作者 | 蘇越

來源 | 零壹智庫

隨著底層技術(shù)的突破和算力的激增，以O(shè)penAI為代表的科技公司大模型迭代，呈現(xiàn)出了一條陡峭的曲線。ChatGPT、Sora等相繼問世，也推動著人工智能浪潮達到前所未有的高峰。

微軟總監(jiān)Sandeep Alur在訪談中提及，任何擁有消費設(shè)備和網(wǎng)絡的人都能大規(guī)模體驗Al技術(shù)。

而著名計算機科學家吳恩達則在一場演講中表示，AI其實和電力、互聯(lián)網(wǎng)一樣，是一項通用技術(shù)；更多的機會，在于大規(guī)模應用落地。

自 2022 年底chatGPT3.5引爆大模型以來，人工智能的颶風愈來愈猛烈，裹挾著以千億美元為單位計算的資本，橫掃各個角落。

金融行業(yè)是對前沿技術(shù)最為敏感的行業(yè)，也是最早擁抱人工智能的行業(yè)。如果說此前，只是頭部金融機構(gòu)在做理論研究或者小范圍試點，更多機構(gòu)在旁觀或炒作，那么現(xiàn)在，即使是最遲鈍的小微金融機構(gòu)，也不能忽視人工智能帶來的深刻變革。因為，不改變就意味著你不知道什么時候就出局了。

在各類垂直大模型中，金融大模型發(fā)布數(shù)量也位居前列。那么，人工智能在金融業(yè)的應用處于什么樣的階段？近期，UK Finance、國際清算銀行、花旗銀行等國際機構(gòu)紛紛發(fā)布調(diào)研報告，探究人工智能對金融行業(yè)的影響。

我們可以通過這些報告，從全球視角觀察人工智能，尤其是大模型在多大程度上改變了金融業(yè)，正在呼嘯而來的未來將會是什么樣子。

 01 當前與未來

不同代際的人工智能，包括機器學習（ML）、生成式AI（GenAI）以及智能體（AI Agent）的出現(xiàn)，都不同程度上增強了金融業(yè)的信息處理能力，帶來了機遇和挑戰(zhàn)。

金融機構(gòu)在人工智能應用上非常謹慎，傳統(tǒng)/預測性人工智能（predictive AI）應用普遍但處于淺層次應用；而生成式人工智能（GenAI）在金融領(lǐng)域的商業(yè)化方面尚處于非常早期的階段，主要為試點項目或概念驗證，但前景廣闊。

GenAI主要以大語言模型的形式出現(xiàn)，在兩個關(guān)鍵方面對于金融行業(yè)特別有用。

首先，機器學習多年來一直在金融領(lǐng)域處理結(jié)構(gòu)化數(shù)據(jù)和定量任務，而大多數(shù)企業(yè)數(shù)據(jù)（大約80-90%）是非結(jié)構(gòu)化的，被鎖定在電子郵件、副本、文檔和報告中�，F(xiàn)在，GenAI將提高非結(jié)構(gòu)化數(shù)據(jù)的可讀性，可應用于風險分析、信用評分、預測和資產(chǎn)管理方面。

其次，GenAI使機器具備了像人類一樣對話的能力，可改善后臺處理、客戶支持、機器人咨詢和合規(guī)性。

目前和未來，以GenAI為代表的AI創(chuàng)新前沿如何影響金融業(yè)？

目前—— 已經(jīng)產(chǎn)生作用

國際清算銀行（BIS）認為，人工智能增強了金融系統(tǒng)處理信息、分析數(shù)據(jù)、識別模式和進行預測的能力。早期的人工智能系統(tǒng)已經(jīng)被用于自動交易和欺詐檢測。隨著技術(shù)的進步，機器學習和深度學習模型在資產(chǎn)定價、信用評分和風險分析中得到了廣泛應用。雖然GenAI還處于起步階段，但金融系統(tǒng)已經(jīng)在采用它來增強后臺處理、客戶支持和合規(guī)性。

舉例而言，彭博社2023年推出了一款基于特定金融領(lǐng)域的大型語言模型的金融助手，高盛的投資銀行部門使用大型語言模型為內(nèi)部軟件開發(fā)提供編碼支持。

UK Finance在研究中指出，早在2021年，匯豐銀行和谷歌云推出反洗錢（AML）人工智能，比傳統(tǒng)監(jiān)控系統(tǒng)更高效準確，同時用密鑰解決了傳輸過程中的隱私和數(shù)據(jù)安全問題。

