金融機構的GenAI發展路線圖

短短十年，AI完成了從“潛力十足的研究課題”到“新工業革命的中流砥柱”的華麗蛻變，逐漸普及落地。AI正在重塑各行各業的基礎流程與核心職能，從藥物研發、航班調度到供應鏈優化和醫療影像，其身影無所不在。AI不再是一種“未來概念”，而是已經成為改變游戲規則的關鍵因素。對企業而言，若能以果敢的態度和戰略性眼光推進AI應用，將會在其所屬行業贏得顯著且持久的競爭優勢。

這一點在金融領域表現得最為明顯。AI的基礎是數據，而銀行及其他多元化金融機構（FIs）恰好坐擁規模龐大、質量優良且以客戶為中心的“數據金礦”。特別值得注意的是，銀行客戶群體的細粒度交易數據能夠精準、廣泛地揭示客戶的行為特征、個人偏好、消費需求和風險概況，較之其他行業的數據集擁有顯著優勢（參閱圖1）。例如在零售銀行業，利用AI技術對客戶需求與行為模式進行前瞻性分析，并據此設計個性化產品方案，正迅速成為許多銀行市場的“標準操作”。

GenAI的快速發展進一步豐富了現有的AI工具箱，加快了金融機構利用AI創造新價值的進程。該模型能夠理解自然語言，并能生成通俗易懂的對話，這種特性顯著降低了AI技術的使用門檻，使非技術背景的員工也能輕松調用AI資源，從而將AI的應用范圍擴展到整個組織的方方面面。

金融機構高管應充分把握新一輪技術變革帶來的發展契機，著力挖掘AI與GenAI的潛能，推動行業未來發展。

本文系統闡述了從將GenAI融入現有業務架構，到通過全面AI轉型重塑傳統運營模式的實施路徑，并提供了清晰的行動綱領。在AI技術飛速發展的當下，制定科學完善的人才戰略與妥善應對治理監管挑戰同等重要。面對日新月異的技術迭代，前瞻性AI視野已成金融領袖塑造未來格局的必備素養。

將GenAI技術納入戰略發展

路線圖

媒體在報道GenAI時往往言過其實且找不準重點。過度炒作與認知混淆自然會使許多企業高管質疑，GenAI是否會讓現有的AI戰略及相關舉措“付諸東流”。這種擔憂顯然是多余的。事實上，情況恰恰相反，GenAI能與已融入金融機構現有戰略體系的AI能力形成良好的補充關系。

金融領域的從業者常籠統地以“AI”一詞指代那些專注于預測性決策模型的細分AI技術（參閱圖2）。過去十年，由于解決了銀行業與保險業中存在的諸多關鍵性預測與分類難題，覆蓋風險監控、定價優化以及產品偏好建模等重要業務環節，“預測式AI”（ predictive AI）在金融機構大放異彩。

GenAI與預測式AI均具備強大功能，但應用場景截然不同。因此，二者在實踐應用中并非“二選一”的關系。銀行在制定未來AI戰略時，應將二者同時納入其中，根據具體業務場景各取所長。

要想更好地理解預測式AI與GenAI的互補關系，我們可以參照人類大腦左右半球的分工模型（參閱圖3）。預測式AI像左半腦，主要承擔邏輯推理、量化分析與數值計算等任務。這套“左腦”系統由一系列算法構成，能夠完成概率分配、結果歸類等工作，從而為決策提供支持。而GenAI則扮演著右半腦的角色，其天生擅長創造性思維、內容表達以及宏觀視角的整合，這些都是在自動對話中生成擬人回應時所不可或缺的能力。

GenAI并不會從根本上取代現有AI戰略，而是為其增添了新的能力。因此，企業領導者應積極擁抱這一趨勢，深入思考如何利用GenAI來增強和擴展既有的AI布局，開辟新的價值創造路徑。

談及GenAI在銀行、保險業的應用，許多人首先想到的可能就是客服聊天機器人，但實際上，該技術的應用場景遠不止于此，在自動化財務分析、AI輔助代碼開發等工作中，該技術都大有用武之地。許多跨國銀行都在探索GenAI模型在這些領域的應用，有些選擇自主研發，有些選擇對外采購，包括高盛集團（Goldman Sachs）、德意志銀行（Deutsche Bank）、美國運通公司（American Express）及富國銀行（Wells Fargo）在內，一眾行業巨頭的GenAI技術解決方案已經投入實際運營。

