如果说2023年是生成式人工智能（AI）的元年,那么2024年则是其应用涌现的一年。《2024年金融业生成式人工智能应用报告》对生成式AI发展前景做出预测，“生成式人工智能正在席卷金融业，释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局。”对于金融机构运用AI需要具备哪些能力以及如何实施规划，《金融时报》记者专访了BCG波士顿咨询全球智库资深顾问孙中东。
孙中东 BCG波士顿咨询全球智库资深顾问、中国银行业开放银行首倡者、资深银行数字化转型专家。
生成式人工智能规模化应用和价值实现的障碍
《金融时报》记者：近年来人工智能技术不断进行变革，请问目前企业在跟上人工智能变革的节奏上有哪些挑战？
孙中东：过去50年整个科技界经历的四次平台转换都带来了巨大的变革，这四次分别是1977年个人电脑、1991年互联网及2007年的智能手机、2022年至2023年的生成式人工智能。现在对于很多领先公司来说，对人工智能这件事情的看法决定了公司的市值增长。
但其实人工智能，尤其大模型出来以后是有一个悖论的。我们用提示词工程去做一些简单的试点很容易见成效。但是真正做到规模化应用并投入生产，目前来说是难如登天的。各行各业都有大规模的应用范例，大家都在尝试。从生成式人工智能自身的特征来讲，目前常见的人工智能规模化应用和价值实现的障碍正在被生成式人工智能的特征所强化。第一，生成式人工智能依赖不断发展的生态系统，需要不断做出技术和合作决策，并管理依赖关系。第二，动态的政策环境，生成式人工智能的监管框架仍在制定中，各国情况不同。第三，生成式人工智能人才稀缺，具备深厚的专业技术的人才稀缺，但相对于数据科学/ML/AI方面的专业要求，生成式人工智能应用方面可能会容易一些。第四，应用各层之间的高度依赖，规模化的人工智能应用需要对各操作模型层进行综合规划。第五，技术成本高昂，大规模预训练语言模型（LLM） 成本是投资回报率（ROI）的相关因素，预计会随着时间推移而降低。
从人工智能的发展层面来讲，对于企业来说，人工智能规模化也是有障碍的。首先是战略。企业有没有制定详尽的战略对人工智能的规模化扩展至关重要。并且战略和实施路径图同样重要，光有战略不去实施也是没用的，战略有了以后，还要有具体的路径图。其次还是老生常谈的人工智能的监管问题。由于人工智能本身的一些特点，尤其是动态的监管环境，监管和安全上的一些想法，包括美国、欧盟、中国都在对人工智能进行动态的政策调整过程中。因为看不清，所以可能遇到意料之外的一些情况都会使我们应用的难度增大。
《金融时报》记者：请问金融业数字化转型目前处于什么阶段，在此发展阶段中有哪些问题需要注意？
孙中东：金融业数字化转型发展到今天，已经到了四期叠加的特殊时代。
一期信息化，是指系统替代手工，实现效率提升。20世纪末，金融行业开始探索信息化建设，到2013年，绝大多数业务的电子化信息化程度已经高度成熟，目前信息化已经到了末期。二期移动化是指手机替代网点，打造高效、便捷、简单的客户体验。智能手机快速普及，金融行业大力开发移动端，目前移动化是在成熟期。三期开放化是指开放替代封闭，延伸服务，实现无处不在、无缝流畅的客户体验。以银行为代表的金融机构2017年开始发力开放银行，现在处于成长期。四期智能化是指数据替代经验，实现高度个性、智能的客户体验，现在还在探索期。目前数字化转型的整体发展态势是四期叠加，这四个阶段是有定义的，可以很清晰地区分出来。招行和平安走在前列，他们信息化、移动化、开放化已经非常成功，现在的重点是如何面对市场，怎么做营销，怎么做经营。当前，金融业面临的最大挑战，就是生成式人工智能的到来。本来金融业在探索智能化，现在一下摆在面前了，再过三年、五年，跑不出来的金融企业即使是在牌照保护的前提下也会面临生存危机。
《金融时报》记者：请问现在金融业中大模型落地的情况以及行内需要面对的问题是什么？
