得益于人工智能和生成式人工智能，金融行业的规则正在被重写。在《The Bridge》的访谈Artefact的管理合伙人兼全球金融服务负责人Joffrey Martinez与合伙人兼金融服务负责人Alexis Baufine-Ducrocq，探讨了利用人工智能重新定义金融绩效的竞争。
乔弗里·马丁内斯负责为全球各大银行、保险公司及金融机构提供数据和人工智能转型项目的管理。在Artefact，他曾在私募股权和咨询领域工作，包括在贝恩咨询（BearingPoint）和IBM法国咨询公司任职。他拥有凯杰商学院（Kedge Business School）的硕士学位，以及精益六西格玛黑带认证，并完成了巴黎综合理工学院（École Polytechnique）的高管教育课程。
亚历克西斯·博芬-杜克罗克（Alexis Baufine-Ducrocq）致力于协助领先的银行和保险公司部署人工智能（AI）及生成式人工智能（GenAI）解决方案。他在欧洲和亚洲拥有超过14年的咨询经验，此前曾担任战略与技术相关职务。亚历克西斯曾在中央高等电力工程学院（CentraleSupélec）攻读工程与电信专业，并毕业于欧洲管理学院（ESCP Europe）。
人工智能早已融入金融领域，但生成式人工智能和高级分析技术的加速发展，正在重新定义金融机构对业绩、生产力和价值创造的认知。在银行业、保险业和资产管理业中，人工智能不仅已成为提升运营效率的工具，更已成为战略转型的引擎。
如今，金融行业的竞争力不仅体现在利润率或风险敞口上，更取决于金融机构能否高效地采集和利用数据。各家机构正竞相通过智能信息协调，致力于实现更快速的决策、更优质的客户体验以及更具韧性的运营。
速度、精准度与质量已密不可分。在银行能在数小时内而非数天内批准贷款、保险公司能在数分钟内完成理赔的今天，客户的期望已发生根本性转变。金融领域的领导地位将属于那些能够将敏捷性与信任相结合的企业：而人工智能正是实现这一结合的关键。
通往人工智能成熟的两条路径
尽管每家金融机构都在推进人工智能转型，但整个行业的成熟度却存在显著差异。零售银行业和保险业是最早实现人工智能规模化应用的领域，这主要因为其商业模式依赖于规模效应：数百万客户、数十亿数据点，以及持续的利润率压力。这些条件使得人工智能投资的回报既可量化，又立竿见影。
如今，零售银行利用机器学习对贷款申请人进行预审、提供个性化方案，并检测客户交易中的异常情况。保险公司则运用类似技术来预测保单续保情况、识别欺诈行为并优化承保流程。在这两个领域，人工智能通过降低运营成本和提升交叉销售潜力，直接助力企业提升盈利能力。
相比之下，投资银行、私人银行和资产管理行业则是通过量化交易、风险建模和欺诈检测等专业领域迈入人工智能时代的。这些应用虽然深入但范围有限，仅局限于量化分析师和精算师等专家群体。如今正在发生的变化是人工智能在整个价值链中的普及。客户关系管理、信贷审批和风险管理如今都融入了预测模型和自动化推理。曾经仅存在于孤立的卓越中心中的技术，正逐渐融入日常决策之中。
正如乔弗里所言：“所有参与者都已加入人工智能的角逐，因为释放这一潜力确实面临着严峻的竞争挑战。”人工智能的普及标志着其发展已从实验阶段转向融合阶段，从孤立的项目演变为支撑行业竞争力的全行业能力。
构建数据基础
在金融各细分领域中，保险业或许最能清晰地展现数据对转型的深远影响。精算师作为该行业的“元老级数据科学家”，一直以来都利用统计建模来评估风险。这种量化文化为保险公司进行基础设施现代化改造提供了天然优势。
近年来，行业焦点已转向构建端到端的数据生态系统。健康险、财产险和意外险公司正致力于打造能够实时整合客户数据、理赔数据、行为数据及外部数据源的平台。由此构建的统一基础，为预测分析和个性化服务提供了有力支撑。