在統籌現有預測式AI解決方案、把握GenAI帶來的新機遇時，領導層應時刻謹記，經過實踐驗證且極具潛力的AI應用已全面融入金融機構的各個作業環節，從客戶交互前端，直到后臺運營終端，都能看到其身影（參閱圖4）。

要想充分釋放GenAI的潛力，金融機構必須進一步優化工作方式，找出那些在價值創造、改善客戶與員工體驗、品質保障等方面能夠產生最大積極影響的重點項目，并按照優先級加以孵化培養。對企業高管而言，其在推進相關工作時必須把握兩大原則，一是要對AI的優勢與短板保持清醒認知，二是要以嚴謹規范的方式推進AI方面的實驗探索。

AI技術的能力邊界

與其他工具一樣，AI技術應用的關鍵在于找準場景。以預測式AI為例，在處理簡單的信用卡申請業務時，依托機器學習開發的信用風險評分模型的決策能力優于大多數人類員工，然而當面對結構復雜、個案迥異的融資交易時，則仍需依靠人類專家進行判斷。

GenAI也是如此。BCG亨德森智庫與多位頂尖學者攜手開展的一項研究表明，GenAI在創意產品開發等任務中表現卓越，如果人類試圖對該技術生成的創意成果進行優化改進，結果往往適得其反。與此同時，若將GenAI用于超出其當前技術能力的任務場景（如解決復雜商業問題），其表現則不如人類員工，從研究結果看，參與者在完成此類任務時使用GenAI，不僅無法受益，反而會受到拖累。

換言之，在“人機協作”中，若人類扮演“協作者”的角色，接手AI能力范圍之外的復雜任務（如預測式AI用于信用評分的案例），GenAI就能發揮最佳效能。若人類試圖扮演“優化者”的角色，對AI輸出的結果進行加工改進，反而會大幅削弱AI的應用效果（參閱圖5）。

規范實驗

在創新驅動型業務板塊，評估并開展小規模用例試點通常可以帶來顯著收益。通過設立此類AI實驗室，可以讓組織內部更多人培養出對AI解決方案的興趣，同時提高各方對該技術的認同感。此外，此類舉措還能為新技術的優化迭代、技術能力的建設提供平臺，為關鍵決策（如在構建技術基礎時，是自主研發、內部挖潛、對外合作，還是探索其他整合路徑）的制定提供可行路徑。

然而，過去十年AI的發展與探索歷程清晰表明，盲目實驗極易失控。那種廣泛撒網、“適者培養”（即同時啟動大量小規模用例試點，看哪些項目能茁壯成長）的策略往往收效甚微。真正高效的AI戰略，要以開展試驗的嚴謹態度，在受控環境中對精選出的項目進行試點。如此，才能讓實驗得出的洞察為領導層所用，進而精準錨定少數高價值AI機遇，凝聚整個組織的力量重點推進相關工作。

在GenAI解決方案快速發展的背景下，要想充分釋放其應用潛力，仍需持續開展實驗探索。與此同時，企業也應構建規范的實驗管理機制。

重構AI端到端解決方案

推動全方位業務重塑

近期AI應用領域的實踐經驗表明，若能端到端重構企業全業務流程，并深度整合AI技術，企業通常可以獲得更大收益。相比之下，若僅針對業務流程中的某個單一環節實施孤立的智能化改造，短期可能收效顯著，但大多只是“曇花一現”，其影響范圍和深度往往難以達到預期目標。還有一點需要注意，若在未充分考慮人機協同機制的前提下，將AI技術機械地納入傳統以人工操作為核心的業務流程，不僅可能導致系統資源配置失衡，更有可能激起員工的抵觸心理。

以點帶面，推動全面轉型

一直以來，AI帶來的所有重大突破都是源于系統性的轉型升級，即從整個AI戰略框架的角度出發，對整個流程的運作方式進行重構。所謂“端到端”方法并非要在每一步都生硬地嵌入AI技術，其精髓在于從根本重新設計整個流程，統籌考量AI與人的角色，從而實現價值最大化。

金融機構業務體系龐大，蘊含巨大的協同發展潛力，亟待我們挖掘利用。通過系統化發揮預測式AI、GenAI與人類專業知識的作用，金融機構可以實現流程效率與效能的全面提升，最終獲得“一加一大于二”的效果。

