麦肯锡：银行AI“宽限期”结束 Token消耗量价值评估待破题

中经记者 张漫游 北京报道

今年上市银行半年报中，Token（词元）消耗量被记入财报，成为观察银行AI应用速度的窗口。但日前，麦肯锡全球资深董事合伙人周宁人接受《中国经营报》记者采访时表示，词元只是一个投入指标，并非产出指标，未来仍需回归到单位词元的回报上，并需评估各个场景的词元消耗量和相应的价值回报对比。

此外，麦肯锡方面研究认为，随着各年龄层客户加速拥抱人工智能，银行业面对新技术曾拥有的“宽限期”正在消失。“领先者和迟缓者的差距，最终将在股东回报和市值上充分反映，那些能够精准选择自身赛场、规模化执行的银行，才会在下一轮周期中实现价值突围。”周宁人说。

从Token投入到价值产出 评估框架与变现路径待明确

随着大模型在各领域应用不断深入，作为衡量AI应用规模的核心计量指标——“Token消耗量”正成为高频词。多家银行在2026年半年报中披露了相关数据。其中，邮储银行半年报表示，已落地超370个大模型应用场景，日均交互token超百亿，持续助力业务提质增效。平安银行在半年报中披露称，2026年上半年大模型日均token消耗量超过53亿，同比增长约130%，累计落地大模型应用场景超450个。城商行中，江苏银行半年报披露称，上半年，全行AI应用效能加速释放，日均token使用量较2025年年末增长18倍。

在AI应用加速的背景下，麦肯锡观察到，当前不少银行仍面临应用碎片化、数据与基础设施准备不足、业务与技术协同不够，以及价值衡量标准不清晰等挑战。周宁人将实践中的挑战归纳为四个症结：“第一，缺乏整体战略和转型路线图。当前不少机构可能都在‘点’上进行一些微观尝试，缺乏站在全行业角度，跳出部门或点位约束，去思考整个穿透式流程和旅程应该是怎样的。第二，价值目标难以界定，缺乏清晰的价值衡量框架。业界现在普遍强调Token投入，但投入不代表产出，两者是不同的概念，如何界定当前这项工作的意义和价值，需要一个清晰的价值指引。第三，运作模式。传统业务‘提需求，科技做开发’的模式并不适应AI，因为AI是即时迭代的，并非在需求框架之下一步一步实施落地，而是需要一个更前置性的运营模型，而不是瀑布式的合作模式和运作机制。第四，整个基础设施准备不足。这确实涉及到大量企业架构、组织流程、人才体系，并非一个点面上的微观调整，而是涉及底座规模化设计，不止于一些片面的、碎片化的实施和应用上。”

谈及如何评估token消耗与经营效率的关系，周宁人告诉记者：“大银行投入可能更大，不过现在不是规模竞赛，词元只是一个投入指标，并非产出指标，未来仍需回归到单位词元的回报上，并需评估各个场景的词元消耗量和相应的价值回报对比。”

对于哪些场景最值得投入，周宁人给出了自己的观察：“从相对回报来看，哪些场景投入见效最快？第一类，我们认为通常并非那些最复杂的前沿场景，而是那些流程相对标准、数据相对充分、结果容易衡量的场景，比如中后台运营类场景，如何缩短流程时间，提高响应速度；第二类，智能客服，即通常所说的‘副驾驶’，能够提高客户服务效率和客户经理产能；第三类，确定性较高的个性化内容，比如客户经营的个性化。”

周宁人进一步向记者解释称：“过去零售银行经历了一轮显著提升，通过数字化或从网点到手机银行，具备一定大数据分析能力之后，实现了一定的精准性，但也仅停留在客群层面，下一步通过生成式人工智能，能够在营销内容上更个性化，能够针对每个人形成一套与之匹配的语言体系，包括偏好，以及通过智能体AI，让执行、反馈更实时、更动态。这些场景均属可直接验证的场景。”

