全球經濟環境承壓背景下，金融行業如何擁抱科技正成為重要命題。
近日的一次分享中，Gartner高級研究總監顏晶指出，在全球經濟逆風時期，金融機構的IT預算反而在增長。Gartner分析認為，這是由于銀行CEO的第一目標是增長，頂尖銀行會通過技術更好支撐業務服務；“同時一些銀行CEO也認識到，IT其實是利潤和建立競爭優勢的關鍵資產，這在疫情期間也得到了驗證，比如銀行可以通過數字渠道、產品等，拓展他們的業務量或提供線上客戶體驗。”她表示。
Gartner將科技金融趨勢分成三大類：成熟技術的重塑，如云技術、超級自動化、Open API技術；謹慎對待還未成熟的技術，包括生成式人工智能、嵌入式金融技術、實時跨境支付和計算；新興技術，包括數字資產和交易所、平臺技術、物聯網創造新的客戶洞察。
整體來說，銀行CIO對人工智能技術樂觀，但對區塊鏈和數字孿生猶豫不決。
熱潮與退潮
Gartner統計發現，從新冠大流行到經濟逆風時期，銀行的客戶行為發生了很大變化，主要表現在：客戶購買力在衰退，客戶價格敏感度在提高。
那么CIO正面臨著“三重壓力”：來自新興金融科技公司的競爭，交付數字化成果的壓力，部署新興技術專業化人才的稀缺。
對于銀行CIO關注的技術趨勢，顏晶進一步分析，“我們發現，云技術、人工智能是熱門的兩項技術。尤其是云，借助專門針對金融服務業相關的‘云’，銀行可以減少對本地數據中心的依賴并且可以獲得規模經濟。人工智能/機器學習是已經被視為可以支持銀行數字化愿景的關鍵技術，可以幫銀行創造更高的個性化服務、風控及預測。”
“資產管理公司是金融行業中最早采用‘云’的一類機構，但初期的‘云’主要是圍繞計算、存儲、網絡等基礎設施展開。這兩年我們看到有投資機構，已經從‘基礎云’的功能延伸至新的業務方向。”她補充道。
至于CIO認為價值不高的技術，“區塊鏈對智能合約代理銀行NFT有一定價值，但是當我們進入經濟逆風期時它能發揮的業務價值對于銀行來說非常有限；數字孿生技術目前我們看到是對制造業等實體產業的價值會更高，但是對于銀行來說似乎能夠落地的案例不多，因為銀行大部分的產品已經是數字化了的，包括貨幣本身。”她進一步表示。
這也包括前兩年火熱的Web3.0技術，顏晶對21世紀經濟報道記者表示，在經濟逆風環境下，整體區塊鏈技術對銀行整體業務，尤其是利潤支持方面帶來的作用并不大。
“Web3.0也屬于一種區塊鏈技術。Web3.0的好處在于：控制力強，客戶可以更好控制在線的身份和數據；個性化；去中心化。”她分析，但這恰恰也可能成為一些劣勢。比如Web3.0是分散的，如果基于Web2.0去開發Web3.0將非常難融合。而全球大部分經濟體目前都采取了中心化的金融管理模式，如果真正實施Web3.0又不能改變它最底層的“去中心化”，銀行面臨的問題還非常多。
“我們也看到Web3.0的缺陷。比如因為它的系統主要依賴于受信賴的第三方節點，來保證賬本安全，但如果有人要惡意篡改其賬本，就會對整個系統帶來很大安全漏洞。此外，很多大型交易所把Web3.0用在了錢包上，但盜竊和欺詐行為依然很多。2021年加密貨幣整個盜竊損失大概有140億美元，所以對銀行來說，Web3.0最大的威脅是安全性。”她說道。
尋路生成式AI
對于快速迭代成長的AI類技術，2022年Gartner在一項金融服務調查中就發現，已有27%的投資機構表示已經部署了這項人工智能技術，另有56%的機構表達會在中短期積極參與AI。
顏晶介紹，生成式AI作為一種新興科技，機構采用時的策略差異非常大。Gartner歸納為三類：第一類屬保守型，是一種偏快餐型產品，例如微軟和谷歌推出的辦公室助手，其采用成本非常低、但實施成功率非常高，問題是它不可能為金融機構帶來競爭性優勢。
第二類是拓展型，一些金融機構嘗試用AI做拓展性實驗，比如在財富管理類，可以生成一些人工智能輔助的財務顧問，這可以取代部分人類客服的工作，幫助客戶進行資產管理，尤其是在財務顧問不在位的情況下。這類人工智能項目投入成本偏高，且需要更多時間才能對業務產生一定影響。
第三類是顛覆型，探索用人工智能創造新的商業模式或顛覆該行業，這類投資會非常昂貴且風險巨大，但同時也會帶來可觀的回報。
整體來看，顏晶對21世紀經濟報道記者表示，AI大模型的興起，會從五個方面對金融科技行業帶來影響：第一，會在前臺和服務方面提出較大轉型，目前機器人已經可以在部分服務職能方面替代人力；第二是營銷，例如一些金融機構在通過大語言模型為客戶提供定制化廣告信息；第三是運營，銀行已經在探索如消費者責任知識管理方面，用生成式AI進行能力支撐；第四數據管理，大部分金融機構還只能用生成式AI的結構化數據提供服務，但已經有美國公司可以用AI結合非結構化數據，幫助銀行做風控提前預警；第五是圍繞人工智能的合作伙伴也會發生變化。
尤其是在做大模型訓練時，目前主要集成在云平臺完成，未來會有兩方向變化：銀行不愿意把敏感數據交給第三方公司訓練大模型，所以未來的模型架構不會是廠商統一管理的模式，而是有一部分權限交給銀行自主操作執行；此外一些行業敏感數據將未必上云，而是放置在邊緣端設備中。基于這一邏輯，未來的AI大模型有望以小而美模型的方式被配置在邊緣化設備中，對一些垂直類應用而言這類數據將更好釋放價值。
當然，擁抱生成式AI進程中也要對其可能帶來的風險做好預期。顏晶拆解道，需要注意其中可能帶來的不準確信息、系統性偏見、隱私和安全風險、道德風險、被泄露風險等。
（記者 駱軼琪）
來源：21世紀經濟報道
責任編輯：林紅
請輸入驗證碼