2024年金融服务业中国AI现状与趋势.docx

《2024年金融服务业中国AI现状与趋势.docx》由会员分享，可在线阅读，更多相关《2024年金融服务业中国AI现状与趋势.docx（7页珍藏版）》请在优知文库上搜索。

1、2024年Al的主要趋势生成式Al在金融行业引起注意一年，在NVIDIA最新的金融服务业AI现状调查结果中也尤为凸显。作为一种非常有前景的工具，32%的受访者已经在公司中使用它。生成式AI提供动力支持的用例范围广泛，从内部应用（例如分析大量数据并产生投资见解）到面向外部的用例（例如营销和提供个性化的银行体验）。除了生成式AI,金融服务与其他行业一样，正在竞相利用人工智能实现重复性任务的自动化、提高效率并降氐成本。在金融服务行业，银行、资产管理人和金融科技公司正在努力使用AI改变其工作以及为投资者和消费者提供的月艮务的方式。为了深入了解行业对如何更好地利用AI实现金融转型的想法和意见，NVIDI

2、A完成了第四期年度金醐艮务业AI现状报告。该报告基于对400多名全球金融!的专业人员（包含125位中国金融服务专业人员）的调查，内容涉及加速计算、AI和机器学习在该行业中的趋势、拟赋和机遇。今年的调查结果凸显了Al在交易、银行、支付和金融科技领域应用的四个发现：金融服务机构正在使用越来越多的AI工作负载，并且对生成式AI实现流程自动化和改善客户服务的能力特别关注。金融务组织对AI用例并从AI部署中获取价值的能力越来越有信心。随着AI模型的复杂性和规模不断增加，数据问题已成为实现AI目标的最却城金融服务公司正在探索构建和部署可信、安全AI的新方法，包括联邦学习和机密计算。建立AI信心在过去12个

3、月中，金融I艮务组织一直致力于提高对AI用例、所需的计算基础设施和部署方案的理解。因此，各公司对自己在AI竞赛中的地位充满信心,其中81%的公司认为自己的AI能力处于行业领先地位或中层位置。调查结果表明，11%的管理层和16%的非管理层受访者认为自己的公司是行业领导者。I您如何评价贵公司的Al痴？所有受访者（中国频层仲国）n=19非管理层仲国）n=106行业领先15%11%16%中层位置66%63%66%行业落后19%26%18%当银行和资产管理人将AI应用于风险管理、监管合规性和欺诈检测等行业特有挑战时，Al正由动跨准则和工作角色的速度和效率。它提供数据见解，使营销人员能够充分定制市场营销活

4、动。它为销售团队提供更有针对性的方法来识别和优先考虑潜在客户，生成式Al让他们能够提供个性化电子邮件和广告产品。Al驱动的自动化正在接管重复性工作,释放人力资源并简化运营。从收入到运营，Al的影响举足轻重如今，推动AI在各行各业中 成功采用的主要因素之一是训 练和推理的成本。找到加速模 型训练时间的方法，同时节省 空间和资源使用将是关键。”-Theo Lau ,金融科技影响者、 作者、Unconventional Ventures创始人从去年开始，行业对AI影响的积极看法仍在继续，84%的受访者认为AI正在增加收入并降低度成本。根据调查数据，金融服务公司正在为核心业务领域部署AL为了改善运营，

5、公司使用AI实现手动流程自动化、优化资源分配并提高效率。例如，AI驱动的聊天机器人正在用于处理客户杳询并提供实时支持，减少人工干预的需求并缩短响应时间。在风睑和合规方面，公司正在使用机器学习分析大量数据，以增强欺诈检测、改进反洗钱（AML）并确保监管合规性。营销部门正在利用客户数据生成个性化建议、定向广告和定制营销活动。销售团队则受益于AI优化带来的潜在客户生成、客户关系管理和销售预测。贵公司目前在以下哪些领域使用了Al解决方案？（中国）运营41%19%38%36%风险与合规市场营销销售当被问及AI影响的具体领域时,答案包括从运营效率到新的商业优势等方面。Al如何提升了贵公司业务运营？(中国)

