研究背景与目的
本报告由英国金融联合会委托 Oliver Wyman 共同撰写，旨在探讨人工智能（AI）在金融服务领域的应用现状、机遇、风险及政策考量。报告主要面向金融服务业的专业人士、高级管理人员、政策制定者和监管机构，旨在呈现 AI 在金融服务业的全面影响，包括生成式 AI 和预测式 AI 的应用。
AI 技术概述
报告首先区分了预测式 AI 和生成式 AI 两种技术类型。预测式 AI 主要用于数据分析、模式识别和预测任务，而生成式 AI 则更擅长内容生成，其优势在于流畅性。报告强调，生成式 AI 的输出具有不确定性和创造性，需要根据具体应用场景选择合适的模型。
AI 在金融服务领域的应用现状
调查显示，超过 90% 的金融机构已经部署了预测式 AI，主要用于欺诈检测和后台功能，并取得了实际效益。生成式 AI 尚处于早期阶段，但超过 60% 的机构认为其具有带来显著成本节约和提高运营效率的潜力。目前，大部分生成式 AI 应用案例仍处于概念验证或试点阶段，主要集中在流程自动化、生产力与运营以及风险管理等领域。
生成式 AI 的实施挑战与机遇
报告提出了生成式 AI 应用分为三个阶段的价值创造模型：
- 第一阶段：通过点解决方案优化当前状态，创造 10-20% 的价值。
- 第二阶段：随着数据质量和可访问性的提高，现有流程和应用将演变，创造 20-30% 的价值。
- 第三阶段：成熟的技术应用和与现有系统的深度集成将带来根本性的业务变革，创造大部分价值。
报告指出，金融机构需要建立核心创新能力，包括数据质量、基础设施、技能培训、风险管理和采购框架等，才能充分释放生成式 AI 的潜力。
AI 的风险与缓解措施
报告分析了 AI 的已知风险，包括问责制和监督、透明度和可解释性、数据隐私、偏见和公平性以及安全风险等。生成式 AI 带来了新的风险，例如“幻觉”、输出不可靠、知识产权、数据使用和隐私泄露等。报告建议通过限制生成式 AI 的应用范围、提高业务意识、进行模型输出质量保证、明确训练数据多样性、建立强大的内部风险框架等措施来缓解风险。
AI 的战略应用案例
报告以 Marsh McLennan 的 LenAI 和 Google Cloud 与 HSBC 的反洗钱（AML）AI 为例，展示了 AI 在金融服务领域的实际应用案例。
政策与监管环境
报告对比了英国和欧盟的 AI 监管方法，指出英国倾向于采用基于原则和结果的监管方法，而欧盟则采用基于风险的监管方法。报告还分析了其他司法管辖区，如美国和新加坡的 AI 监管情况。报告认为，监管不确定性是 AI 应用的一大障碍，需要进一步明确 AI 的定义、监管范围、AI 提供商和 AI 部署者之间的保证挑战、禁止的 AI 应用以及监管的协调和统一等问题。
结论与展望
报告预计未来三到六个月内将出现 AI 试点和概念验证的激增，金融机构应积极测试 AI 技术的业务成果，并确保安全地实现这些成果。报告建议监管机构通过沙盒和公私合作等方式提供确定性，并保持创新性。UK Finance 将积极参与 AI 政策制定，并与监管机构、议会、政策制定者、学者和行业协会等利益相关者合作，推动 AI 风险管理和最佳实践的传播。
