因應人工智慧在金融服務業的迅速發展

銀行業和保險業的與會者與安永等組織機構的高階主管和產業專家召開會議討論金融服務業技術轉型、新興人工智慧應用的前景，以及金融服務生態系統的持續演變。本文總結了針對人工智慧討論的關鍵主題。

概要

• 金融機構仍在初步探索如何應用更強大的生成式AI工具。
• 董事會和管理層開始討論如何透過應用人工智慧創造價值。他們需要根據機構目標部署人工智慧，關注如何運用這項技術因應關鍵業務挑戰。
• 如何加強必要的專業知識、人才和組織能力，以便在核心業務職能中有效、安全地使用人工智慧技術，這極具挑戰性。

ChatGPT推出後不久，Bill Gates表示，人工智慧（AI）「將徹底改變我們的生活。」¹ 人工智慧的飛速發展的確令全世界印象深刻，有些人宣揚其前景，而另一些人則關注其風險。金融服務業高層領導認為，人工智慧既有可能為機構創造新機會，也有可能帶來新風險。一位安永與會高階主管表示：「雖然人工智慧仍處於起步階段，但在過去10個月內已經取得重要技術突破。這項技術具有改變金融服務業的巨大潛力。」²

2023年9月27日和11月8日至9日，銀行業和保險業的與會者與安永等組織機構的高階主管和產業專家分別在紐約和倫敦召開會議，討論正在進行的金融服務業技術轉型、新興人工智慧應用的前景，以及金融服務生態系統的持續演變。本期《視點》總結了針對人工智慧討論的關鍵主題。

本期《視點》概述會議和相關討論中的關鍵主題：

• 評估人工智慧對金融服務業的潛在影響
• 幫助機構發揮人工智慧的潛力
• 搭建人工智慧治理和監督框架

評估人工智慧對金融服務業的潛在影響

雖然大型銀行和保險公司使用人工智慧已有多年，但與會者認為，人工智慧的重要突破源於ChatGPT和類似生成式人工智慧（生成式AI）工具的推出。一位與會者表示：「借助OpenAI工具包，你可以處理數十億個數據點，設備的處理能力得到了提升，可用的資料也發生了變化。」許多人看到了這項技術的巨大潛力。一位與會高階主管稱，「我們已身處工業革命之中，效率將得到大幅提升。」

金融機構仍在初步探索如何應用更強大的生成式AI工具。在測試新應用程式時，與會者對人工智慧及其對行業的潛在影響提出了一些初步看法。

• 生成式AI和傳統AI可針對性解决不同類型的問題。ChatGPT的推出使人工智慧進入主流，但這種關注也在很大程度上模糊了ChatGPT等生成式AI應用程式與更成熟的人工智慧技術之間的區別。一位與會高階主管表示：「人工智慧被炒得沸沸揚揚，人們正在過度使用這個詞。」一位與會董事指出，傳統AI「是根據歷史資料來發現模式」，而生成式AI「是透過將大量資訊源整合在一起生成洞察」。在嘗試評估如何最有效地應用人工智慧時，金融機構必須瞭解這種區別。
  
  一位與會高階主管作出解釋：「生成式AI在創造性和機率性用例中能發揮最佳作用。大多數確定性問題最適合應用機器學習，而非生成式AI。」 雖然生成式AI比傳統AI更先進，但其隨機性引起了一些產業高層領導的擔憂。一位與會者承認：「我們面臨的挑戰是如何確保可以控制其隨機性……目前我們還沒有做到這一點。」
  
  
• 金融機構正在探索生成式AI的潛在用例。大型銀行和保險公司仍在嘗試使用生成式AI工具，尋找在機構內部安全地應用這些工具的方法。有些機構發現了真正的機會。一位與會者表示，無論是在授信審核、財務諮詢、文件審閱還是客戶服務優化方面，「我們還有很大的空間可以深入探索」。
  
  一位與會董事指出，人工智慧在處理客戶投訴時「可節省一半時間」，因為「其模型非常精密，能夠查看大量資料，找出投訴原因，並决定如何處理」。一位保險業高階主管意識到資料分析的潛力，指出「保險公司的文件和報告中含有大量專業知識和資訊，生成式AI可以幫助我們理解先前難以理解的資訊。GPT-4能夠出色地找出合約和保單中的措辭差異，並且可以識別多種不同語言。」但並非所有人都對此持積極態度。
  