如今，大多数保险公司都采用cloud 。高度敏感的数据集（如医疗记录）仍保留在本地，而重要性较低的数据则迁移至公有云，以实现可扩展性和高级分析。与此同时，一种名为“主权云”的第三层架构正日益兴起，旨在兼顾创新与监管要求。这种分层方法使企业能够在合规性、敏捷性和成本之间取得平衡。
同样重要的是，健全的数据治理正日益受到重视。数据所有权正逐渐向业务职能部门靠拢，使承保人、理赔经理和市场营销人员对数据质量和使用承担直接责任。健全的治理将数据从技术资产转变为运营资产：数据经过清理、具备上下文关联，并可用于人工智能。在健全的治理下，人工智能将从专家工具转变为自助服务系统，从而加速产生业务影响。
客户数据平台（CDP）正逐渐成为这一战略的核心。通过整合各触点的信息，CDP 使保险公司能够及早发现客户流失的征兆，量身定制优惠方案，并根据客户行为动态调整应对策略。在这个以高流失率著称的行业中，正如亚历克西斯所言，“关键在于让水流进浴缸的速度快于水流出的速度”，数据整合如今已成为客户留存的代名词。
有了这些基础，人工智能便能从专家主导的项目转型为每个业务部门都能使用的自助式应用。数据因此成为连接技术潜力与商业影响的桥梁。
全球人工智能应用现状的差异
在比较全球人工智能发展成熟度时，一些明显的规律浮出水面。美国以显著优势领先，其金融服务领域的人工智能收入占全球总收入的三分之一以上。摩根大通等美国金融机构已将人工智能融入几乎所有业务流程，从交易和信贷管理到客户咨询，充分展示了大规模全面整合的样貌。
亚洲紧随其后，这主要得益于中国非凡的创新能力。以平安为例，该公司已从一家保险公司转型为一家多元化科技企业，申请了数千项人工智能专利，并在医疗保健、贷款和财富管理等领域实现了数百个应用场景的产业化。
欧洲在举措规模上与亚洲不相上下，但其独特之处在于对伦理和监管的重视。瑞银（UBS）、法国巴黎银行（BNP Paribas）和桑坦德银行（Santander）等金融机构正在大力投资于负责任的人工智能框架，同时在欺诈防范和客户服务领域部署先进的模型。
其他地区也在以各具特色的方式迅速发展。拉丁美洲在巴西伊塔乌银行（Itaú）和Nubank的引领下，正利用人工智能打击欺诈行为并管理纯数字银行生态系统。中东地区则受益于政府主导的人工智能投资战略，这些战略正在加速各行业的创新；而非洲的金融机构则利用人工智能，将金融普惠服务扩展至服务不足的人群。
尽管存在这些差异，但有一点是各领先者共同认可的：即把人工智能视为战略性基础设施。那些将人工智能视为增长平台而非成本杠杆的国家和机构，正以更快的速度、更坚定的信心和更强的协同性向前迈进。
价值创造的三个维度
在整个金融行业，人工智能正通过三个相互关联的途径创造价值：成本优化、收入增长和风险防范。
成本优化仍是成效最显著的领域。自动化通过简化文件处理、承保和客户服务流程，有效降低了“服务成本”。在零售银行业，人工智能驱动的信贷分析将贷款审批时间缩短了数天，在降低运营成本的同时提升了客户满意度。在保险业，端到端自动化如今能在数分钟内处理高达30%的财产险和健康险理赔。 光学字符识别和生成式模型能够读取发票、核验保险范围并触发即时支付：这正是效率转化为客户体验的切实例证。
正是这些系统提升了人类的价值。通过自动处理常规案件，人工智能让专家能够专注于那些最需要判断力和同理心的复杂或敏感情况。从这个意义上说，自动化成为一种让工作重回人性化的方式，而非消除工作本身。
收入增长是下一片待开拓的领域。预测性分析使银行和保险公司能够预判客户需求——无论是换工作、购房还是人生重大变故——并在恰到好处的时机推荐相关产品。生成式人工智能则将这一优势延伸至咨询领域：在私人银行业务中，它能将复杂的市场分析浓缩为简洁且可操作的洞见，从而缩短专业建议与客户决策之间的时差。
