来源 | 零壹智库

随着底层技术的突破和算力的激增，以OpenAI为代表的科技公司大模型迭代，呈现出了一条陡峭的曲线。ChatGPT、Sora等相继问世，也推动着人工智能浪潮达到前所未有的高峰。

微软总监Sandeep Alur在访谈中提及，任何拥有消费设备和网络的人都能大规模体验Al技术。

而著名计算机科学家吴恩达则在一场演讲中表示，AI其实和电力、互联网一样，是一项通用技术；更多的机会，在于大规模应用落地。

自 2022 年底chatGPT3.5引爆大模型以来，人工智能的飓风愈来愈猛烈，裹挟着以千亿美元为单位计算的资本，横扫各个角落。

金融行业是对前沿技术最为敏感的行业，也是最早拥抱人工智能的行业。如果说此前，只是头部金融机构在做理论研究或者小范围试点，更多机构在旁观或炒作，那么现在，即使是最迟钝的小微金融机构，也不能忽视人工智能带来的深刻变革。因为，不改变就意味着你不知道什么时候就出局了。

在各类垂直大模型中，金融大模型发布数量也位居前列。那么，人工智能在金融业的应用处于什么样的阶段？近期，UK Finance、国际清算银行、花旗银行等国际机构纷纷发布调研报告，探究人工智能对金融行业的影响。

我们可以通过这些报告，从全球视角观察人工智能，尤其是大模型在多大程度上改变了金融业，正在呼啸而来的未来将会是什么样子。

不同代际的人工智能，包括机器学习（ML）、生成式AI（GenAI）以及智能体（AI Agent）的出现，都不同程度上增强了金融业的信息处理能力，带来了机遇和挑战。

金融机构在人工智能应用上非常谨慎，传统/预测性人工智能（predictive AI）应用普遍但处于浅层次应用；而生成式人工智能（GenAI）在金融领域的商业化方面尚处于非常早期的阶段，主要为试点项目或概念验证，但前景广阔。

GenAI主要以大语言模型的形式出现，在两个关键方面对于金融行业特别有用。

首先，机器学习多年来一直在金融领域处理结构化数据和定量任务，而大多数企业数据（大约80-90%）是非结构化的，被锁定在电子邮件、副本、文档和报告中。现在，GenAI将提高非结构化数据的可读性，可应用于风险分析、信用评分、预测和资产管理方面。

其次，GenAI使机器具备了像人类一样对话的能力，可改善后台处理、客户支持、机器人咨询和合规性。

目前和未来，以GenAI为代表的AI创新前沿如何影响金融业？

目前—— 已经产生作用

国际清算银行（BIS）认为，人工智能增强了金融系统处理信息、分析数据、识别模式和进行预测的能力。早期的人工智能系统已经被用于自动交易和欺诈检测。随着技术的进步，机器学习和深度学习模型在资产定价、信用评分和风险分析中得到了广泛应用。虽然GenAI还处于起步阶段，但金融系统已经在采用它来增强后台处理、客户支持和合规性。

举例而言，彭博社2023年推出了一款基于特定金融领域的大型语言模型的金融助手，高盛的投资银行部门使用大型语言模型为内部软件开发提供编码支持。

UK Finance在研究中指出，早在2021年，汇丰银行和谷歌云推出反洗钱（AML）人工智能，比传统监控系统更高效准确，同时用密钥解决了传输过程中的隐私和数据安全问题。

未来—— 选机器人而不是选银行

“下一波Al创新的前沿很可能将是智能体（AI Agents）。”花旗银行和国际清算银行均在报告中作出这一预测。

智能体——即建立在高级语言模型如GPT-4或Claude 3之上，并被赋予了规划能力、长期记忆以及通常能够访问外部工具（例如执行计算机代码、使用互联网或进行市场交易）的AI系统——将得到广泛的应用。

花旗银行指出，随着许多科技公司涉足金融服务，消费者可能会将某些财务决策委托给这些AI助手。这些智能体配备了复杂的算法和访问大量数据的能力，将与金融机构协商，为其用户争取最佳的可能交易。这种转变不仅将简化金融服务，还能确保决策具有人类客户可能无法独立实现的精确度和远见。

在这个新范式中，消费者面临的关键决策将是选择正确的机器人而不是选择正确的银行。选择机器人驱动的顾问，就像选择人类财务顾问一样，将成为一项关键任务。届时，顾问公司、金融机构、科技公司、新型服务公司都可能参与进新的市场竞争中。

从“惊叹”到“如何实现”

从细分领域上看，银行、保险、资产管理和支付都有业务已应用了人工智能，如信贷承销、算法交易、组合构建和交易监控等，但在这一轮AI军备竞赛中，银行、保险公司等正处于追赶状态。

在花旗银行的调查中，近四分之一的银行尚未开始采用AI，68%的银行及88%的保险公司仍处于AI的“起步”阶段，两者“成熟”阶段比例均低于金融科技公司的13%。

图1：银行、保险、金融科技公司

来源：AI IN finance，花旗银行

“目前在生产中使用的通用人工智能可以忽略不计，且小于预测性人工智能。”人工智能测试和监控初创公司TruEra首席数据官Shameek Kundu表示，”我们在金融领域通用人工智能的商业化方面还处于非常早期的阶段，几乎全是试点项目或概念验证。”

