來源：未央網

清華大學(xué)五道(dào)口金融學(xué)院中國(guó)金融案例中心于2013年6月成(chéng)立，是從事(shì)金融案例研究、案例開(kāi)發(fā)、案例庫建設的專業研究和教學(xué)服務機構，緻力于打造最具學(xué)術影響力和業界影響力的中國(guó)金融案例庫。中心學(xué)術指導委員會(huì)成(chéng)員由學(xué)院享有國(guó)際聲望的知名教授以及有著(zhe)豐富金融實踐經(jīng)驗的業界導師組成(chéng)，緻力于以案例爲載體的知識傳播。

【中國(guó)金融案例中心 編譯：謝彬彬 胡畔】

金融市場研究與咨詢機構Forrester在2023年6月發(fā)布了一份關于銀行業人工智能(néng)應用的報告。報告提到，随著(zhe)銀行從被(bèi)動響應轉向(xiàng)主動服務客戶需求，人工智能(néng)正在重塑銀行業。通過(guò)部分人工流程自動化，人工智能(néng)將(jiāng)改善銀行體驗，幫助客戶做出更明智的财務決策并減少其認知障礙。然而，計劃和現實之間還(hái)是存在著(zhe)巨大差距。爲了充分利用人工智能(néng)帶來的機會(huì)，銀行必須鞏固和加強人工智能(néng)計劃的基礎，例如正确的所有權、足夠的知識技能(néng)、數據治理基礎以及正确的用例選擇。

總結銀行業人工智能(néng)技術的使用，可以概括出以下幾個特點：

銀行對(duì)人工智能(néng)的應用集中在提高運營效率而非提高收入

根據Forrester的調查數據，2022年，72%的銀行管理人員表示其所在組織正在采用人工智能(néng)；另有8%的銀行計劃這(zhè)樣(yàng)做。但大多數銀行使用人工智能(néng)來提高運營效率：34%的受訪者表示，其銀行已采用或者計劃采用人工智能(néng)來提高IT運營效率；34%的受訪者對(duì)業務運營持有同樣(yàng)的計劃。32%的受訪者表示，他們的組織希望使用人工智能(néng)來提高對(duì)客戶的洞察力；32%的受訪者計劃利用人工智能(néng)來強化數據、分析或洞察平台。當被(bèi)問及使用人工智能(néng)技術對(duì)其組織的潛在益處時，受訪者認爲主要集中在提高内部流程自動化程度（39%）、提升安全性（32%）、優化客戶體驗（32%）、更好(hǎo)的隐私性（32%）、提高面(miàn)向(xiàng)客戶服務的自動化程度（30%）以及新産品和現有産品服務的創新（27%）等。

銀行與人工智能(néng)相關的項目職權歸屬不當

2022年，33%的銀行管理者表示，IT部門對(duì)人工智能(néng)相關項目負有主要責任；隻有11%的受訪者表示項目由業務部門負責。這(zhè)是一個重要的問題：業務部門的工作人員通常對(duì)影響收入增長(cháng)或客戶體驗的人工流程有更好(hǎo)的掌握，并且可以詳細描述理想的自動化流程。他們應該主要承擔所有的人工智能(néng)項目，并與IT合作執行，以确保解決方案在技術上是合理的，并滿足客戶和業務需求。不合适的項目歸屬和缺乏業務參與增加了項目返工的風險，對(duì)計劃執行的進(jìn)度和預算以及員工和客戶體驗産生負面(miàn)影響。

現階段銀行還(hái)僅使用基本的人工智能(néng)技術

根據Forrester在2022年的數據，銀行開(kāi)發(fā)人員嚴重依賴基于人工智能(néng)的軟件質量來保證技術；大多數人在軟件測試期間至少以一種(zhǒng)方式使用人工智能(néng)或機器學(xué)習技術。調查顯示，銀行管理者最希望其組織使用人工智能(néng)基礎設施（38%）和負責任的人工智能(néng)解決方案（36%），其次是基于知識的人工智能(néng)技術（29%）、自動化機器學(xué)習（26%）和認知搜索技術（26%）。

銀行依賴第三方平台進(jìn)行人工智能(néng)的開(kāi)發(fā)和應用

銀行在構建内部能(néng)力的同時，會(huì)通過(guò)第三方平台和服務提供商獲取人工智能(néng)能(néng)力。其中，購買具有嵌入式AI功能(néng)的一體化業務應用程序最受銀行決策者青睐（56%），其次爲通過(guò)第三方機構使用預訓練的人工智能(néng)模型（44%），構建内部AI能(néng)力則排名第三（43%）。在嵌入式AI功能(néng)一體化應用程序方面(miàn)，銀行最喜歡購買的是項目管理應用程序（43%），而後(hòu)依次是客戶管理應用程序（35%）、行業專用一體化應用程序（32%）、客戶分析解決方案應用程序（32%）和企業資源計劃應用程序（30%）。

銀行從業人員人工智能(néng)知識不足

根據Forrester在2022年的調查數據，銀行業53%的業務技術人員認爲自己對(duì)人工智能(néng)的了解高于平均水平；29%的人認爲自己處于平均水平。然而，缺乏人工智能(néng)技能(néng)是銀行使用人工智能(néng)面(miàn)臨的最大挑戰。當被(bèi)問及使用人工智能(néng)技術過(guò)程中最大挑戰時，22%的受訪者表示缺乏實施和操作相關AI系統的技能(néng)，22%的受訪者表示了對(duì)人工智能(néng)和機器學(xué)習模型缺乏透明度的擔憂，分别有21%的人表示缺乏開(kāi)發(fā)人工智能(néng)解決方案的技能(néng)、技術不夠自然和新的安全威脅是其面(miàn)臨的挑戰。此外，銀行也沒(méi)有充分利用合作夥伴的人工智能(néng)能(néng)力來解決技能(néng)差距，隻有11%的銀行表示其組織利用第三方合作夥伴來部署人工智能(néng)人員，更多的銀行會(huì)選擇再培訓現有員工（31%）、招聘新人員（27%），還(hái)有部分銀行在人工智能(néng)方面(miàn)的人員配置方面(miàn)沒(méi)有變化（18%），甚至進(jìn)行了人員裁減（12%）。

銀行未能(néng)將(jiāng)數據治理與人工智能(néng)管理相聯系

數據治理是人工智能(néng)技術最基本、最關鍵的領域。72%的受訪銀行管理者聲稱，其組織在人工智能(néng)模型的執行和操作方面(miàn)做得很好(hǎo)。雖然他們并不經(jīng)常將(jiāng)低質量或缺失的數據視爲采用人工智能(néng)的挑戰，但在銀行業中，隻有17%的管理者表示其組織將(jiāng)數據治理與人工智能(néng)管理聯系起(qǐ)來。銀行應該以确保數據質量的方式提供數據，并在數據治理的最佳框架下提供支持和管理，從而走上數據成(chéng)熟的道(dào)路。