6、提高运营效率68%改善客户体验44%明氐总持有点24%生成更准确的模型16%创造竞争优势13%开辟新商机7%与去年相比，用户对AI创造新运营效率能力的看法跃升至68%的支持率，这提示企业已准备好利用生成式AI等新工具来自动生成报告、定制营销材料以及构建交互式客服机器人。这种对新AI工具的接受态度表明了行业对AI的整体兴趣。事实上，金融机构已经在使用多种Al工作负载，其中数据分析和数据处理占据主要位置。50%贵公司目前使用哪些Al工作负载(中国，n=38)雌分析寸话式Al自然语言处理(NLP)姓处理高性能计算三CAI大语言模型(LLMs)通过实时处理大量数据，银行和资产管理人可以辨别市场趋势并做

7、出决策，以快速响应市场变化。Al驱动的数据分析通过识别投资、贷款和其他金融工具中的异常情况，实现更有效的风险管理。加速数据分析还支持高效分析,以检测狡猾和复杂的欺诈模式。NLP为聊天机器人和虚拟助理提供支持，这些机器人和虚拟助理可以理解和回复客户杳询，协助完成各种银行任务，并提供个性化建议。先进的NLP和大型语言模型 使虚拟助理能够处理复杂的 客户直询，提供个性化的财务 建议，并提供实时支持。这项 技术正在彻底改变与客户的 互动，让服务更容易、更高 效。-HelenYu ,金蝌支影响者、 执行顾问、播客主持人随着ChatGPT和LLM现已用于各行各业的众多业务功能，生成式AI正在快速成为主流技

8、术。除了已经使用这项技术的人之外,还有55%的受访者研究生成式AI0体验/互动42%合成数据生成42%报告生成37%市场营销37%贵公司正在探索生成式Al和LLM的哪些用例(中国)n=19借助检索增强生成(RAG),公司可以将现有或自定义LLM与从内部或外部知识库获取数据的机制相结合。这样就可以创建配备最新信息(包括行业和公司特定信息)的助手，生成更准确的结果。”在交易和银行业的金融文档 分析中使用生成式AI可以进 一步实现辘提取和解释的自 动化，显著提高运营效率。这 种自动化不仅加快了交易处理 速度，还最大限度地减少了 错误，实现更精简的操作. -Bruno Diniz ,行业影响者， 金融

9、科技顾问生成式AI可以提供个性化财务计划和投资建议、理解自然语言杳询的虚拟助理，以及通过语音识别和生物特征身份验证提高访问帐户的安全性,改善客户体验。使用生成式AI创建的合成数据可以改进对市场动态趋势例如通货紧缩和消费者物价指数(CPl)的预测。跨国企业可以创建合簸据集,复制艇位置锁定的数据，以便训练模型在其他地点使用。生成式AI增强风险管理和欺 诈检测的方式值得注意。它非 常擅长识别潜在欺诈，这在我 们的数字时代变得越来越重 要。此外，它在确保遵守不断 变化的法规方面的作用怎么强 调都不过分。-Antonio Grasso , Toward aPost-Digital Society 作者、

10、技术专家和可持续发展倡导者生成式AI还可用于快速生成常用文档，例如风险两古报告、欺诈检测报告和投资绩效报告。借助最新报告，财务专业人员可以快速做出明智的决策，并消除运营中的摩擦。通过分析客户统计数据、交易历史记录和行为模式，生成式AI可以根据客户细分的偏好、需求和盈利能力开发营销活动，甚至为公司生成新的市场策略、产品和销售活动。企业组织发现了Al在各种用例中的潜力当被问及其公司目前投资的特定AI用例时，答案从算法交易和投资组合优化到客户体验和网络安全。在调查中分析的20个用例中，有3个脱颖而出，约三分之一或以上的调查对象都在这3个领域进行了投资。客户体验36%30%文档管理算法交易29%网络安