現就AI技術兩大門類在金融機構業務中的應用進行剖析：

• 分析與預測類任務。此類“左腦型任務”（例如，確定聯系客戶的最佳方案）適合由預測式AI承擔。

• 創意與表達類任務。此類“右腦型”任務（例如，為管理客戶關系創作內容與視覺設計）則更適合由GenAI負責。

這兩個簡單示例實際上是現代超個性化產品營銷活動的核心所在。通過系統運用預測式AI與GenAI，企業能夠實現大多數營銷活動的端到端自動化，涵蓋目標客戶篩選、產品方案參數配置、定制化營銷文案創作以及個性化圖像的生成與插入等關鍵環節。但需要注意的是，即便AI簡化了工作流程中的諸多環節，人類員工的參與仍不可或缺，他們不僅要負責監管整體流程，更要處理超出AI能力范圍、需要專業人士介入的特殊問題。

黃金模式

盡管統籌應用各類AI技術的方式多種多樣，但最有機會在整個業務流程中挖掘潛在價值的應用環節（尤其是那些以互補方式統籌利用預測式AI與GenAI的做法）往往遵循一些基本模式。

其中一種模式包含三個環節：（1）信息處理；（2）評估與決策；（3）創造性執行。在實際業務場景中，該模式可能對應客戶問詢的響應處理、供應商發票的處理、信用卡申請的審批決策、賬戶洗錢風險的監測預警或投資說明書特定章節的撰寫等工作流程（參閱圖6）。

在傳統業務流程中，各項操作主要依賴專業人員完成，即由人工完成信息梳理、評估分析、決策制定及后續的行動執行等環節。但實際上，在該模式的各個階段，均有機會實現人類與預測式AI、GenAI的協作。

根據具體應用場景的實際需求，在信息處理環節，可運用GenAI對海量信息進行整合與提煉，從而生成便于理解的內容摘要，或者利用預測式AI從大規模數據集中定向提取洞察信息，縮小篩選范圍。

在評估與決策環節，預測式AI能夠基于其專業領域知識（通常涵蓋待處理案例中的絕大多數情形），為符合標準的案例提供可靠的自動化決策處理，并將特殊情況轉交人工處理。在此過程中，預測模型作為業務流程的核心調度中樞，能夠自主研判是否需要人工介入。

在創造性執行環節，起草貸款拒批通知函、撰寫可疑交易活動報告以及回復客戶咨詢等事務，通常可交由GenAI模型處理。其中，對簡單及/或不涉及核心業務的案例，可以實現全流程自動化操作，對可能因GenAI模型偶發性數據偏差導致自動化執行出現風險的案例，則至少可運用該技術對重復性內容進行預處理。

在某個或多個業務環節中呈現黃金模式特征、具有重復性及大任務量屬性的工作流程，最有機會實現突破性變革、完成端到端流程轉型。

不僅要關注技術，更要注重

人才與流程

AI技術的發展一日千里，我們很容易過度關注技術本身、IT應用以及底層數據架構。客觀而言，領導者在這些方面也確實面臨著一系列重大挑戰。由于AI系統對數據的需求極大，容易導致數據規模失控，因此必須制定清晰的數據戰略。此外，盡管ChatGPT等 GenAI模型對用戶非常友好，但要想融入現有IT系統、推進規模化部署并不是一件容易的事。

銀行業在制定AI戰略時，常會忽略一些關鍵性的“軟要素”，包括目標運營模式與組織架構、AI人才與技能管理機制以及推動轉型所需的變革管理機制等。但實際上，這些要素對于戰略實施能否取得成功具有決定性影響。

運營模式與組織架構

AI技術能夠顯著提升生產效能。在該技術加持下，相關工作或可自動完成，或可實現質效提升，因此崗位職能也必須重新設計。我們發現，AI對工作的影響主要有四種，這些影響將深刻改變整個組織中各個崗位的工作內容：