这些能力使服务模式从被动响应转变为主动服务。客户关系变得持续、情境化且个性化，这在产品日益同质化的市场中成为一项重要的差异化优势。人工智能为客户关系树立了新标准：随时可用、触手可及、个性化且响应迅速。
第三个维度——安全防护——或许是建立信任的关键所在。如今，机器学习模型能够实时监控数百万笔交易，从而发现可能预示欺诈或洗钱活动的异常情况。人工智能在处理数据不平衡问题（即真实交易数量远多于欺诈交易）方面的能力，已彻底改变了风险检测的方式。
在合规领域，人工智能显著降低了误报率。与以往需要大量分析师手动审查交易不同，人工智能会对警报进行筛选，使人工审查能够集中于真正可疑的活动，在某些机构中，误报率降低了100倍，且准确性丝毫未减。结果如何？成本降低、响应速度加快，监管机构和客户的信心也随之增强。
超越投资回报率：文化回报
量化人工智能的影响相对简单。反欺诈模型可节省数千万欧元；流程自动化可带来20%至30%的效率提升。然而，其更深层的价值在于人工智能如何重塑组织的思维方式和工作模式。
如果仅仅将人工智能视为一种自动化工具，就会忽视其变革潜力。它不仅能为日常任务节省几分钟时间，更能重新定义角色、管理实践，甚至专业知识的概念。例如，在未来的保险公司中，管理者将监督人工智能代理处理大多数标准理赔案件，而将人力时间留给那些需要同理心和判断力的特殊案例。
此外，还有日常工具所带来的那种更为低调的生产力，亚历克西斯将其描述为 “隐性生产力”。像 Copilot 这样的辅助技术，虽然每个用户可能只节省几分钟，但其累积效应能让各团队的工作质量趋于一致。当员工分享发现和最佳实践时，他们不仅能加速技术采用，还能增强大家对更复杂的人工智能应用的信心。
由此可见，文化准备度既是人工智能成功的先决条件，也是其成功带来的成果。那些注重培养好奇心和协作精神的组织，其长期回报远高于那些仅关注短期财务指标的组织。
应对风险的新维度
在风险管理方面，没有任何一个行业比金融业更具经验。然而，人工智能带来了新型风险，需要相应的管控措施，从数据隐私和模型偏差，到网络弹性及可解释性。
许多机构正通过“三道防线”模型来应对这些挑战。一个团队负责开发算法，另一个团队负责验证其完整性，而第三个团队（通常包括监管机构）则负责审查其性能。这种职责分离确保了人工智能生命周期各阶段的责任归属和透明度。
关键在于，该行业根深蒂固的治理文化为负责任的人工智能奠定了坚实基础。银行和保险公司早已在严格的保密和合规标准下运营；将这些原则延伸至算法系统，是水到渠成之事。正如乔弗里所言：“最大的风险在于无所作为。”在此背景下，不作为意味着将竞争优势拱手让给更灵活的竞争对手。
人类的蜕变
然而，最深刻的变化在于人。历史表明，每一波自动化浪潮都会改变职业的侧重点，而非将其彻底淘汰。19世纪末机械计算器问世时，文员并未被取代，而是转型为分析师。这一逻辑在今天同样适用。
人工智能将实现计算、文档编制和监控的自动化，但对人类监督、解读和同理心的需求只会与日俱增。未来的专业人士将成为智能代理的监督者、流程的协调者以及转型的设计者。他们的价值不在于例行公事的执行，而在于洞察力和判断力。
挑战不在于让人类变得多余，而在于以一种崭新的方式让人类变得不可或缺。
迈向更智能的金融生态系统
人工智能已经重塑了金融机构的管理运营、客户互动和风险管控方式。在下一阶段，专业的人工智能代理将与人类专家并肩协作，全程参与业务流程，将智能融入每一个环节。
引领这场变革的机构，将是那些能够将创新与金融业一贯秉持的严谨精神相结合的机构。它们将不仅把人工智能视为一种技术，更将其视为重塑行业基本契约的手段：更好地服务客户、负责任地管理风险，并以智慧和诚信创造价值。
简而言之，金融服务的未来将不再取决于谁部署了最多的模型，而是取决于谁能利用这些模型构建出最值得信赖、最具适应性且以人为本的机构。
观看法语原版采访：
