人工智能和生成式人工智能正在改写金融业的规则。在为《桥》杂志撰写的对话中，Artefact 的 乔弗雷-马丁内斯, Managing Partner和金融服务全球负责人，以及 亚历克西斯-包菲娜-杜克拉克, 合伙人兼金融服务部门负责人，讨论了利用人工智能重新定义金融业绩的竞赛。.

Joffrey Martinez 负责 data 和人工智能转型项目，服务对象包括全球各大银行、保险公司和金融机构。在加入 Artefact 之前，他曾在私募基金和咨询公司工作，包括 BearingPoint 和 IBM 法国咨询公司。他拥有 Kedge 商学院的硕士学位和精益六西格玛黑带认证，以及巴黎综合理工学院的高管教育证书。.

Alexis Baufine-Ducrocq 帮助领先的银行和保险公司部署人工智能和 GenAI 解决方案。他在欧洲和亚洲拥有超过 14 年的咨询经验，曾在战略和技术领域任职。Alexis 曾在 CentraleSupélec 学习工程和电信专业，并毕业于 ESCP Europe。.

人工智能早已成为金融世界的一部分，但 人工智能和高级分析技术的加速发展正在重新定义机构对绩效、生产力和价值创造的思考方式. .在银行、保险和资产管理领域，人工智能不仅是提高运营效率的工具，而且正在成为战略转型的引擎。.

如今，衡量金融业竞争力的标准不仅是利润率或风险敞口，还包括机构如何有效地获取和使用其 data。提供更快的决策、更好的客户体验和更灵活的运营，这一切都建立在对信息进行智能协调的基础上，这场竞争已经开始。.

速度、精度和质量已密不可分. .在银行可以在数小时而不是数天内批准贷款，保险公司可以在几分钟内报销索赔的环境中，客户的期望已经发生了永久性的转变。金融业的领导者将属于那些能够将敏捷性与信任相结合的人：人工智能使这种结合成为可能。.

通向人工智能成熟的两条道路

虽然每家金融机构都在进行人工智能转型，但各行各业的成熟度却大相径庭。零售银行和保险业是最早将人工智能产业化的行业之一，这主要是因为它们的业务模式依赖于规模：数百万客户、数十亿 data 点以及持续的利润压力。这些条件使得人工智能投资的回报既可衡量又立竿见影。.

零售银行现在使用机器学习来 对贷款申请人进行资格预审、个性化报价并检测客户交易中的异常情况. .保险公司使用类似的技术来 预测保单续期、检测欺诈行为并优化承保. .在这两个领域，人工智能通过降低运营成本和提高交叉销售潜力，直接支持盈利能力。.

相比之下，投资银行、私人银行和资产管理通过专业领域进入人工智能时代：量化交易、风险建模和欺诈检测。这些领域的应用虽然深入，但范围狭窄，仅限于计算师和精算师等专家使用。如今的变化是人工智能在整个价值链中的普及。客户关系、授信和风险管理现在都注入了人工智能。 预测模型和自动推理. .曾经存在于孤立的卓越中心的东西正在融入日常决策中。.

正如乔佛里所说, “所有参与者都加入到人工智能的竞争中，因为释放这一潜能是一项真正的竞争挑战”。” 人工智能的普及标志着从实验到整合的过渡，从孤立的项目到支撑竞争力的全行业能力。.

构建 data foundations

在金融子行业中，保险业或许最能清楚地说明 data 对转型的定义有多深。精算师是该行业最初的 data 科学家，他们一直使用统计建模来为风险定价。这种量化文化为保险公司的基础设施现代化提供了天然优势。.

近年来，重点已转向创建 端对端 data 生态系统. .健康、财产和意外保险公司正在构建能够实时获取客户 data、索赔 data、行为 data 和外部资源的平台。其结果是 预测和个性化的统一基础.

目前，大多数保险公司都采用混合、多 cloud 架构。高度敏感的 data 集（如医疗记录）仍保留在内部，而不太重要的 data 则迁移到公共 cloud 上，以实现可扩展性和高级分析。越来越多的 第三层，主权 clouds 正在出现，以协调创新与监管要求之间的关系. .这种分层方法使企业能够在合规性、灵活性和成本之间取得平衡。.

同样重要的是强大的 data governance 的崛起。data 的所有权正在向业务职能部门靠拢，使承保人、理赔经理和营销人员对 data 的质量和使用直接负责。强有力的管理将 data 从技术资产转变为业务资产：干净、符合实际情况、可用于人工智能。有了强大的管理、, 人工智能从专家工具转变为自助服务系统，加速业务影响.

客户 Data 平台（CDP）正成为这一战略的核心。通过连接各接触点的信息，CDP 使保险公司能够检测客户流失的早期迹象、量身定制优惠方案并对客户行为做出动态响应。在一个以高流失率著称的行业中，正如亚历克西斯（Alexis）所说：, “游戏就是让浴缸装满的速度快于倒空的速度”, 现在，data 集成已成为留住客户的代名词。.

有了这些基础，人工智能就能从专家驱动的计划转变为每个业务部门都能使用的自助服务应用程序。. 因此，Data 成为技术潜力与商业影响之间的桥梁.

全球人工智能应用的对比

在比较全球人工智能成熟度时，可以发现明显的模式。美国以显著优势领先，占全球金融服务领域人工智能收入的三分之一以上。摩根大通等美国机构已将人工智能嵌入从交易、信贷管理到客户咨询的几乎所有流程，展示了大规模全面整合的模样。.

