现今行业广泛存有AI焦虑, 不进行AI布局就会处于落后且被动的状况, 而加大投入又会面临成本高昂、效果不清晰等一系列问题。
“日前, 在第十一届‘融城杯金融科技创新案例评选’启动仪式上, 中国邮政储蓄银行原行长刘建军在主题演讲中说, 现在, 银行业AI应用已脱离概念炒作时期, 进入工程落地阶段, 竞争重点并非‘有无大模型’, 而是能不能将AI场景做得细密、做得深入、做出实际效果。”。
此刻, 科技领域跟金融领域有两件重要之事同时出现: 其一, 商业银行的经营模式正被重新书写；其二, 人工智能的工程能力正变得愈发成熟。在刘建军的认知里, 银行业一并经历着旧模型的失效以及新工具的成熟, 这两者相互叠加, 将会促使零售银行达成一次系统性的重新构建。零售银行所拥有的最大潜力, 就隐匿在往昔被人力、数据限制从而无法深入耕耘的客户和场景中。现阶段能够实现落地、能够大规模推行的场景涵盖: 智能客服、营销推荐、风险预警、运营提效。这些并非涉及最终而且重大风险决策的场景, 它受到“幻觉”的影响相较而言是比较小的, 有着落在地面之上的门槛低的要点, 同时还带有实用性强的特性。
零售业务是银行穿越周期的压舱石
从银行经营模式重新规划的角度去看, 当下银行遭遇利率朝着下方行进、资本受到约束等状况, 更为重要的是客户群体出现了由一代向另一代的转换。
刘建军表明, 以往, 银行主要是为那种出生于五十年代、六十年代、七十年代、八十年代的客群提供服务, 当下, 被称作零零后的这一批人及处于千禧一代的年轻人群体, 他们所展现出的金融消费特性全然不一样, 那么, 怎样去做好客群之间的切换这件事至关重要。
与此同时, 传统的获客逻辑已然开始失效。刘建军宣称, 往昔银行是凭借线下营业厅来获取客户, 并且着力深耕网点获客以及交叉获客的能力。伴随数字化的不断发展, 现如今能够到店的客户越来越少, 线下的获客模式难以继续维持下去, 传统的经营模式势必要进行重构。
跟传统模式失效形成对应关系的状况, 是AI工程能力正愈益成熟起来。刘建军加以指明, 表示大模型一直在不停地迭代中, 其相互之间还展开着竞赛, 模型所具备的能力达成了宽度跟深度这两方面的双重突破；在全球这个范畴之内, 数据治理处在加速推进这一过程里, 监管方面同市场主体一起对数据规范体系予以了完善, 以此有为金融AI应用筑牢基础的作用；依靠技术取得进步之后的AI流程出现自动化发展趋势, 该趋势正逐步进行铺开, 它能够替代掉大量人工去做重复性工作；AI智能体也就是Agent的协作开始呈现出成型的具体情境, 人工智能的系统跟人工协同展开作业的途径慢慢地被打通了。
上述两件事叠加起来, 并非单纯意义上那种简单进行技术升级的情况, 而是属于银行方面经营模式的代际更新现象。银行依靠去通过资产、客户、业务以及收入规模等手段进行扩张的粗放式发展时代已然结束, 在未来, 银行所具备的核心竞争力将沿着依靠专业经营能力予以构建这样的方向前行。
当下, 资本处于极度稀缺状态, 核心一级资本面临补充困难, 刘建军觉得, 零售业务已不再是银行的可选择项目, 而是跨越周期、达成稳健经营的基础能力, 其作为压舱石的定位不断凸显出来。
刘建军分析, 就资本效率机制来说, 零售业务资本消耗比起对公业务低大概70%, 在同等资本规模的状况下, 零售业务能够撬动的业务体量是对公业务的3倍。另外 , 从利润稳定机制来讲, 中收、财富等业务所带来的非息收入, 会降低银行对净息差的依赖。在资金主场机制领域, 庞大的零售客群, 能够持续沉淀低成本居民存款, 长期予以维护的客户关系有着非常强的稳定性。
需注意的是, 此一压舱石正承受三重冲击, 其一, 乃是客户结构形成两头夹击之势, 高净值专业客需要精细化加专业化的资产配置以及理财服务, 海量长尾客户要求低成本且全覆盖的支付、信贷或者基础金融服务, 客户分层经营压力瞬间陡增；其二, 为经营模式实现升级, 由产品销售转变至风险管理以及长期客户陪伴, 这对银行专业能力生出更高要求；其三, 为入口层开始脱媒, 老式银行APP的流量入口优势有所弱化, AI智能助手以及各类智能服务入口能够绕过银行自有渠道直接抵达客户, 客户触达逻辑已然发生迁移。
“银行业, 上一轮竞争的内容是渠道, 而本轮竞争的关键之处在于守住入口, 在于守住客户信任。”刘建军讲道。
破除三大AI认知误区
当下, 银行业在 AI 的运用方面, 已然迈过概念炒作时期, 步入工程能够落地的阶段。然而, 但就是在这个行业里头, 普遍地对 AI 转型有着认知上的偏差；具体是哪里存在偏差, 表现为存在这样一些误区, 像是认为 AI 会以大规模的形式去替代员工, 还觉得进行 AI 的投入可以在短时间内就收回成本, 甚至迷信通用的大模型是绝对万能的等这种种情形。
刘建军觉得, AI主要是去替代那种简单重复的岗位, 不会大批替代员工, 行业仍然迫切需要高技能专业人才。客户经理的核心价值在于长期运营客户的信任, 给予人性化服务以及进行情感连接, 而这是AI没办法替代的。
存在着一种误区, 即认为AI投入能够在短期内实现成本回本还能在一年之内见到成效, 刘建军对此觉得, AI落地属于长期的系统性工程，想要靠着短期就达成显性回报很难做到。多数银行在AI落地方面所产生的效果并不理想, 其根本原因并非在于模型技术, 而是在于组织适配出现了滞后情况, 具体所包含这种情况: 合规审查体系并不配套, 员工培训以及运维工作并不能落到实处, 业务流程未曾进行重新构建, 运营模式未能实现集约化的转变特点。
存在这样一种情况, 通用大模型具备迭代速度快以及具备较为强大的能力, 然而银行所更加需要的却是基于自身拥有的闭环数据来进行训练的垂直金融小模型, 以此来适配细分金融场景, 这个就是刘建军所认为的, AI应用必须要做好场景分级与责任边界划分, 具体而言就是低风险场景是运用AI直接进行自动化处理方式, 中风险场景是由AI给出相关建议, 然后通过人工予以审核, 高风险场景是以人工决策以及责任兜底作为主要方式, AI仅仅起到辅助研判的作用。
刘建军着重指出, 在银行于 AI 投入这方面, 需秉持“方向押注、发展留白”, 要精准认定转型方向, 还要为未来的变化预留出调整的空间, 并且严格坚守合规与风控所设定的底线。银行进行 AI 转型的时候, 其实际成本并非在技术采购以及模型研发上面, 而是在组织适配成本这一块。重大的场景之下, 必须留存责任边界。
还木有评论哦，快来抢沙发吧~