• 重復性任務，如低代碼/無代碼自動化

• 知識綜合處理，如對商業貸款協議進行全面審查

• 數據驅動型決策，如供應商談判自動化

• 創造性任務，如借助AI技術增強代碼生成能力

為積極應對這種變化，金融機構亟需對以人工為主導的傳統業務流程實施系統性革新，對整體職能架構進行全面重構。為確保該項工作的有序推進，各相關機構應重點采取以下措施：

• 首先，要著力組建跨學科專業團隊，配備數據科學、商業分析及法律合規等領域的專業人才；

• 其次，要著力構建層級精簡、響應迅速的扁平化組織架構，提升業務迭代與決策速度；

• 第三，要合理優化管理范圍，更好地適應日趨復雜化的人力資源管理需求。

最后，平臺化運營模式對AI技術的成功部署具有決定性作用。若企業能在強化市場導向的基礎上，以更快的速度完成人員配置、流程優化及數據整合，將能以更高效的方式、更堅定的決心推動商業模式創新與顛覆性變革。具備產品、用戶旅程及服務全生命周期管理權限的跨職能團隊，將有效支撐業務流程的全面重構，而平臺化運營模式則能在不犧牲個性化的情況下，通過標準化架構推動規模化擴展，這種能力將成為推動轉型的關要素。

人才與技能

未來，幾乎每個由人工負責的職位都會與AI產生交集：

• 構建AI模型的職位：如技術專家，負責AI模型的開發與運維、為技術平臺提供專業技術支持，需具備深厚的專業技術能力。

• 調試AI模型的職位：如職能領域專家，負責指導AI運營工作、推動達成業務目標并將AI模型有效整合至企業的業務流程之中。

• 使用AI模型的職位：如一線業務人員，負責處理AI模型輸出的結果，解讀AI模型生成的內容與數據，為客戶及員工提供價值。

• 管理AI模型的職位：如專門負責監控AI輸出結果的專業人員，其需確保軟件產出符合預期，核查技術應用全過程的安全性與合規性。

在市場營銷、客戶服務、法務及軟件開發等特定職能領域，GenAI大有可為。該技術有望推動上述職能大規模實現自動化轉型，有效降低運營成本，同時通過提升服務質量創造新的市場需求，并促使企業將有限的資源聚焦于更具價值的任務之上。

金融機構在實施變革過程中應當堅持務實原則。具體而言，首先要找出對特定GenAI戰略具有關鍵價值的崗位，進而制定與之匹配的高附加值人才發展計劃（參閱圖7）。為確保各職能部門順利實現GenAI轉型，高管層應將GenAI戰略深度融入人力資源規劃體系，明確企業未來員工需掌握的能力，再對企業現有團隊的能力進行評估，進而科學制定相關戰略，彌合能力供需缺口，并統籌推進組織文化建設和變革管理工作，為組織制定“培養、采購、外包”三位一體的人才戰略提供決策依據。

治理為先，找到屬于自己的

發展道路

唯有在完善的AI治理框架“保駕護航”的前提下，AI技術才能充分發揮自身的變革效能，贏得組織內部對AI解決方案的廣泛認同與信任。若缺乏健全的治理機制，無論是預測式AI還是GenAI，都極易觸碰法律、監管和聲譽方面的紅線。例如，大語言模型的訓練離不開網絡上的公開數據集，若數據本身存在偏見，就可能增加特定客戶面臨的歧視風險。BCG針對全球兩千名企業高管開展的一項調研顯示，企業決策層在這方面正面臨嚴峻挑戰，高達70%的受訪高管明確表示，自己之所以不敢大膽應用GenAI技術，就是出于對大語言模型溯源能力有限的擔憂，另有68%的受訪者表示，自己是出于對該技術“黑箱”特性及數據泄露風險上升的擔憂，才對GenAI的部署心存疑慮。

全球監管機構均在積極推進AI法規的修訂工作，一邊增補GenAI條款，一邊對現行的數據隱私保護、法律責任及知識產權條款進行修訂。鑒于GenAI技術及其影響正以前所未有的速度不斷演進，監管政策的不確定性預計還將持續一段時間。盡管如此，以下三大監管框架對金融機構而言尤為值得關注。由于金融產品關乎公眾利益且具有高度敏感性，金融機構應當預見到，在這三個監管框架下將受到特別關注。

前兩大監管框架分別是《東盟人工智能治理與倫理指南》（ASEAN Guide in AI Governance and Ethics，具有指導性質的框架文件），以及更具里程碑意義的《歐盟人工智能法案》（基于風險防控的消費者權益保護法律，也是全球首部橫向適用的人工智能立法）。《歐盟人工智能法案》將預測式AI和GenAI應用劃分為四個風險等級。其中，如果應用被認定具有“不可接受的風險”，將被禁止進入歐洲市場，而“高風險”類應用則需在部署前后滿足一系列合規要求。實踐中，常見的預測式AI信用評估系統，以及基于GenAI技術的客戶服務聊天機器人，均可能被歸入高風險應用范疇。第三大監管體系是美國監管機構的做法，其目標更多是調整現有法規而非創立新法，并以更強的國家安全導向來審視GenAI的風險。