  許多金融機構不願將這些未經證實的工具用於直接接觸客戶的業務中，一位與會董事認為：「將其應用到客戶身上還需要一定時間。」其他人則認為生成式AI根本沒有價值。一位與會高階主管跟進表示：「我們在工作中並沒有使用生成式AI，但一直在使用機器學習……目前絕對沒有使用大型語言模型或生成式AI。」
  
  
• 數年後，生成式AI才有可能實現其前景。一位與會董事指出，「支持大規模使用生成式AI的架構還沒有達到我們的期望。」另一位與會者表示：「目前對於生成式AI的討論最為激烈，但熱度不一定代表技術本身的價值。」 儘管已有廣泛試驗，但大多數金融機構目前還沒有將生成式AI部署在生產環境中。摩根士丹利可能除外，該公司在今年早些時候推出了一款生成式AI工具來輔助財務顧問的工作。³
  
  許多行業高層領導認為，生成式AI將在未來幾年對業務產生巨大影響。一位與會者表示：「我認為各個行業不會在短期內發生顛覆性變化或得到明顯提振，但從長遠來看，這種情況一定會發生。」一位與會董事表示認同並指出：「我認為我們目前高估了短期影響，低估了長期影響。」

幫助機構發揮人工智慧的潛力

人工智慧技術的進步使機器能夠承擔更多工作，也擴展了機器的工作內容，越來越多的董事會開始討論如何透過應用人工智慧創造價值。一位與會高階主管堅信，「每家企業都必須制定人工智慧策略」，而不是繼續試驗臨時應用程式。

策略上重視人工智慧

董事會和管理層需要根據機構目標部署人工智慧，關注如何運用這項技術因應關鍵業務挑戰。與會者確定了制定人工智慧策略的思路以及如何為策略實施提供制度上的支持。

• 關注人工智慧如何因應核心業務挑戰。制定企業層面的人工智慧策略時，必須全面審視整個業務，以確定人工智慧能夠在哪些領域創造價值並發揮最大作用，以及如何實現這一點。一位與會高階主管評論：「機構需要明確，將人工智慧應用到哪個領域能達到借力使力的效果？用於進行授信决策，比如判斷向誰授信以及如何管理貸款？用於管理舞弊？還是輔行銷？」
  
  一位安永與會行業專家也持類似觀點並指出，「在保險業，關鍵在於承保，即機構能否承保更好的風險或更有效地承保風險。如果機構能以較低成本評估風險，這將影響最終盈虧情況。」一位與會董事指出，機構的目標是「找出業務中最大的收入驅動因素和最大的成本驅動因素，使用人工智慧來大幅增加收入和降低成本」。這位董事指出，「我的公司還沒做到這一點，這個目標對我來說很有意義。 」
  
  
• 認識到人工智慧需要掃清的障礙，並提出潛在用例。一位安永與會高階主管強調，「董事會確實有必要思考用例的適用性，並在可控環境中進行試驗，這種做法能在大規模使用相關應用程式之前確定用例的價值」。對人工智慧風險的擔憂比比皆是。未來的應用程式需要掃清諸多障礙才能打消這些顧慮。一位與會高階主管表示：「人工智慧的能力必須遠超人類，不能只是略高一點。」特別是對於貸款審核等核心業務職能而言，挑戰在於如何證明人工智慧比人類優秀，「當你認為人工智慧比人類優秀時，你要能解釋為什麽它更優秀以及它在哪些方面比人類優秀……如果『優秀』僅僅意味著它能更快或更大規模地完成人類現有工作，那它還不夠優秀。」
  
  消除人工智慧將取代人工的恐懼，也許能打消顧慮。一位與會者表示：「演算法不會取代人類，它將賦予人類一種超能力。」 為支持這一觀點，一位與會者描述了一項研究，該研究顯示，在預測患者結果方面，機器學習演算法只比人類醫生略勝一籌，但演算法和醫生合作生成的結果卻比醫生獨立工作生成的結果好上數倍。

幫助機構最大限度地運用人工智慧實現價值

加強必要的專業知識、人才和組織能力，以便在核心業務職能中有效、安全地使用人工智慧技術，這極具挑戰性。與會者討論了一些因應方法。

• 確保機構能夠充分運用其專屬資料。釋放人工智慧潛力的關鍵在於使用專屬資料，一位與會高階主管表示：「資料的重要性高於以往，而擁有資料的公司將創造價值。」另一位與會者表示認同，「資料現在已經民主化，每個人都可以存取。因此，真正的優勢是專屬資料，其次是文化。如果每個人都能存取資料，機構的競爭力就取決於這兩方面了。」我們必須瞭解這些區分因素，但許多機構尚未做好運用這些競爭優勢的準備。一位與會高階主管表示：「技術固然重要，但如果沒有對專屬資料進行分類，那麽也不會取得成效，因為資料決定了一切。」
  
