重塑资产生态体系：人工智能在资产管理与资产服务中的角色

核心观点与关键数据

• 行业背景：资产管理和服务行业正面临传统金融机构与金融科技创业公司带来的日益激烈竞争，同时承受持续利润压力、复杂且不断变化的监管环境（如欧盟零售投资策略、MiFID II、DORA、欧盟人工智能法案等）以及客户对透明度、定制化服务和数字化体验的日益增长的需求。
• AI的角色：人工智能（AI）已不再是一个突破性的概念，而是成为资产管理价值链转型的重要杠杆，从投资组合决策支持到运营效率和合规性。
• AI潜力与现状：92%的组织承认数字化和新技术集成的战略重要性，但只有52%报告了部分AI集成，大多数仍处于试点阶段。AI的潜力尚未完全释放，目前主要用于增强而非取代人类决策，78%的公司不使用AI进行实时决策。
• 早期成果：尽管部署保守，但早期结果令人鼓舞：69%的受访者报告预处理活动中的手动处理时间减少；55%的人注意到决策质量提高。
• 实施障碍：主要限制为：数据质量和基础设施限制（只有9%的公司拥有完全标准化和可访问的数据）；内部专业知识有限；预算限制（20%的银行报告预算限制）。

当前状态：发展中成熟度

• 技术应用：AI主要应用于提高运营效率（如智能文档处理、机器人流程自动化）、加强控制、合规和风险管理（如异常检测、欺诈检测、监管监控）、以及改善客户体验（如个性化营销、智能代理和聊天机器人）。
• 应用领域：主要集中在运营效率提升（如交易匹配、公司行动管理）、合规与风险控制、以及客户体验增强。
• 成熟度：行业对AI的采用仍处于早期阶段，自评的数字化成熟度普遍较低（1-25%），效率提升多为增量而非革命性。最常见的试点项目包括：投资组合管理支持、报告自动化、内容创建与沟通、以及合规监控。
• 实时决策：AI目前主要作为决策支持工具，70%的参与者表示不应用于实时决策，AI增强人类专业知识而非取代直觉。

实施建议

• 组织准备：成功实施AI需要组织层面的支持和文化变革，包括提升AI意识、评估组织准备情况、并进行相关培训。
• 用例选择与试点：选择具有最大商业影响力的用例进行试点，采用“从小处着手，智能扩展”的方法，控制环境，快速学习。
• 内部能力建设：建立内部技术能力和治理结构，确保对AI的理解和控制，关注数据保护、偏见、安全等风险。
• 生态系统合作：与AI生态系统合作以加速创新和实施，但需保持内部理解和控制，避免过度依赖外部供应商。

研究结论

• AI转型成功的关键在于将其有意义地整合到组织内部，而非仅仅依赖技术本身。
• 成功的企业将AI定位为协作式副驾驶，放大而非取代人类专业知识，并将其嵌入可扩展、可解释且符合监管和伦理期望的运营模式中。
• 从“增强员工”到“增强组织”是最终目标，需要将运营模式转变为以AI为核心。
• 最有效的AI运营模式结合了人员、对技术的信任、投资流程和治理。