金融机构的GenAI发展路线图

短短十年，AI完成了从“潜力十足的研究课题”到“新工业革命的中流砥柱”的华丽蜕变，逐渐普及落地。AI正在重塑各行各业的基础流程与核心职能，从药物研发、航班调度到供应链优化和医疗影像，其身影无所不在。AI不再是一种“未来概念”，而是已经成为改变游戏规则的关键因素。对企业而言，若能以果敢的态度和战略性眼光推进AI应用，将会在其所属行业赢得显著且持久的竞争优势。

这一点在金融领域表现得最为明显。AI的基础是数据，而银行及其他多元化金融机构（FIs）恰好坐拥规模庞大、质量优良且以客户为中心的“数据金矿”。特别值得注意的是，银行客户群体的细粒度交易数据能够精准、广泛地揭示客户的行为特征、个人偏好、消费需求和风险概况，较之其他行业的数据集拥有显著优势（参阅图1）。例如在零售银行业，利用AI技术对客户需求与行为模式进行前瞻性分析，并据此设计个性化产品方案，正迅速成为许多银行市场的“标准操作”。

GenAI的快速发展进一步丰富了现有的AI工具箱，加快了金融机构利用AI创造新价值的进程。该模型能够理解自然语言，并能生成通俗易懂的对话，这种特性显著降低了AI技术的使用门槛，使非技术背景的员工也能轻松调用AI资源，从而将AI的应用范围扩展到整个组织的方方面面。

金融机构高管应充分把握新一轮技术变革带来的发展契机，着力挖掘AI与GenAI的潜能，推动行业未来发展。

本文系统阐述了从将GenAI融入现有业务架构，到通过全面AI转型重塑传统运营模式的实施路径，并提供了清晰的行动纲领。在AI技术飞速发展的当下，制定科学完善的人才战略与妥善应对治理监管挑战同等重要。面对日新月异的技术迭代，前瞻性AI视野已成金融领袖塑造未来格局的必备素养。

将GenAI技术纳入战略发展

路线图

媒体在报道GenAI时往往言过其实且找不准重点。过度炒作与认知混淆自然会使许多企业高管质疑，GenAI是否会让现有的AI战略及相关举措“付诸东流”。这种担忧显然是多余的。事实上，情况恰恰相反，GenAI能与已融入金融机构现有战略体系的AI能力形成良好的补充关系。

金融领域的从业者常笼统地以“AI”一词指代那些专注于预测性决策模型的细分AI技术（参阅图2）。过去十年，由于解决了银行业与保险业中存在的诸多关键性预测与分类难题，覆盖风险监控、定价优化以及产品偏好建模等重要业务环节，“预测式AI”（ predictive AI）在金融机构大放异彩。

GenAI与预测式AI均具备强大功能，但应用场景截然不同。因此，二者在实践应用中并非“二选一”的关系。银行在制定未来AI战略时，应将二者同时纳入其中，根据具体业务场景各取所长。

要想更好地理解预测式AI与GenAI的互补关系，我们可以参照人类大脑左右半球的分工模型（参阅图3）。预测式AI像左半脑，主要承担逻辑推理、量化分析与数值计算等任务。这套“左脑”系统由一系列算法构成，能够完成概率分配、结果归类等工作，从而为决策提供支持。而GenAI则扮演着右半脑的角色，其天生擅长创造性思维、内容表达以及宏观视角的整合，这些都是在自动对话中生成拟人回应时所不可或缺的能力。

GenAI并不会从根本上取代现有AI战略，而是为其增添了新的能力。因此，企业领导者应积极拥抱这一趋势，深入思考如何利用GenAI来增强和扩展既有的AI布局，开辟新的价值创造路径。

谈及GenAI在银行、保险业的应用，许多人首先想到的可能就是客服聊天机器人，但实际上，该技术的应用场景远不止于此，在自动化财务分析、AI辅助代码开发等工作中，该技术都大有用武之地。许多跨国银行都在探索GenAI模型在这些领域的应用，有些选择自主研发，有些选择对外采购，包括高盛集团（Goldman Sachs）、德意志银行（Deutsche Bank）、美国运通公司（American Express）及富国银行（Wells Fargo）在内，一众行业巨头的GenAI技术解决方案已经投入实际运营。

