从“效率工具”转向“战略引擎”：金融AI跨越深水区，30%的投入缺口如何补齐？

东方网记者王佳妮3月17日报道：随着大模型技术从实验室走向业务一线，中国金融服务业正站在一场深度转型的十字路口。

3月17日，普华永道发布《AI助推中国内地和香港金融服务业焕新升级》报告。这份基于对201名金融专业人士调研及深度访谈的报告显示，AI已不再是金融机构锦上添花的“效率工具”，而是被绝大多数受访者视为战略转型的“核心引擎”。然而，在这一愿景背后，行业正面临投入不足、数据瓶颈与人才短缺的“三重考验”。

结构性“倒逼”：跨越30%的投入缺口

尽管金融机构对AI寄予厚望，但理想与现实之间存在着明显的资金错位。报告显示，61%的金融机构AI投入占科技预算的比例不足10%。普华永道中国管理咨询合伙人王建平指出，行业内AI投入与实际需求之间存在30%至40%的巨大缺口。

“在当前的金融市场环境下，大幅增加科技总预算非常困难。”王建平指出，未来的路径必然是“调结构”——通过AI技术反哺传统IT，压降传统开发、测试等环节的成本，从而腾挪出资金投向AI。这不仅是预算的再分配，更是一场对传统科技治理模式的“倒逼”。

调研数据显示，受访机构已通过AI投资获得初步10%-15%的回报。这种回报不仅体现在降本增效，更在于风险损失的降低和合规效能的提升。王建平认为，受访机构在关注短期收益的同时，更看重AI对拓展战略空间和新增长机会的长期价值，这标志着金融AI应用已进入从“点状突破”到“系统重塑”的深水区。

数据之变：从“结构化治理”向“本体建模”跃迁

在金融机构规模化部署AI的进程中，数据依然是最大的“拦路虎”。30%的受访者将数据可用性列为加大AI投资的首要障碍。对此，王建平深入分析了AI时代数据挑战的三个新维度：

非结构化数据的觉醒：过去金融机构擅长处理报表、账目等结构化数据，但AI所需的信贷政策、风控手册、审核知识等大量存在于“非结构化”文档中。从传统数据治理转向“AI治理型”转变，核心在于如何激活这些沉浸的知识。

对抗大模型“幻觉”的本体论：针对大模型可能产生的虚假信息，简单的关联查询已不足够。王建平以保险理赔欺诈为例：当车主、三者车、查勘员和4S店之间产生隐秘关联时，传统数据组织方式难以识别。通过“本体建模”找到对象间的关联关系再喂给大模型，其风险识别准确率将显著提升。

内外数据的场景化配置：并非所有场景都需要全量数据，如合规场景侧重内部数据，而理赔欺诈则必须引入第三方外部语料。

除了数据可用，报告还关注到了人才问题。“复合型人才在金融行业内依旧是高度稀缺的。”普华永道中国管理咨询合伙人李伟斌指出，当前企业面临的最大挑战是招揽“既懂业务又懂算法”的人才。金融机构目前正通过“两条腿走路”：一方面建立AI研究院等特殊机制，用薪酬溢价吸引顶尖专业人才；另一方面通过“培训+考试”模式，将传统IT人员转化为AI应用人才。

治理“刹车”：确保AI赛道上的平顺冲刺

在追求创新的同时，金融行业的底色始终是“稳健”。针对近期备受关注的OpenClaw等开源AI智能体工具，普华永道专家表达了审慎态度。

李伟斌认为，在涉及账户变动、合约达成的核心金融交易环节，短期内不可能直接应用具备超强执行能力的智能体。他强调：“金融机构是高度监管的行业，任何交易必须具备可回溯、可追溯和可解释性。在权责划分与问责机制尚未打通前，机构会相当谨慎。”

据了解，中国互联网金融协会于3月15日发布了《关于OpenClaw在互联网金融行业应用安全的风险提示》。其中指出，OpenClaw智能体虽能提升工作效率，但其默认的高系统权限与弱安全配置，极易被攻击者利用，成为窃取敏感数据或非法操控交易的突破口，给行业带来严峻的风险挑战。中国互联网金融协会建议金融消费者在办理网上银行、证券交易、支付等个人金融业务的终端上极其谨慎安装OpenClaw。

李伟斌表示，必须对“AI治理”予以高度重视。他将其形象地比喻为赛车的“刹车系统”：“只有刹车做位了，金融机构才敢全马力往前冲。”