金融服务中的生成式AI应用：机遇与风险管理

报告概述

本报告由英国金融联合会和埃森哲共同撰写，旨在探讨生成式人工智能在金融服务领域的应用现状、机遇与风险管理。报告重点关注近期至中期的应用，并分析了三个关键用例和三组主要风险。

今天的金融服务生成式人工智能格局

• 采用趋势：自2022年ChatGPT发布以来，生成式AI在金融服务领域的关注度显著提升。2024年，英国金融机构平均将12%的技术预算用于生成式AI，预计到2025年将增至16%。
• 应用领域：目前，生成式AI在金融服务领域的主要应用集中在七个领域：客户参与和个性化营销、知识管理与信息检索、软件开发和数据管理、智能工作流和电子邮件处理、欺诈和金融犯罪、法律、合同及合规文本分析、桌面和会议生产力。
• 解决方案类型：金融机构采用多种生成式AI解决方案，包括通用副驾驶、带有生成式AI功能的供应商软件和高度定制化解决方案。
• 投资方向：除了生成式AI解决方案本身，金融机构还投资于员工技能提升、人工智能风险管理增强、PoCs和动手学习等项目，以建立更广泛的人工智能能力。

生成式人工智能案例研究

报告分析了三个案例研究，展示了生成式AI在客户投诉代理、了解你的客户（KYC）和软件开发生命周期（SDLC）中的应用。

• 案例研究一：客户投诉代理：一家金融机构利用生成式AI辅助客户投诉处理，提高了生产力（30-40%），缩短了处理时间（30-50%），并改善了客户和员工体验。
• 案例研究二：了解你的客户（KYC）：通过生成式AI加速KYC流程，该公司将处理时间缩短了90%，并实现了高准确率。
• 案例研究三：软件开发生命周期（SDLC）：利用生成式AI工具，该公司将SDLC的需求分析和测试阶段的速度提高了50-60%。

主要风险和缓解方法

报告重点关注了三个主要风险主题：

• 输出可靠性：生成式AI可能提供错误、虚构或不适当的输出。缓解方法包括人工监督、持续监控、模型微调、提示工程和测试等。
• 数据隐私和安全：生成式AI解决方案可能涉及个人数据的处理，存在数据泄露和隐私风险。缓解方法包括数据最小化、加密、访问控制、安全托管和DPIAs等。
• 第三方考虑因素：生成式AI模型通常由第三方供应商提供，存在数据安全和控制风险。缓解方法包括供应商评估、合同条款、模块化解决方案和HITL等。

监管环境

• 欧盟：欧盟已通过人工智能法案，对高风险AI系统进行严格监管。
• 英国：英国采取基于原则的监管方法，强调现有特定行业监管的适用性，并计划制定人工智能法案。

结论与展望

• 金融机构对生成式AI的采用正从实验阶段转向实际应用阶段，并取得了切实的业务价值。
• 未来，生成式AI在金融服务领域的应用将更加广泛，但需要谨慎管理风险。
• 金融机构需要建立完善的风险管理框架，并与监管机构、技术提供商和客户合作，以促进生成式AI的负责任创新。