未來—— 選機器人而不是選銀行

“下一波Al創(chuàng)新的前沿很可能將是智能體（AI Agents）。”花旗銀行和國際清算銀行均在報告中作出這一預測。

智能體——即建立在高級語言模型如GPT-4或Claude 3之上，并被賦予了規(guī)劃能力、長期記憶以及通常能夠訪問外部工具（例如執(zhí)行計算機代碼、使用互聯(lián)網(wǎng)或進行市場交易）的AI系統(tǒng)——將得到廣泛的應用。

花旗銀行指出，隨著許多科技公司涉足金融服務，消費者可能會將某些財務決策委托給這些AI助手。這些智能體配備了復雜的算法和訪問大量數(shù)據(jù)的能力，將與金融機構(gòu)協(xié)商，為其用戶爭取最佳的可能交易。這種轉(zhuǎn)變不僅將簡化金融服務，還能確保決策具有人類客戶可能無法獨立實現(xiàn)的精確度和遠見。

在這個新范式中，消費者面臨的關(guān)鍵決策將是選擇正確的機器人而不是選擇正確的銀行。選擇機器人驅(qū)動的顧問，就像選擇人類財務顧問一樣，將成為一項關(guān)鍵任務。屆時，顧問公司、金融機構(gòu)、科技公司、新型服務公司都可能參與進新的市場競爭中。

 02 

從“驚嘆”到“如何實現(xiàn)”

從細分領(lǐng)域上看，銀行、保險、資產(chǎn)管理和支付都有業(yè)務已應用了人工智能，如信貸承銷、算法交易、組合構(gòu)建和交易監(jiān)控等，但在這一輪AI軍備競賽中，銀行、保險公司等正處于追趕狀態(tài)。

在花旗銀行的調(diào)查中，近四分之一的銀行尚未開始采用AI，68%的銀行及88%的保險公司仍處于AI的“起步”階段，兩者“成熟”階段比例均低于金融科技公司的13%。

圖1：銀行、保險、金融科技公司

在AI軍備競賽中所處階段占比

來源：AI IN finance，花旗銀行

“目前在生產(chǎn)中使用的通用人工智能可以忽略不計，且小于預測性人工智能。”人工智能測試和監(jiān)控初創(chuàng)公司TruEra首席數(shù)據(jù)官Shameek Kundu表示，”我們在金融領(lǐng)域通用人工智能的商業(yè)化方面還處于非常早期的階段，幾乎全是試點項目或概念驗證。”

誠如此言，GenAI的商業(yè)模式仍處于探索的初期。OpenAI自成立以來的收入累計不足20億美元，卻耗費了113億美元融資。微軟的GitHub Copilot平均每月在每個用戶上的虧損超過20美元，每個重度用戶高達80美元。

對于AI在金融行業(yè)的落地，花旗銀行認為，人才短缺、風險與合規(guī)以及傳統(tǒng)技術(shù)是金融機構(gòu)采用人工智能的主要障礙。

例如使用機器人執(zhí)行交易，機構(gòu)需要具有內(nèi)嵌控制和規(guī)定的云原生技術(shù)，這對于向監(jiān)管機構(gòu)展示決策/結(jié)果是公平和負責任的至關(guān)重要。達到這種復雜程度需要持續(xù)反思和重新培訓，需要結(jié)合產(chǎn)品設(shè)計、數(shù)據(jù)工程、風險與合規(guī)以及技術(shù)熟練度，雖然設(shè)計本身并非固復雜，但它需要能力上的重大轉(zhuǎn)變。

UK Finance則認為，數(shù)據(jù)隱私風險、技術(shù)成熟度、監(jiān)管風險、幻覺（GenAI模型生成不是基于真實數(shù)據(jù)或事件的信息，但將其作為事實呈現(xiàn)）、內(nèi)部決策與人才是GenAI的實施挑戰(zhàn)。

花旗銀行預計，人工智能有望到2028年為全球銀行業(yè)利潤池增加1700億美元或9%；當下，GenAI已成為金融行業(yè)新生產(chǎn)力的一部分，但自身尚不具備傳統(tǒng)軟件的規(guī)模經(jīng)濟，需要通過給用戶巨額補貼來培育市場。

所有技術(shù)都會經(jīng)歷周期：炒作、幻滅，然后是大規(guī)模采用。自2023年第二季度以來，金融行業(yè)對人工智能的期望一直很高。金融機構(gòu)正在從“驚嘆”到“如何實現(xiàn)”的過渡中，炒作與大規(guī)模應用之間的差距仍然很大。

 03 

四方難題與挑戰(zhàn)

在金融行業(yè)應用人工智能的過程中，金融機構(gòu)面臨競爭落后的挑戰(zhàn)，金融從業(yè)者面臨結(jié)構(gòu)性失業(yè)風險，金融行業(yè)面臨技術(shù)革新帶來的風險加劇，監(jiān)管則可能面臨金融穩(wěn)定性和系統(tǒng)性風險。