在统筹现有预测式AI解决方案、把握GenAI带来的新机遇时，领导层应时刻谨记，经过实践验证且极具潜力的AI应用已全面融入金融机构的各个作业环节，从客户交互前端，直到后台运营终端，都能看到其身影（参阅图4）。

要想充分释放GenAI的潜力，金融机构必须进一步优化工作方式，找出那些在价值创造、改善客户与员工体验、品质保障等方面能够产生最大积极影响的重点项目，并按照优先级加以孵化培养。对企业高管而言，其在推进相关工作时必须把握两大原则，一是要对AI的优势与短板保持清醒认知，二是要以严谨规范的方式推进AI方面的实验探索。

AI技术的能力边界

与其他工具一样，AI技术应用的关键在于找准场景。以预测式AI为例，在处理简单的信用卡申请业务时，依托机器学习开发的信用风险评分模型的决策能力优于大多数人类员工，然而当面对结构复杂、个案迥异的融资交易时，则仍需依靠人类专家进行判断。

GenAI也是如此。BCG亨德森智库与多位顶尖学者携手开展的一项研究表明，GenAI在创意产品开发等任务中表现卓越，如果人类试图对该技术生成的创意成果进行优化改进，结果往往适得其反。与此同时，若将GenAI用于超出其当前技术能力的任务场景（如解决复杂商业问题），其表现则不如人类员工，从研究结果看，参与者在完成此类任务时使用GenAI，不仅无法受益，反而会受到拖累。

换言之，在“人机协作”中，若人类扮演“协作者”的角色，接手AI能力范围之外的复杂任务（如预测式AI用于信用评分的案例），GenAI就能发挥最佳效能。若人类试图扮演“优化者”的角色，对AI输出的结果进行加工改进，反而会大幅削弱AI的应用效果（参阅图5）。

规范实验

在创新驱动型业务板块，评估并开展小规模用例试点通常可以带来显著收益。通过设立此类AI实验室，可以让组织内部更多人培养出对AI解决方案的兴趣，同时提高各方对该技术的认同感。此外，此类举措还能为新技术的优化迭代、技术能力的建设提供平台，为关键决策（如在构建技术基础时，是自主研发、内部挖潜、对外合作，还是探索其他整合路径）的制定提供可行路径。

然而，过去十年AI的发展与探索历程清晰表明，盲目实验极易失控。那种广泛撒网、“适者培养”（即同时启动大量小规模用例试点，看哪些项目能茁壮成长）的策略往往收效甚微。真正高效的AI战略，要以开展试验的严谨态度，在受控环境中对精选出的项目进行试点。如此，才能让实验得出的洞察为领导层所用，进而精准锚定少数高价值AI机遇，凝聚整个组织的力量重点推进相关工作。

在GenAI解决方案快速发展的背景下，要想充分释放其应用潜力，仍需持续开展实验探索。与此同时，企业也应构建规范的实验管理机制。

重构AI端到端解决方案

推动全方位业务重塑

近期AI应用领域的实践经验表明，若能端到端重构企业全业务流程，并深度整合AI技术，企业通常可以获得更大收益。相比之下，若仅针对业务流程中的某个单一环节实施孤立的智能化改造，短期可能收效显著，但大多只是“昙花一现”，其影响范围和深度往往难以达到预期目标。还有一点需要注意，若在未充分考虑人机协同机制的前提下，将AI技术机械地纳入传统以人工操作为核心的业务流程，不仅可能导致系统资源配置失衡，更有可能激起员工的抵触心理。

以点带面，推动全面转型

一直以来，AI带来的所有重大突破都是源于系统性的转型升级，即从整个AI战略框架的角度出发，对整个流程的运作方式进行重构。所谓“端到端”方法并非要在每一步都生硬地嵌入AI技术，其精髓在于从根本重新设计整个流程，统筹考量AI与人的角色，从而实现价值最大化。

金融机构业务体系庞大，蕴含巨大的协同发展潜力，亟待我们挖掘利用。通过系统化发挥预测式AI、GenAI与人类专业知识的作用，金融机构可以实现流程效率与效能的全面提升，最终获得“一加一大于二”的效果。

