在金融领域里正确使用人工智能不仅仅是个关乎投入最多时间或金钱的问题
根据Gartner公司调研结果,四种实施行为在快速实现一些金融人工智能(AI)计划时至关重要,包括达到或超过预期效果及实现关键财务和业务成果的计划。
Gartner财务实践研究总监Jacob Joseph-David表示,“人工智能在财务部门的使用仍处于初级阶段,大多数人在过去两年才开始使用。大多数人也未能迅速实现此类项目的预期回报。”
由于人工智能在财务领域处于起步阶段,首席财务官缺乏对成功的明确定义和战略。Gartner为首席财务官们敲定金融人工智能成功的四个关键行动(见下图)。
Joseph-David表示,“采取这四项行动的部门与没有采取这些行动的部门相比,其平均人工智能用例数量是后者的两倍。结果是更重要的业务成果,如新的产品线以及财务部门的成果,如更大的准确性和更短的流程时间。”
推动金融人工智能成功的四项行动(资料来源。Gartner,2022年6月)
一般而言,要确保拥有人工智能技能和专业知识的人才有三种选择:雇用新的人才、提高现有人才的技能或从IT部门借用人才。那些将人才战略重点放在雇用外部人工智能技能人员的组织明显地更有可能成为领先的人工智能财务组织。但大约一半的金融组织却将提升技能视为主要的人才战略。
人工智能专门人员在处理人工智能的细微差别方面可以提供宝贵的经验,这可以令相应的组织克服与人工智能应用程序合作的惯性并缩短技术学习曲线。相反,提高财务人员的技能虽然可能成本较低,但这样做有可能放慢进度并可能引入大的潜在错误。此外,新的人工智能专业人员在支持人工智能部署的新想法方面可以提供超越传统流程和思维方式的机会。
有些企业用的是购买嵌入式人工智能功能软件的方法。这些企业可以更容易地进行人工智能的试验并将其应用到更多的财务用例。这些用例也可以更容易针对独特的业务问题开展试点项目。而相比之下,为所有的财务流程建立内部人工智能解决方案则会产生更多的工作,而且会减少财务部门探索新试点或用例的机会。
顶级金融人工智能组织都是采取一种多试不怕失败的实验性方法进行人工智能部署,而不是下大的赌注。有了更多的早期试点项目,就会有更多的人工智能的使用案例,并且部署速度更快,因为组织可以聚焦最成功的试点项目。
通常情况下,最成功的组织仍在探索的用例与不太成功的组织一样,其中最常见的三个用例是会计流程、后台处理和现金流预测。一个例外是客户付款预测,大约一半的领先组织的探索用例涵括客户付款预测,但不太成功的组织则很少涉及客户付款预测。
首席财务官必须选择合适的人负责人工智能部署才能实现人工智能的好处。例如,这可能意味着选择财务规划和分析(FP&A)负责人或财务分析的负责人去领导人工智能的实施,而不是选择一个高层资深管理者。
财务规划和分析以及财务分析主管在领导人工智能方面的成功是由于其强大的分析和数据背景。他们较少依赖对传统财务流程的理解,更多地是依赖对商业环境中的人工智能复杂性的理解。
好文章,需要你的鼓励
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
微软八月补丁星期二更新修复了超过100个漏洞,其中包括8个关键的远程代码执行漏洞,影响DirectX、Hyper-V、Office等多个产品。此外还修复了Windows NTLM权限提升漏洞、Hyper-V信息泄露漏洞等。值得关注的是Windows Kerberos权限提升漏洞CVE-2025-53779,虽然已有公开利用代码但暂无实际攻击证据。SharePoint的两个漏洞也需重点关注,特别是RCE漏洞CVE-2025-49712可能与已知认证绕过漏洞组合使用。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。