在建立完善的保障機制并有效引導AI開發者與使用者的前提下，即便技術飛速迭代，企業仍應能夠部署并高效推廣相關技術，同時實現精準的風險管控與高水平的合規管理。這些保障機制應圍繞一個核心框架構建，即確保AI的研發和應用與金融機構的核心宗旨及價值理念相契合，同時仍能帶來具有變革意義的商業影響。我們將這種做法稱為“負責任AI”（參閱圖8）。

全面且具有高度適應性的“負責任AI治理框架”必須包含以下五大核心內容：

• 戰略：構建與企業價值觀、風險管控戰略及倫理準則深度契合的AI整體發展戰略。

• 治理：設立“負責任AI”領導團隊，專門負責相關監管工作，同時建立上報渠道，識別并應對風險。

• 流程：制定嚴謹的流程，對AI產品進行監控、審查，確保其符合“負責任AI”標準。

• 技術：構建數據與技術基礎設施，降低AI應用風險，包括提供在設計中融入負責任理念、支持全生命周期監控管理的工具包。

• 文化：推動組織全員（涵蓋AI研發人員與終端用戶）深刻認識自己在踐行“負責任AI”時的職責并嚴格落實。

AI在職場中的應用日益廣泛，勢必引發一系列涉及人機協作的復雜且亟待解決的問題，同時極有可能在流程變革與技術實施層面引發組織人才的強烈反彈。雖然AI相關法規也在不斷推陳出新，但無法解答所有的新問題。而那些未雨綢繆、已著手構建“負責任AI”框架的企業將贏得重要的戰略優勢，為成功實現AI轉型奠定堅實基礎。

志存高遠

與所有具有革命性意義的新技術一樣，GenAI同樣引發了一系列重要議題——如何把握技術帶來的機遇，實現效率與效能的雙重提升？如何推進技術的部署工作？如何應對由全新人才戰略帶來的復雜挑戰？如何確保技術應用始終處于安全監管與良好治理的框架體系之內？

企業很容易產生等待、觀望的想法，然而此項工作的戰略意義極其重大，絕不可短視行事。企業高管必須將AI技術（包括GenAI）的研究與應用確立為企業轉型的核心要務，并在制定AI戰略、人力資源規劃以及圍繞該技術構建穩健治理框架時，秉持中長期的戰略眼光。那些從當下就積極為即將到來的AI革命做準備的組織，將在未來市場競爭中獲得重大優勢。

關于中國區專家

何大勇是波士頓咨詢公司（BCG）董事總經理，全球資深合伙人，BCG金融機構專項中國區核心領導，BCG亨德森智庫中國區聯席負責人。

譚彥是波士頓咨詢公司（BCG）董事總經理，全球合伙人，BCG金融機構專項中國區核心領導。

孫蔚是波士頓咨詢公司（BCG）合伙人兼副董事。

王爭是波士頓咨詢公司（BCG）轉型力中心（TIC）高級經理。

高思宇是波士頓咨詢公司（BCG）項目經理。

彭與時是波士頓咨詢公司（BCG）咨詢顧問。

如需聯絡，請致信GCMKT@bcg.com

關于作者

向上滑動查看

Stiene Riemer是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Michael Strau?是波士頓咨詢公司（BCG）董事總經理，全球資深合伙人。

Jeanne Kwong Bickford是波士頓咨詢公司（BCG）董事總經理，全球資深合伙人。

Pim Hilbers是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Nipun Kalra是BCG X印度區負責人

Aparna Kapoor是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Julian King是BCG X合伙人兼董事

Silvio Palumbo是波士頓咨詢公司（BCG）董事總經理，全球資深合伙人。

Neil Pardasani是波士頓咨詢公司（BCG）董事總經理，全球資深合伙人。

Marc Pauly是波士頓咨詢公司（BCG）合伙人兼董事

Kirsten Rulf是波士頓咨詢公司（BCG）合伙人兼副董事

Michael Widowitz是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

點個在看支持一下??