现就AI技术两大门类在金融机构业务中的应用进行剖析：

• 分析与预测类任务。此类“左脑型任务”（例如，确定联系客户的最佳方案）适合由预测式AI承担。

• 创意与表达类任务。此类“右脑型”任务（例如，为管理客户关系创作内容与视觉设计）则更适合由GenAI负责。

这两个简单示例实际上是现代超个性化产品营销活动的核心所在。通过系统运用预测式AI与GenAI，企业能够实现大多数营销活动的端到端自动化，涵盖目标客户筛选、产品方案参数配置、定制化营销文案创作以及个性化图像的生成与插入等关键环节。但需要注意的是，即便AI简化了工作流程中的诸多环节，人类员工的参与仍不可或缺，他们不仅要负责监管整体流程，更要处理超出AI能力范围、需要专业人士介入的特殊问题。

黄金模式

尽管统筹应用各类AI技术的方式多种多样，但最有机会在整个业务流程中挖掘潜在价值的应用环节（尤其是那些以互补方式统筹利用预测式AI与GenAI的做法）往往遵循一些基本模式。

其中一种模式包含三个环节：（1）信息处理；（2）评估与决策；（3）创造性执行。在实际业务场景中，该模式可能对应客户问询的响应处理、供应商发票的处理、信用卡申请的审批决策、账户洗钱风险的监测预警或投资说明书特定章节的撰写等工作流程（参阅图6）。

在传统业务流程中，各项操作主要依赖专业人员完成，即由人工完成信息梳理、评估分析、决策制定及后续的行动执行等环节。但实际上，在该模式的各个阶段，均有机会实现人类与预测式AI、GenAI的协作。

根据具体应用场景的实际需求，在信息处理环节，可运用GenAI对海量信息进行整合与提炼，从而生成便于理解的内容摘要，或者利用预测式AI从大规模数据集中定向提取洞察信息，缩小筛选范围。

在评估与决策环节，预测式AI能够基于其专业领域知识（通常涵盖待处理案例中的绝大多数情形），为符合标准的案例提供可靠的自动化决策处理，并将特殊情况转交人工处理。在此过程中，预测模型作为业务流程的核心调度中枢，能够自主研判是否需要人工介入。

在创造性执行环节，起草贷款拒批通知函、撰写可疑交易活动报告以及回复客户咨询等事务，通常可交由GenAI模型处理。其中，对简单及/或不涉及核心业务的案例，可以实现全流程自动化操作，对可能因GenAI模型偶发性数据偏差导致自动化执行出现风险的案例，则至少可运用该技术对重复性内容进行预处理。

在某个或多个业务环节中呈现黄金模式特征、具有重复性及大任务量属性的工作流程，最有机会实现突破性变革、完成端到端流程转型。

不仅要关注技术，更要注重

人才与流程

AI技术的发展一日千里，我们很容易过度关注技术本身、IT应用以及底层数据架构。客观而言，领导者在这些方面也确实面临着一系列重大挑战。由于AI系统对数据的需求极大，容易导致数据规模失控，因此必须制定清晰的数据战略。此外，尽管ChatGPT等 GenAI模型对用户非常友好，但要想融入现有IT系统、推进规模化部署并不是一件容易的事。

银行业在制定AI战略时，常会忽略一些关键性的“软要素”，包括目标运营模式与组织架构、AI人才与技能管理机制以及推动转型所需的变革管理机制等。但实际上，这些要素对于战略实施能否取得成功具有决定性影响。

运营模式与组织架构

AI技术能够显著提升生产效能。在该技术加持下，相关工作或可自动完成，或可实现质效提升，因此岗位职能也必须重新设计。我们发现，AI对工作的影响主要有四种，这些影响将深刻改变整个组织中各个岗位的工作内容：