  
• 確定獲取有限人工智慧專業知識的方法。儘管去年人工智慧相關活動增加，但高度專業化的人工智慧專業知識仍然供不應求。一位與會高階主管認為，「在人工智慧時代，有800人真正瞭解目前的形勢，而這些人都在新創企業。董事會需要自問，我們有機會接觸到『智囊團』嗎？」雖然技術公司將提供現成的應用程式，但開發定制模型以解決核心業務職能或解決特定挑戰需要更深層次的專業知識。一位與會高階主管建議，機構可以透過三種途徑獲得有限的人工智慧，即『內部培養、收購、或建立合作夥伴關係』。這位高階主管舉例說，一家大型銀行收購了一家人工智慧新創公司，從而可以在授信和舞弊管理領域使用人工智慧應用程式。有鑒於此，或許董事們應該問的問題是「誰可以成為我們的人工智慧合作夥伴？」
  
  
• 為整個機構的業務領導提供有關人工智慧的培訓。僅為機構引進技術人才是不夠的，對現有人才進行培訓也同樣重要。董事會成員、高階主管和員工需要提出適當的問題，瞭解與新興人工智慧技術相關的機會和風險。一位與會者表示：「作為董事會成員，我將永遠無法擔任人工智慧專家。我的工作重點是治理、風險和成本評估。我要讓自己瞭解相關知識並接受一定培訓才能完全理解這些事情。」

評估並降低風險

雖然制定策略並普及專業知識可以在金融服務業中更順利、多樣化地應用人工智慧，但與會者也指出了一系列需要管理的風險。

• 缺乏透明度問題。由於缺乏透明度，人們無法完全信任人工智慧。一位與會高階主管承認，無法完全對人工智慧模型進行解釋，高階模型中的資料輸入太多，無法準確確定它們是如何生成給定結果的。這位高階主管表示：「我們不得不承認，儘管人工智慧缺乏透明度，但的確是更好的選擇。」如果希望簡化輸出驗證，可以「減少輸入到模型中的值，以便統計數字，顯示輸入值如何影響結果」。但這種方法有局限性。一位與會者表示，追根究柢，機構需要把重點放在確保其瞭解資料來源上，「可解釋性和安全性是關鍵。我們知道無法追蹤神經網路，但資料集來源的可解釋性很重要。資料來自網路的說法是不可接受的。」
  
  
• 網路安全隱患。人工智慧技術進步加劇了人們對網路安全的擔憂。一位與會董事表示：「網路安全時刻令我警醒，生成式AI和量子運算等技術確實正在產生網路風險。」但人工智慧在因應網路風險時也不可或缺，一位與會者指出：「不使用人工智慧比使用人工智慧危害更大。壞人很聰明，他們正在大量使用人工智慧。我們無法使用傳統工具與之抗衡。」
  
  此外，使用第三方供應商會減弱對流程的控制能力，一位與會董事表示：「如果分包開發商將開發工作外包給另一方，那麽不知不覺中就會發生危險的事情。在公司內部，我們需要就治理提出適當的問題，對於公司外部的環節，我們也需要進行質疑。」
  
  
• 可能存在的偏見。開發人員如果有偏見，會導致其開發的模型出現偏差，而有偏差的訓練資料會生成不公正的結果。機構有責任透過資料預處理和匿名化等方法確保其資料盡可能乾淨，並使資料彙編人員和人工智慧模型開發人員更加多元化。一位與會者表示：「機構需要有底氣地說，『這些是我們的開發人員，他們具有不同背景』，因為【平等就業機會委員會】等監理機關會審查開發過程中是否存在偏見。」
  
  
• 法律後果。生成式AI正在引發新的監管、訴訟和政策風險。一位與會董事指出：「我們必須小心謹慎，不要不假思索地使用這些工具，因為無意中可能會形成大量對公司不利的潛在訴訟材料。」生成式AI增加了訴訟風險，因其會引發資料所有權和價值以及人工智慧工具輸出結果的相關問題，這會導致公司、員工、客戶和合作夥伴之間的利益關係緊張。商標和版權侵權訴訟已經開始出現，雖然金融機構目前沒有面臨訴訟，但一位與會者提醒：「當我們建立了正式的監理框架後，訴訟才會正式出現。」另一位與會者補充說：「金融機構要知道，私人訴訟可能由董事擔責，因此機構可能需要重新為其董事和高階主管購買責任保險。」