孙中东：简单讲一下大模型落地。大模型的落地首先应该围绕以客户为中心提升客户体验为目标，客户体验在美国金融业的净推荐值（NPS）平均分是34分，互联网公司一般是60-70分，中国金融业只有20分，是非常低的。每提升1分NPS不但提升客户满意度也可以带动巨大的金融业绩提升。在如何结合人工智能方面，我们需要与金融业务经营的专业知识深度结合，以人为本，更好地倾听，更深入地洞察，更精准地服务。
在如何有效避免“幻觉”，达到监管遵从方面，现在还没有太好的办法，我们可以通过人工智能在自动化预审和文案输出等方面做更多的努力，数字人这种直接对话的，恐怕银行也不太敢用。
金融类企业内部最高管理层也正在面对许多挑战。据统计，50%以上的高管不鼓励使用GenAI，他们考虑的问题主要是以下几个方面：人工智能应用路线图和投资重点不明确；未制定负责任的生成式人工智能战略；缺乏人才和技能；高层管理人员责任不明确；领导层意见不一致；对即将出台的人工智能监管准备不足；缺少应用案例；数据质量太差；员工队伍能力不足；缺乏数据和数字平台；忙于应对其他挑战/危机；预算不足。
四期叠加时期金融业运用人工智能的策略
《金融时报》记者：如果银行等金融企业要全力投入人工智能，请问运营模式框架是什么？
孙中东：“全力投入人工智能”运营模式主要从四个方面定义。
第一是人员与流程。人工智能大模型落地对企业的人工智能能力、人才需求和交付模式都提出了极高的要求。目前来看，市场上主要存在四种潜在的运营模式。一是许多大型公司的起点：非集中化。该模式下，没有核心人工智能部门，没有针对人工智能技术的标准化流程，主要承接本土化的临时人工智能项目。二是中心人工智能作为 “促进者”的模式。该模式下，业务单位/职能部门牵头执行，中心人工智能提供咨询和建议并进行协调，提供基于需求的支持，中心人工智能拥有维护全球人工智能工具的能力，有更专业的资源来支持业务单位或职能部门的项目。三是中心人工智能作为 “执行者”。该模式下，中心人工智能部门拥有大部分人工智能资源，更成熟的业务单位或职能部门拥有精选的人工智能人才，业务单位或职能部门利用中心人工智能部门的大量资源执行工作。第二和第三种模式可以称为“联邦模式”，是大多数大公司在实施人工智能战略后实施的模式。四是许多规模较小或有特殊需求的公司完全集中的运营模式。该模式下，中心团队容纳并培训大部分人工智能资源，中心人工智能维护人工智能用例和相关请求的整体视图，负责定义标准并确定最佳实践。金融业应该选择联邦模式为妥。
第二是潜力，需要从构思，选择，实施，运营四个方面挖掘人工智能潜力，达到稳定的运营状态。构思方面，要制定合理的人工智能投资组合战略，识别优先次序的业务案例中的关键要素，并为客户制定管理人工智能计划的接收流程。选择方面，要对用例优先级进行排序 ，确定优先级排序框架和关键决策。实施方面，明确试点或示范项目的审查执行进度和批准运营流程。运营方面，要清楚持续监控价值实现的流程。
第三是政策，需要一个全面的负责任的人工智能框架，以确保合乎道德和合规地使用AI技术。负责任的人工智能战略需要在多方面制定合理的制度框架，首先建立管理委员会制定政策和指导方针，并负责人工智能伦理道德小组的人才培训；其次，需要对关键流程进行控制监测；再次，要善于利用代码库和软件工具，不断完善技术平台并提高复原力；最后，要规范员工认知和行为准则，培养直言不讳的企业文化。
第四是平台与合作伙伴，人工智能平台将为技术和业务利益相关者提供服务，需要考虑数据科学家，商业领袖，工程经理，应用团队，平台团队和人工智能使用案例小组等多用户需求。
《金融时报》记者：请问金融企业运用人工智能所要具备的能力有哪些？