• 重复性任务，如低代码/无代码自动化

• 知识综合处理，如对商业贷款协议进行全面审查

• 数据驱动型决策，如供应商谈判自动化

• 创造性任务，如借助AI技术增强代码生成能力

为积极应对这种变化，金融机构亟需对以人工为主导的传统业务流程实施系统性革新，对整体职能架构进行全面重构。为确保该项工作的有序推进，各相关机构应重点采取以下措施：

• 首先，要着力组建跨学科专业团队，配备数据科学、商业分析及法律合规等领域的专业人才；

• 其次，要着力构建层级精简、响应迅速的扁平化组织架构，提升业务迭代与决策速度；

• 第三，要合理优化管理范围，更好地适应日趋复杂化的人力资源管理需求。

最后，平台化运营模式对AI技术的成功部署具有决定性作用。若企业能在强化市场导向的基础上，以更快的速度完成人员配置、流程优化及数据整合，将能以更高效的方式、更坚定的决心推动商业模式创新与颠覆性变革。具备产品、用户旅程及服务全生命周期管理权限的跨职能团队，将有效支撑业务流程的全面重构，而平台化运营模式则能在不牺牲个性化的情况下，通过标准化架构推动规模化扩展，这种能力将成为推动转型的关要素。

人才与技能

未来，几乎每个由人工负责的职位都会与AI产生交集：

• 构建AI模型的职位：如技术专家，负责AI模型的开发与运维、为技术平台提供专业技术支持，需具备深厚的专业技术能力。

• 调试AI模型的职位：如职能领域专家，负责指导AI运营工作、推动达成业务目标并将AI模型有效整合至企业的业务流程之中。

• 使用AI模型的职位：如一线业务人员，负责处理AI模型输出的结果，解读AI模型生成的内容与数据，为客户及员工提供价值。

• 管理AI模型的职位：如专门负责监控AI输出结果的专业人员，其需确保软件产出符合预期，核查技术应用全过程的安全性与合规性。

在市场营销、客户服务、法务及软件开发等特定职能领域，GenAI大有可为。该技术有望推动上述职能大规模实现自动化转型，有效降低运营成本，同时通过提升服务质量创造新的市场需求，并促使企业将有限的资源聚焦于更具价值的任务之上。

金融机构在实施变革过程中应当坚持务实原则。具体而言，首先要找出对特定GenAI战略具有关键价值的岗位，进而制定与之匹配的高附加值人才发展计划（参阅图7）。为确保各职能部门顺利实现GenAI转型，高管层应将GenAI战略深度融入人力资源规划体系，明确企业未来员工需掌握的能力，再对企业现有团队的能力进行评估，进而科学制定相关战略，弥合能力供需缺口，并统筹推进组织文化建设和变革管理工作，为组织制定“培养、采购、外包”三位一体的人才战略提供决策依据。

治理为先，找到属于自己的

发展道路

唯有在完善的AI治理框架“保驾护航”的前提下，AI技术才能充分发挥自身的变革效能，赢得组织内部对AI解决方案的广泛认同与信任。若缺乏健全的治理机制，无论是预测式AI还是GenAI，都极易触碰法律、监管和声誉方面的红线。例如，大语言模型的训练离不开网络上的公开数据集，若数据本身存在偏见，就可能增加特定客户面临的歧视风险。BCG针对全球两千名企业高管开展的一项调研显示，企业决策层在这方面正面临严峻挑战，高达70%的受访高管明确表示，自己之所以不敢大胆应用GenAI技术，就是出于对大语言模型溯源能力有限的担忧，另有68%的受访者表示，自己是出于对该技术“黑箱”特性及数据泄露风险上升的担忧，才对GenAI的部署心存疑虑。

全球监管机构均在积极推进AI法规的修订工作，一边增补GenAI条款，一边对现行的数据隐私保护、法律责任及知识产权条款进行修订。鉴于GenAI技术及其影响正以前所未有的速度不断演进，监管政策的不确定性预计还将持续一段时间。尽管如此，以下三大监管框架对金融机构而言尤为值得关注。由于金融产品关乎公众利益且具有高度敏感性，金融机构应当预见到，在这三个监管框架下将受到特别关注。

前两大监管框架分别是《东盟人工智能治理与伦理指南》（ASEAN Guide in AI Governance and Ethics，具有指导性质的框架文件），以及更具里程碑意义的《欧盟人工智能法案》（基于风险防控的消费者权益保护法律，也是全球首部横向适用的人工智能立法）。《欧盟人工智能法案》将预测式AI和GenAI应用划分为四个风险等级。其中，如果应用被认定具有“不可接受的风险”，将被禁止进入欧洲市场，而“高风险”类应用则需在部署前后满足一系列合规要求。实践中，常见的预测式AI信用评估系统，以及基于GenAI技术的客户服务聊天机器人，均可能被归入高风险应用范畴。第三大监管体系是美国监管机构的做法，其目标更多是调整现有法规而非创立新法，并以更强的国家安全导向来审视GenAI的风险。