诚如此言，GenAI的商业模式仍处于探索的初期。OpenAI自成立以来的收入累计不足20亿美元，却耗费了113亿美元融资。微软的GitHub Copilot平均每月在每个用户上的亏损超过20美元，每个重度用户高达80美元。

对于AI在金融行业的落地，花旗银行认为，人才短缺、风险与合规以及传统技术是金融机构采用人工智能的主要障碍。

例如使用机器人执行交易，机构需要具有内嵌控制和规定的云原生技术，这对于向监管机构展示决策/结果是公平和负责任的至关重要。达到这种复杂程度需要持续反思和重新培训，需要结合产品设计、数据工程、风险与合规以及技术熟练度，虽然设计本身并非固复杂，但它需要能力上的重大转变。

UK Finance则认为，数据隐私风险、技术成熟度、监管风险、幻觉（GenAI模型生成不是基于真实数据或事件的信息，但将其作为事实呈现）、内部决策与人才是GenAI的实施挑战。

花旗银行预计，人工智能有望到2028年为全球银行业利润池增加1700亿美元或9%；当下，GenAI已成为金融行业新生产力的一部分，但自身尚不具备传统软件的规模经济，需要通过给用户巨额补贴来培育市场。

所有技术都会经历周期：炒作、幻灭，然后是大规模采用。自2023年第二季度以来，金融行业对人工智能的期望一直很高。金融机构正在从“惊叹”到“如何实现”的过渡中，炒作与大规模应用之间的差距仍然很大。

四方难题与挑战

在金融行业应用人工智能的过程中，金融机构面临竞争落后的挑战，金融从业者面临结构性失业风险，金融行业面临技术革新带来的风险加剧，监管则可能面临金融稳定性和系统性风险。

此外，AI被恶意滥用导致的犯罪规模扩大和科技伦理风险，在金融市场同样存在。

金融机构—— 非人类客户的增长

银行在第一波技术浪潮中是早期应用和投资的推动者，早在20世纪50年代，银行就投资了第一批大型计算机，但在最近的互联网和移动时代却落后了。

花旗银行报告预测，AI带来的最大的新事物将是非人类客户的增长。到2030年或更早，AI Agent将存在于金融领域，客户可能比银行更早拥有AI代理和机器人，大型企业与消费者之间的等级制度被颠倒了。

AI Agent可能会被科技公司先采用，敏捷的银行则会迅速跟进，许多金融机构由于传统技术和文化制约的拖累将失去市场份额。

金融从业者—— 丰厚回报与被取代的风险

花旗银行认为，金融公司的员工数量未来不会因为AI出现实质性的下降，由于减少内容和编码相关员工数量而获得的任何收益，可能部分或全部被AI相关合规经理和伦理治理员工数量的增加所抵消。

但是，随着人工智能技术的进步，开发者可能会变得更便宜、更易被替代，基础角色将被技术所取代。拥有最佳想法的人将会获得丰厚的回报，而其他人则面临被取代的风险。

金融行业—— 行业性风险增加

国际清算银行报告指出，随着技术的复杂性增加，金融系统面临的风险和挑战也在增加，包括复杂机器学习模型的不透明性、对大量数据的依赖、消费者隐私的威胁、网络安全和算法偏见等。GenAI加剧了其中一些挑战，并增加了对数据和计算能力的依赖。

此外，对于市场集中度和竞争的担忧也在增加，因为GenAI模型主要由几家主导公司生产。

监管—— 关注实体经济中断引发的金融溢出风险

国际清算银行报告指出，与金融系统中使用人工智能相关的其他可能更严重风险包括稳定性问题。

例如，即使是早期的基于规则的计算机交易系统也与1987年美国股市崩盘中的级联效应和羊群行为有关。金融稳定性问题，源于数据集的同质化、模型羊群效应和网络互联性，又因GenAI的特定特征而进一步加剧：自动化程度的提高、速度和普及性。

此外，从监管者的角度来看，使用先进的人工智能技术将面临进一步的挑战：复杂交互的激增和固有的不可解释性，使得及时发现市场操纵或金融稳定性风险变得困难。有了GenAI、协同驾驶和机器人顾问，决策可能会变得更加同质化，可能会增加系统性风险。

值得一提的是，BIS强调了实体经济中断引发的金融溢出风险，即AI导致劳动力市场发生重大位移，根据干扰的程度，可能导致金融稳定风险。其传导机制类似于在20世纪20年代，农业机械化使超过10%的美国劳动力从农业部门转移出去，导致了广泛的抵押贷款违约，这在1929年金融危机及其引发的大萧条中发挥了重要作用。

在极端负面场景推断中，高度发展的AI系统迅速自动化可能会导致严重的经济位移。例如突然的收入和财富重新分配、企业和消费者违约、利率飙升、政府收入减少和政治不稳定，所有这些都可能显著削弱金融稳定性。