麦肯锡全球董事合伙人马奔告诉记者：“我们观察到的优秀银行，第一步要界定场景；第二步，定义场景的AI业务价值指标，在AI赋能之下，可能产生的业务价值是多少？一些做得更精细化的银行，业务价值可能有AB测试，即有一个仍在运行的传统流程和一个新的AI流程，AI价值究竟如何，基于此再确定优先级；AI投入后效果最好的，无论是内部流程还是客户服务应用，究竟是哪些？将场景分类后，再持续闭环地推进、改进，我们认为这一方式较为可取，意味着真正关注AI产生的价值，而非仅关注投入。”

周宁人还从价值实现路径的角度做出了补充：“短期来看，当前可以看到AI带来的价值更多体现在降本增效上，因为降本增效类流程可能最容易衡量，也最快落地。但从中长期来看，更多价值应该体现在创收和模式重塑上，我们看到一些较为领先的银行，将效率红利进一步投入到新的AI能力建设上，无论是客户洞察，还是风险定价，一旦持续的整体性能力建立起来，必将转化为收益贡献。路径可能更多是从效率提升到客户经营质量提升，最终再到创造新的收入和价值池。”

从效果来看，周宁人认为先行者、领先者一定有一个更大的优势。“作为先行者，如果能把生产力优势、效率红利，快速投放到一些新的AI能力上，比如客户洞察、一对一的交互，以及风险定价，就能够快速建立一种持续性优势，有助于在未来价格中枢下移环境下获取更好的市场份额和客户关系，甚至提升最后的股东回报。但一旦落后，AI一定会导致成本中枢下移，在这种情况下，一些落后的银行，可能会面临客户流失和价格竞争挑战。所以，在未来竞争格局之下，可能导致银行之间的分化加大。”

AI布局紧迫性凸显 客户行为变化倒逼银行加速

麦肯锡方面研究指出，银行面对新技术采取的传统策略可以称为“明智跟随”，一度也颇为奏效。主要是因为银行的最具价值的客群（55岁及以上人群）本身对数字化接受节奏偏慢，银行核心收入池因此得以保全，也因此守住市场份额，银行由此获得了一段充裕的“宽限期”。

然而，这一格局正在被打破。麦肯锡观察到，如今各年龄层客户都在快速拥抱人工智能。ChatGPT于2022年11月发布；到2024年，美国劳动年龄人口中已有45%开始使用生成式人工智能，2025年这一比例进一步升至55%。过去常见的代际鸿沟也不再明显，且人们正在把越来越复杂的任务交给人工智能处理。

在银行业，客户已经开始利用生成式人工智能和智能体处理各类事务。麦肯锡的研究指出，客户可借助人工智能寻找并切换至高收益储蓄账户；对债务进行再融资或整合，以获得更低成本的方案；更高效地偿还信用卡欠款；对比筛选最优金融产品；获取即时、低成本的财务建议等。

麦肯锡方面分析认为，人工智能正在加速改变客户获取金融信息、接受建议和办理金融服务的方式。AI采用速度已达到历次技术革命最快水平，约为数字银行普及速度的7倍。客户对于AI处理财务规划、投资建议等复杂任务的接受度也正在提高。与此同时，在重点业务场景，中国部分领先机构的净生产率已经开始实现15%至20%的提升。“不过，AI能否真正重塑银行业，取决于银行是否能够从零散试点走向规模化价值释放。”

周宁人则从技术角度总结了AI重塑银行业的四个方面：“第一，新一轮生产力。过去我们讲的是数字化，从线下到线上，这一轮我们认为是新生产力的释放。第二，客户旅程的重塑。我们认为很多流程节点在AI介入后可能不复存在，整个流程因此存在再造的可能性。第三，更多重复性、日常性工作的脱媒化、去中介化，可由D2C模式直达客户完成。第四，备受关注的超级个性化。过去银行或能做到以客群为基础的分类与个性化，如今在生成式AI和代理型AI的助力下，能够实现真正千人千面和一人一服的精准触达与个性化响应。”

麦肯锡在报告中指出，对中国银行业而言，AI的意义不仅是提高单个岗位或流程的效率，更在于重构客户经营、财富管理和运营服务模式。银行需要围绕清晰的业务价值目标推进AI应用，在风险可控的前提下，将技术投入转化为客户体验、经营效率和长期竞争力。

（编辑：杨井鑫 审核：何莎莎 校对：颜京宁）