11、全18%合成数据生成15%合规14%违约贷款预测14%欺谢颂-反雌14%贵公司目前投资的Al用例是什么？（中国）”文档分析的自动化通过快速 处理大量数据、减少手动错误 和简化工作流程来节省时间。这种效率意味着在交易和银行 业中更快地做出决策. -HeIenYu ,金蝌嫡向者、执行顾问、播客主持人从呼叫中心转录到智能聊天机器人，AI正在帮助消除客户支持方面的障碾，并减少执行常见银行任务时的阻碍。AI可以成为客服人员的助理，帮助他们为客户提供更快、更个性化、持续连贯的服务。借助NLP,AI可以从财务文档例如合同、发票和账单中提取和分析信息。这将实现数据录入和文档分类的自动化,以简化文档处理并减少人

12、工错误。AI还可以在合并和收购中读取和分析合同、保险单和其他文档，降!氐成本并缩短交易的时间。金融机构可以使用机器学习通过分析市场数据、识别模式和获取实时雌驱动的结论来改进算法交易。生成式AI可以从财务报表、电话汇报和情感分析中提取宝贵见解，以推动做出投资决策。AI可以帮助实现流程自动化、检测欺诈、确保合规性，并实现实时监控，增强风险管理实践，帮助金融机构做出更明智的决策，从而实现副圭运营和投资结果。为了快速准确地检测支付和交易欺诈，AI模型可以标记异常的交易金额、位置或模式，并将案例交给员工进行进一步调杳。深度学习模型例如图形神经网络可以在以前未检测到的实体之间建立关系，从而更有效地雌反洗钱

13、（AML）和”了解您的客户（KYC）h合规性。模型还可以利用持续学习来适应新的欺诈模式,并实现实时监控和检测.AI还可以通过评估市场状况、跟踪投资组合管理以及识别风险和机遇来帮助资产经理优化投资组合。通过自动监控流程和集成实时数据源，AI可以提供及时的预警和见解，让投资组合经理做出明智的决策并主动采取行动。面临的挑战虽然对AI的热情和投资有所提高，但拟戡依然存在。调查结果揭示了金融服务组织在实现AI目标方面面IlS的四大挑战。责公司在评估和/或测试Al时面临的最大挑战是什么？（中国）用于模型训练/准确性足够多的数据量50%数据问题：隐私、主权和不同位置34%技术不足以实现目标28%聘用/保留技

14、术人才17%预算不足17%50%的受访者认为缺乏高质量的多样化健集对有效的模型训练和准确性构成了拟戡。同时，数据问题开始成为一项关娥K战，其中34%的受访者表示数据问题是金融机构最关心的问题。他们正在努力应对与数据相关的挑战，包括数据隐私、数据所有权以及分散在全球各地的数据受到的不同监督法规约束。17%的组织S馈，难以聘用和保留Al专家和雌科学家是实现其AI目标的障碍。但随着金融服务公司继续投资行业领先的AI技术平台，AI专家将发现其取得成就的位置，并认为该行业是有吸引力的就业选择。最后，对17%的受访者而言，预算不足是实施AI计划的障碍。应对挑战金融服务组织意识到来自监管机构和消费者监督与日

15、俱增，正在采取多项措施来寻求准确、可信的Al来保护数据隐私。金融机构也开始使用联邦学习和机密计算。借助联邦学习，组织可以在去中心化平台上训练AI模型，无需传输数据，从而更安全地开发AIe机密计算技术为处理敏感数据提供了安全的环境，帮助组织满足通用数据保护条例（GDPR）等当地相关法规的合规性要求。虽然这些计算领域只有几年的历史，但5%的受访者已经在评估联邦学习或机密计算，以改善数据隐私和安全性，开发值得信赖的AL勒索软件/恶意软件34%凭据/X分攻击30%欺诈检测29%零日漏洞27%零信任13%贵公司的Al正在（或将）解决哪些网络安全问题？（中国）n=89“从银行业的角度来看，随着 日常任务的自动化，我可以显 著节省成本并更高效地分配人 力资源。此外，这些AI系统 提供的增强型安全功能，尤其 是通过模式识别来检测潜在的 欺诈行为，为金融交易增添了 一层安全性. -Antonio Grasso , Toward a Post-Digital Society 作者、 技术专家和可持续发展倡导者金融机构对用