核心观点与关键数据
- 银行业务重点变化：成本削减仍是首要任务，但创新和增长成为重要目标。AI 成为推动增长的关键技术，但银行更注重其在客户体验、工程效率和平台现代化等方面的可持续影响。
- AI 价值与审查：AI 带来的商业价值逐年上升，但银行对 AI 项目的审查也日益严格。取消部署的 AI 项目数量增加，而已部署项目的价值创造能力增强。
- AI 应用价值最高的领域：客户服务领域 AI 应用产生的商业价值最高，包括智能虚拟助手、自动化服务流程和个性化互动。
- AI 驱动的成本削减：软件工程领域是 AI 驱动成本削减的关键，尽管银行对其价值感知较低，但预计 AI 将显著降低软件开发成本。
- 不同业务线的 AI 应用：企业银行最重视 AI 在风险评估和区块链技术上的应用；资本市场领域超过一半的银行积极扩展 AI 应用；支付服务提供商则利用 AI 提升合规报告和客户体验。
- AI 采用的挑战：数据隐私和安全问题仍是 AI 广泛应用的主要障碍，欧洲银行对 ROI 的关注高于其他地区。
- 数据准备情况：三分之二的银行认为其数据架构已具备扩展 AI 的能力，但如何跨多个业务线同时扩展 AI 仍是挑战。
- 云战略：银行寻求合适的云环境，更倾向于私有云以平衡可扩展性与控制、合规性需求。公共云成本上升，数据主权和监管问题推动私有云使用增长。
- 云迁移挑战：监管和合规问题、安全挑战以及技能差距是云迁移的主要障碍。
研究结论
- 银行业正从 AI 的实验阶段转向更注重价值和可持续性的阶段，AI 成为推动业务增长和效率提升的关键技术。
- 银行在 AI 应用上更加谨慎，优先考虑能够带来可衡量价值的项目，并注重 AI 与现有业务流程的整合。
- 数据安全和隐私保护是制约 AI 广泛应用的主要因素，需要加强数据治理和合规框架建设。
- 云战略的制定需要综合考虑成本、数据主权、安全性和监管要求，私有云和混合云将成为未来趋势。
- 银行需要解决技能差距等挑战，以支持 AI 和云技术的有效实施和应用。