此外，AI被惡意濫用導致的犯罪規(guī)模擴大和科技倫理風險，在金融市場同樣存在。

金融機構(gòu)—— 非人類客戶的增長

銀行在第一波技術(shù)浪潮中是早期應用和投資的推動者，早在20世紀50年代，銀行就投資了第一批大型計算機，但在最近的互聯(lián)網(wǎng)和移動時代卻落后了。

花旗銀行報告預測，AI帶來的最大的新事物將是非人類客戶的增長。到2030年或更早，AI Agent將存在于金融領(lǐng)域，客戶可能比銀行更早擁有AI代理和機器人，大型企業(yè)與消費者之間的等級制度被顛倒了。

AI Agent可能會被科技公司先采用，敏捷的銀行則會迅速跟進，許多金融機構(gòu)由于傳統(tǒng)技術(shù)和文化制約的拖累將失去市場份額。

金融從業(yè)者—— 豐厚回報與被取代的風險

花旗銀行認為，金融公司的員工數(shù)量未來不會因為AI出現(xiàn)實質(zhì)性的下降，由于減少內(nèi)容和編碼相關(guān)員工數(shù)量而獲得的任何收益，可能部分或全部被AI相關(guān)合規(guī)經(jīng)理和倫理治理員工數(shù)量的增加所抵消。

但是，隨著人工智能技術(shù)的進步，開發(fā)者可能會變得更便宜、更易被替代，基礎(chǔ)角色將被技術(shù)所取代。擁有最佳想法的人將會獲得豐厚的回報，而其他人則面臨被取代的風險。

金融行業(yè)—— 行業(yè)性風險增加

國際清算銀行報告指出，隨著技術(shù)的復雜性增加，金融系統(tǒng)面臨的風險和挑戰(zhàn)也在增加，包括復雜機器學習模型的不透明性、對大量數(shù)據(jù)的依賴、消費者隱私的威脅、網(wǎng)絡安全和算法偏見等。GenAI加劇了其中一些挑戰(zhàn)，并增加了對數(shù)據(jù)和計算能力的依賴。

此外，對于市場集中度和競爭的擔憂也在增加，因為GenAI模型主要由幾家主導公司生產(chǎn)。

監(jiān)管—— 關(guān)注實體經(jīng)濟中斷引發(fā)的金融溢出風險

國際清算銀行報告指出，與金融系統(tǒng)中使用人工智能相關(guān)的其他可能更嚴重風險包括穩(wěn)定性問題。

例如，即使是早期的基于規(guī)則的計算機交易系統(tǒng)也與1987年美國股市崩盤中的級聯(lián)效應和羊群行為有關(guān)。金融穩(wěn)定性問題，源于數(shù)據(jù)集的同質(zhì)化、模型羊群效應和網(wǎng)絡互聯(lián)性，又因GenAI的特定特征而進一步加�。鹤詣踊�程度的提高、速度和普及性。

此外，從監(jiān)管者的角度來看，使用先進的人工智能技術(shù)將面臨進一步的挑戰(zhàn)：復雜交互的激增和固有的不可解釋性，使得及時發(fā)現(xiàn)市場操縱或金融穩(wěn)定性風險變得困難。有了GenAI、協(xié)同駕駛和機器人顧問，決策可能會變得更加同質(zhì)化，可能會增加系統(tǒng)性風險。

值得一提的是，BIS強調(diào)了實體經(jīng)濟中斷引發(fā)的金融溢出風險，即AI導致勞動力市場發(fā)生重大位移，根據(jù)干擾的程度，可能導致金融穩(wěn)定風險。其傳導機制類似于在20世紀20年代，農(nóng)業(yè)機械化使超過10%的美國勞動力從農(nóng)業(yè)部門轉(zhuǎn)移出去，導致了廣泛的抵押貸款違約，這在1929年金融危機及其引發(fā)的大蕭條中發(fā)揮了重要作用。

在極端負面場景推斷中，高度發(fā)展的AI系統(tǒng)迅速自動化可能會導致嚴重的經(jīng)濟位移。例如突然的收入和財富重新分配、企業(yè)和消費者違約、利率飆升、政府收入減少和政治不穩(wěn)定，所有這些都可能顯著削弱金融穩(wěn)定性。

參考資料：1、英國金融公司（UK Finance），《The Impact of AI Financial Services: Opportunities, Risks and Considerations》2、國際清算銀行（BIS），《Intelligent financial system: how AI is transforming finance》3、花旗銀行，《AI IN finance》

本文也參考了點滴金融資訊的內(nèi)容翻譯。

       原文標題 : 國際報告：從炒作到大規(guī)模應用，金融大模型的四方難題