调查显示，66%的金融领导者认为GenAI将对解释预测和预算差异产生最直接的影响，这与AI将增强而不是取代人类工作者的观点一致，然而，花旗的一项研究表明，高达54%的银行业工作岗位具有高度自动化的潜力，这高于其他行业，这种二分法突显了AI在金融中角色的不确定性，现实可能介于完全取代工作岗位和仅仅提高生产力之间。

尽管有潜在的好处，GenAI在金融中的采用面临挑战，数据隐私和安全问题至关重要，尤其是在AI系统需要访问敏感的金融信息时，监管障碍也是一个主要障碍，现有法律难以跟上技术进步的步伐，AI模型的复杂性在透明度和可解释性方面提出了挑战，使金融机构难以确保AI驱动决策的问责性，此外，AI幻觉或不准确输出的风险可能对金融操作产生严重后果，还有显著的技能差距，许多金融专业人士缺乏有效实施和管理AI系统所需的专业知识。

快，但不能太快

旧金山对冲基金Wahdy Capital的投资组合经理穆罕默德·瓦赫迪提供了一个令人信服的论点，解释为什么AI不会迅速取代股票分析师。“我认为目前AI对投资组合管理和股票研究并不是特别有帮助，我认为这将在未来五年内发生变化——我祈祷它能这样变化。”

瓦赫迪指出了合适的训练数据的稀缺性。“我们只有大约160个季度的IBES数据。”数据的稀缺性是AI模型面临的一个重大障碍，这些模型通常需要大量高质量、相关的数据才能有效运行。在快速变化的金融世界中，历史数据很快变得过时，这进一步复杂了训练过程。

瓦赫迪强调，大量的专业知识和信息掌握在分析师的头脑中，他们有动机将其保密：“在卖方领域，即股票研究分析师所在的世界里，有一种竞争激烈的心态。他们的薪酬像职业运动员一样高——我会说平均年薪可能是100万美元左右，但排名靠前的分析师年薪可能接近400万到800万美元。” 因此，“他们不希望其他人夺走他们的位置。”这种不愿共享信息的态度对训练有效的AI模型构成了重大障碍。

此外，瓦赫迪还指出，在许多情况下，数据根本不存在。“许多卖方分析师的优势在于他们与顶级高管的关系，使他们成为各自行业的核心，这并不是说他们有秘密，而是他们有渠道，而这不是数据中可以反映出来的。”

金融分析的专有性质加剧了数据问题。与其他领域可能更公开或发布数据不同，金融领域中最有价值的见解通常是严格保密的，这创造了一个两难局面：训练真正有效的AI模型所需的数据恰恰是人类分析师最不可能分享的数据。

此外，金融市场受到复杂因素的相互作用的影响，许多因素难以量化或预测。人类分析师通常依赖直觉、经验和对微妙市场动态的理解，这些在结构化数据集中可能无法轻易捕捉到的隐性知识。无论有多少历史数据，这种隐性知识都难以转移到AI系统中。

瓦赫迪还指出金融市场的不断演变：“人类改变了我们设定价格的方式，因此去年有效的策略今年不一定有效。”这种不断变化意味着即使有足够的历史数据，也可能无法准确反映当前的市场状况或预测未来趋势。

这些因素的结合——有限的历史数据、金融见解的专有性质、市场动态的复杂性和金融市场的快速演变——为开发能够真正复制或超越人类金融分析师能力的AI模型带来了重大挑战。

AI对金融行业影响的定性分析

VentureBeat对GenAI在各金融行业和工作职能中的当前影响进行了定性评估，这一评估基于专家意见、行业报告和金融机构实施AI技术的轶事证据的综合分析。我们的分析提供了趋势和潜在影响的高级概述，而不是定量或统计严格的研究。需要注意的是，这种类型的分析是主观的，可能无法完全捕捉到AI在每个组织或角色中的全部复杂性。AI技术的快速演变也意味着这些评估可能会迅速变化。

我们的分析涵盖了包括商业银行、投资银行、资产管理、保险、金融科技、会计、风险投资、房地产金融、企业金融、对冲基金、个人金融、零售银行、支付和消费者信贷在内的广泛行业。我们根据GenAI的当前能力及其在这些领域的实施情况，对每个工作角色的当前AI影响评估为高、中或低。需要注意的是，虽然某些角色已经体验到显著的AI影响，但其他角色由于其工作的复杂性质、人类判断的需求或个人关系的重要性，仍基本未受影响。

除了行业特定角色外，我们还审查了跨多个金融领域的跨职能领域，这些领域包括客户服务、合规性、风险管理、市场营销、人力资源、法律、信息技术、运营、财务报告、欺诈检测以及培训和发展。

我们的评估揭示了这些职能领域中不同水平的AI影响，某些领域，如客户服务和市场营销，正经历高水平的AI整合，而其他领域，如高层领导和战略合作伙伴关系，由于其对复杂人类技能和判断的依赖，基本未受GenAI的影响，此分析强调了GenAI在金融行业中的影响并不均匀，而是取决于每个职能领域的具体需求和性质。

我们的分析还发现，目前GenAI对金融领域中某些角色和职能区域的影响较低。在跨职能领域，我们发现高层领导、伦理与公司治理、战略合作伙伴关系以及复杂问题解决等方面基本未受影响，这些角色和领域通常需要高级人类技能，如复杂决策、情商、伦理判断以及在模糊情况下导航的能力——这些能力是当前GenAI技术尚未掌握的。

AI驱动世界中的金融未来

正如我们在整个分析中所探讨的那样，GenAI有望从根本上重塑金融行业。虽然它在不同的部门和工作职能中的影响各不相同，但总体趋势是明确的：AI将成为金融运营、决策和客户互动中越来越不可或缺的一部分。

关键要点：

不均匀的采用：AI在金融行业中的影响并不均匀。某些领域，如客户服务和欺诈检测，正在迅速整合，而其他领域，如高层战略和关系管理，仍主要由人类主导。

增强而非替代：对于大多数角色来说，AI可能会增强人类的能力，而不是完全取代工人，这一转变将要求金融专业人士发展新的技能，以便有效地与AI系统协作。

未来挑战：数据隐私、合规性和AI决策的透明度需求仍是广泛采用的重大障碍。

技能演变：随着常规任务的自动化，金融专业人士将需要专注于发展AI难以复制的技能，如复杂问题解决、情商和伦理判断。

展望未来，我们可以预期：

个性化提升：AI将使金融机构能够提供高度个性化的产品和服务，量身定制以满足个别客户的需求和偏好。

增强的风险管理：先进的AI模型将提高我们预测和减轻金融风险的能力，可能会导致金融系统的稳定性增强。

金融建议的民主化：AI驱动的工具可能会使复杂的财务规划和投资策略变得更加普及，惠及更广泛的消费者群体。

监管演变：随着AI的普及，可能会出现新的法规来规范其在金融中的使用，重点在于公平性、透明度和问责制。