孙中东：首先，人工智能交付过程中需要具备的能力包括以下四个层面：一是构思，首先要有创意的产生和商业案例开发。二是选择，要评估和确定优先事项，并确保资金获取途径安全有效。三是实施，需要对实施项目进行规划并对企业能力进行合理分配；选择参与的供应商，合作建立执行小组；项目实施完成后需要进行持续检测和优化，最终将此次实施流程和成果扩展到企业的整体战略中。四是运营，根据实施项目的特点重新设计工作流程，培训员工并对组织结构进行变革管理，设计出完整的运营流程之后进行规模推广，并进行持续监测和优化。其次，人工智能与数据战略层面，需要制定人工智能战略和路线图，管理人工智能组合，集中研发，绘制数据战略和路线图，制定合理的筹资战略并确定合作伙伴。再次，人工智能与数据管理层面，应制定负责任的人工智能政策、数据管理和治理政策，搭建规范的数据域架构，严格管控数据保管和监管，明确并保护数据所有权。最后，人工智能与数据平台层面，主要包括平台战略与架构，快速工程，LLMOps、MLOps、DataOps，基础设施与开发安全运营，边缘人工智能模型部署与监控五个方面。人才与文化层面，应从交流与认识，招聘与雇用，培训与发展三个阶段着手，建立长效的人才挖掘与培养机制。
《金融时报》记者：请问人工智能战略如何实施？
孙中东：人工智能战略实施大体分为三个阶段。
第一阶段：奠定基础，建立中心人工智能组织，交付第一波使用案例，并启动第二波使用案例。人员层面：建立平台、交付和项目管理团队；启动人工智能和非人工智能人才的技能提升工作。挖掘潜力层面：建立组合管理，对第一波用例进行季度商业审查（QBR），并启动第二波用例。政策层面：为实施《负责任人工智能战略》（RAI）制定和推出广泛的政策。平台层面：为第一波用例建立端到端基础设施（包括开发、暂存和部署），第二波用例处于开发阶段。
第二阶段：规模化，扩大团队和基础设施的规模，完善流程并监控进度。人员层面：扩大所有中心人工智能团队的规模；继续提高组织的参与度和技能，并提高人工智能总体任务进展的能见度。挖掘潜力层面：将季度业务审查（QBR）制度化，以审查试点和已投入使用的用例。政策层面：监测和评估RAI框架；根据需要进行更新。平台层面：根据预期的使用案例数量（可能为15-20个）扩展平台，不断丰富和优化平台。
第三阶段：为联邦式企业运营结构做准备，实现用例构建的自助服务，评估向联合模式的过渡。人员层面：评估中心模式的有效性。挖掘潜力层面：评估和优化投资组合分配目标。政策层面：继续监测和更新RAI框架和政策。平台层面：为不同的业务单位/职能改进和定制基础设施。
《金融时报》记者：通过您对第四次平台转换的研究，请问金融业需要在人工智能领域全力投入吗？
孙中东：我认为答案是肯定的。第一，四期叠加，智能化是共同目标。我们站在这个时代回头看，会更容易明白为什么金融业到这个阶段特别需要生成式人工智能，跟数字化转型是什么关系？目前我们所处的四期叠加状态使得每家银行处在不同的位置。现在很多银行担心手机银行不好用，开放银行没有做好，信息化的短板还在补齐。这时候特别需要中小银行在数字化转型里跑出来，起码不能落伍，等领先银行在人工智能跑出来的时候，对没跑出来的银行将会带来巨大的冲击。
第二，人工智能是全业务全流程覆盖的。波士顿咨询公司出了一本白皮书，认为生成式人工智能的应用场景可以贯穿银行前、中、后台各个环节。而现在一些专家对数字人是不认可的。因为专家的观点是数字人很容易就被GPT所取代，没有太强的行业属性，GP现在没有来得及做这些功能，但是下一个版本很容易就被把你取代掉了，银行需要做垂直场景，做大模型在银行的应用是最好的选择而不是做大模型本身。
第三，从人工智能为银行带来了降本增效的角度来讲。从市场、营销、渠道、产品研发的角度来说，行业内较为领先的金融企业会在投顾、客户关系管理、风险合规等层面都进行探索。银行对内肯定要讲成本和效益。以一家2万人规模的银行为例，我们做了一个测算，如果薪酬总包是20亿美元的话，在各个岗位如果大模型都充分利用，根据现在的预判，在营销、技术、编码、风控、运营、信贷等岗位上，用生成式人工智能助手，大概可以节省1.5亿美元的成本。也就是说，多余的人可以转岗到更需要人力支持的岗位上去。从这些方面看，人工智能在金融业领域的应用并非单一的，而是各个层面联动的。