在建立完善的保障机制并有效引导AI开发者与使用者的前提下，即便技术飞速迭代，企业仍应能够部署并高效推广相关技术，同时实现精准的风险管控与高水平的合规管理。这些保障机制应围绕一个核心框架构建，即确保AI的研发和应用与金融机构的核心宗旨及价值理念相契合，同时仍能带来具有变革意义的商业影响。我们将这种做法称为“负责任AI”（参阅图8）。

全面且具有高度适应性的“负责任AI治理框架”必须包含以下五大核心内容：

• 战略：构建与企业价值观、风险管控战略及伦理准则深度契合的AI整体发展战略。

• 治理：设立“负责任AI”领导团队，专门负责相关监管工作，同时建立上报渠道，识别并应对风险。

• 流程：制定严谨的流程，对AI产品进行监控、审查，确保其符合“负责任AI”标准。

• 技术：构建数据与技术基础设施，降低AI应用风险，包括提供在设计中融入负责任理念、支持全生命周期监控管理的工具包。

• 文化：推动组织全员（涵盖AI研发人员与终端用户）深刻认识自己在践行“负责任AI”时的职责并严格落实。

AI在职场中的应用日益广泛，势必引发一系列涉及人机协作的复杂且亟待解决的问题，同时极有可能在流程变革与技术实施层面引发组织人才的强烈反弹。虽然AI相关法规也在不断推陈出新，但无法解答所有的新问题。而那些未雨绸缪、已着手构建“负责任AI”框架的企业将赢得重要的战略优势，为成功实现AI转型奠定坚实基础。

志存高远

与所有具有革命性意义的新技术一样，GenAI同样引发了一系列重要议题——如何把握技术带来的机遇，实现效率与效能的双重提升？如何推进技术的部署工作？如何应对由全新人才战略带来的复杂挑战？如何确保技术应用始终处于安全监管与良好治理的框架体系之内？

企业很容易产生等待、观望的想法，然而此项工作的战略意义极其重大，绝不可短视行事。企业高管必须将AI技术（包括GenAI）的研究与应用确立为企业转型的核心要务，并在制定AI战略、人力资源规划以及围绕该技术构建稳健治理框架时，秉持中长期的战略眼光。那些从当下就积极为即将到来的AI革命做准备的组织，将在未来市场竞争中获得重大优势。

关于中国区专家

何大勇是波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG金融机构专项中国区核心领导，BCG亨德森智库中国区联席负责人。

谭彦是波士顿咨询公司（BCG）董事总经理，全球合伙人，BCG金融机构专项中国区核心领导。

孙蔚是波士顿咨询公司（BCG）合伙人兼副董事。

王争是波士顿咨询公司（BCG）转型力中心（TIC）高级经理。

高思宇是波士顿咨询公司（BCG）项目经理。

彭与时是波士顿咨询公司（BCG）咨询顾问。

如需联络，请致信GCMKT@bcg.com

关于作者

向上滑动查看

Stiene Riemer是波士顿咨询公司（BCG）董事总经理，全球合伙人。

Michael Strauß是波士顿咨询公司（BCG）董事总经理，全球资深合伙人。

Jeanne Kwong Bickford是波士顿咨询公司（BCG）董事总经理，全球资深合伙人。

Pim Hilbers是波士顿咨询公司（BCG）董事总经理，全球合伙人。

Nipun Kalra是BCG X印度区负责人

Aparna Kapoor是波士顿咨询公司（BCG）董事总经理，全球合伙人。

Julian King是BCG X合伙人兼董事

Silvio Palumbo是波士顿咨询公司（BCG）董事总经理，全球资深合伙人。

Neil Pardasani是波士顿咨询公司（BCG）董事总经理，全球资深合伙人。

Marc Pauly是波士顿咨询公司（BCG）合伙人兼董事

Kirsten Rulf是波士顿咨询公司（BCG）合伙人兼副董事

Michael Widowitz是波士顿咨询公司（BCG）董事总经理，全球合伙人。

点个在看支持一下❤️