智能手机的日益普及和商业领域的广泛数字化转型,正在推动人工智能(AI)在金融服务领域的应用。随着AI的发展成熟并全面融入业务运营,这一趋势也在持续加速当中。
与此同时,金融业和监管机构也都清楚,必须出手应对与AI相关的挑战和风险。
事实上,AI目前正处于重大转折点,并做好了迎接下一波飞跃的准备。只有具备合适基础设施、文化和思维方式的金融机构才能充分利用这项技术,并在日益数字化的市场环境下取得重要的竞争优势。
亚太地区的金融行业已经在多个领域应用AI技术,其中最重要的一项就是客户服务。AI聊天机器人和虚拟助理能够自动响应关于查询账户余额、预约分行服务等基本问题。这些AI工具的理念,就是尽量减少客户摩擦并降低银行运营成本。
亚洲的大部分银行已经拥有自己的聊天机器人版本,有些属于白标方案,有些则为内部原研。例如,马来西亚银行CIMB就推出了首个用于商业银行业务的对话式实时聊天机器人,当时开创了全球金融市场的先河。
与此同时,AI驱动型机器人顾问也开始更多为散户投资者提供个性化建议。不少传统金融机构已经推出了智能投顾平台,亚洲各地的金融科技智能投顾也开始激增。Endowus、Syfe、Stashaway和Robowealth等初创公司如雨后春笋般涌现。随着越来越多投资者寻求成本更低的数字化咨询服务方案,这种趋势可能还将持续下去。
基于AI的系统还可以处理大量数据以评估信用度并作出借款决策,借此提高借款流程的效率,同时降低违约风险。AI能够从多样的数据源中获取洞察,向还没有任何信用记录的个人提供借款。这样的功能在东南亚地区尤其重要,Tech for Good Institute在2021年的调查中发现,60%的中小微企业在需要融资时无法获得借款。为此,菲律宾的UnionBank已经在使用AI信用评分模型,通过更丰富的替代性数据为尚无银行账户的群体生成信用评分。
此外,AI系统还可以检测到人类难以发现的欺诈活动和洗钱模式。随着金融犯罪不断发展并变得愈发复杂,这种能力就显得尤其重要。新加坡DBS银行就在使用AI来减少误报数量并确定警报优先级,以便分析师能够将更多时间投入到风险更高的活动当中。该银行还利用AI程序收集大量银行数据,并据此做出警报决策。
在某种程度上,AI炒作的泡沫已经对技术本身的实际应用产生了不利影响。AI投资者、AI初创公司的创始人和部分顾问出于经济利益的考虑,而过度夸大了该技术的重要性。大家是不是都听说过AI即将夺走我们的工作?或者说能为企业节约下巨量资金?甚至说AI即将颠覆一切?
但现实情况是,虽然我们都希望对话式AI能先解决用户对于呼叫中心的依赖,可它哪怕是这项工作都做不到太好。在某些情况下,当前的AI仍然需要基于场景运行,即只能根据一组有限的情境做出一组预先确定的回复。如果客户的查询内容不在集合范围之内,聊天机器人就只能把咨询者引导至呼叫/客服中心。
再有,金融服务受到严格监管。行业内的从业机构必须遵循广泛的法规条款,因此AI等新技术的实施自然困难重重。金融机构必须深入了解自己要如何使用AI保障客户满意度、最佳业务绩效和合规性。
金融企业应当了解有助于打击洗钱活动的AI工具和算法,同时重视对客户数据的谨慎使用。至少在目前,人们仍然担心在财务决策中使用AI可能带来偏见、歧视等道德冲突。
出于这些担忧,新加坡推出了全球首款AI治理测试框架与工具包。这款名叫AI Verify的工具能够将技术测试和流程检查结合起来,提高公司及各利益相关方间的AI透明度与道德遵从水平。
相信未来会有更多亚洲国家效仿新加坡,由金融机构向监管机构和客户证明AI系统的可信度和透明度。银行不仅需要部署AI,更需要分配相应资源以聘请合适的人才,保证以正确方式处理和存储客户数据。
总体而言,AI已经对金融服务业产生了重大影响。而且随着技术的进一步成熟和普及,这一趋势预计将持续下去。AI在金融服务中的应用正在成为主流,而非个例。
AI在金融服务业内的应用将带来诸多好处,包括降低成本、提高效率、增强客户服务并优化决策准确性等。与此同时,金融业也意识到AI中蕴藏着必须解决的挑战和风险,例如数据隐私、安全、岗位流失和道德冲突等。
未来几年,AI在金融领域的应用将继续稳步推进,具体涵盖欺诈检测、风险管理、个人理财乃至财务建议等。
而谁能够最大限度发挥AI潜力,谁就能成功在商业利益、监管复杂性以及客户信任维护之间取得平衡点,成为下一阶段业务最成功、市场最需要的金融机构。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。