在中国非凡创新能力的推动下，亚洲紧随其后。例如，中国平安已经从一家保险公司发展成为一家多元化的科技公司，申请了数千项人工智能专利，并在医疗保健、借贷和财富管理等领域实现了数百个用例的产业化。.

欧洲的倡议规模与亚洲并驾齐驱，但其与众不同之处在于 强调道德和监管. .瑞银（UBS）、法国巴黎银行（BNP Paribas）和桑坦德银行（Santander）等银行正在大力投资负责任的人工智能框架，同时在预防欺诈和客户服务方面部署先进的模型。.

其他地区也在以独特的方式快速发展。在巴西伊塔乌银行和努班克银行的带领下，拉丁美洲正在利用人工智能打击欺诈和管理纯数字银行生态系统。中东正受益于国家推动的人工智能投资战略，这些战略加速了各行业的创新，而非洲的机构正在利用人工智能将金融包容性扩展到服务不足的人群。.

尽管存在这些差异，但有一个一致的因素将领先者团结在一起： 将人工智能视为战略性基础设施. .那些不把人工智能作为成本杠杆，而是将其作为增长平台的国家和机构，正在以更快、更自信、更一致的方式前进。.

创造价值的三个载体

在整个金融领域，人工智能正在通过三个相互关联的杠杆创造价值： 成本优化, 收入增长, 和 风险保护.

成本优化仍然是最引人注目的. .自动化正在通过简化文件处理、核销和客户服务来降低 “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，在提高客户满意度的同时减少了运营开销。在保险业、, 现在，端到端自动化可在几分钟内处理多达 30% 的财产和健康索赔. .光学字符识别和生成模型可读取发票、验证覆盖范围并触发即时付款：这是将效率转化为体验的具体实例。.

同样的系统也能提升人类的贡献。通过自动处理日常案件，人工智能让专家们能够专注于复杂或敏感的情况，在这些情况下，判断力和同理心最为重要。从这个意义上说，自动化是一种重新实现人性化工作的方式，而不是消除人性化工作的方式。.

收入增长是下一个前沿领域. .预测分析使银行和保险公司能够预测客户的需求--新工作、购房、生活变化--并在适当的时候提出相关产品。生成式人工智能将这一优势扩展到了咨询领域：在私人银行业务中，它可以将复杂的市场分析浓缩为简明、可操作的见解，减少专业知识与客户决策之间的延迟。.

这种能力将服务模式从被动式转变为主动式。. 关系变得持续、有背景、个性化, 在产品商品化的市场中，人工智能是一个重要的差异化因素。人工智能为客户关系设定了新标准：随时可用、随时可及、个性化、反应迅速。.

第三个载体--保护，可能是最关键的信任载体. .机器学习模型现在可以实时监控数以百万计的交易，检测潜在欺诈或洗钱活动的异常信号。人工智能能够处理不平衡的 data 交易，即真实交易远远多于欺诈交易，这为风险检测带来了革命性的变化。.

遵守规定、, 人工智能大幅降低误报率. .人工智能过滤警报，将人的注意力集中在真正可疑的活动上，而不是由大批分析师手动审查交易，在一些机构中，人工智能过滤警报的准确性降低了 100 倍。结果如何？降低了成本，加快了响应速度，增强了监管机构和客户的信心。.

投资回报率之外：文化回报

量化人工智能的影响相对简单。欺诈模型可以节省数千万欧元；; 流程自动化可将效率提高 20% 至 30. .然而，更深层次的价值在于人工智能如何重塑组织的思维和工作方式。.

纯粹将人工智能视为自动化工具，会错失其变革潜力。人工智能不仅能在日常工作中节省时间，还能在以下方面发挥作用 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，管理人员将监督人工智能代理处理大多数标准索赔，而将人力时间用于处理需要同理心和判断力的特殊案件。.

此外，日常工具的生产率也比较低，亚历克西斯将其描述为 扩散生产力. .Copilot 等辅助技术可能只能为每位用户节省几分钟时间，但其累积效应却能协调整个团队的质量。当员工分享发现和最佳实践时，他们就会加快采用速度，并对更复杂的人工智能应用建立信心。.

这样，文化准备既是人工智能成功的先决条件，也是人工智能成功的产物。培养好奇心和协作精神的组织获得的长期回报远远高于那些只关注眼前财务指标的组织。.

管理风险的新层面

在风险管理方面，没有哪个行业比金融业更有经验。然而，人工智能带来了新形式的风险，需要进行调整控制，从 data 隐私和模型偏差到网络复原力和可解释性。.

许多机构正在通过 “三道防线 ”模式. .一个团队负责开发算法，另一个团队负责验证算法的完整性，第三个团队（通常包括监管机构）负责审查算法的性能。这种职责分工确保了整个人工智能生命周期的问责制和透明度。.

至关重要的是，该行业根深蒂固的 治理为负责任的人工智能奠定了坚实的基础. .银行和保险公司已经在严格的保密和合规标准下运营；将这些原则扩展到算法系统是自然而然的事情。正如乔弗里所指出的、, “最大的风险是什么都不做的风险”。” 在这种情况下，不作为就意味着将竞争优势拱手让给更敏捷的竞争对手。.

人类的转变

然而，最深刻的变化是人的变化。历史表明，每一次自动化浪潮都会转移专业重点，而不是抹杀专业重点。当机械计算器在十九世纪末出现时，文员并没有被取代，他们变成了分析师。同样的道理也适用于今天。.

人工智能将使计算、记录和监控自动化，但 对人类监督、解释和同情的需求只会与日俱增. .未来的专业人员将是智能代理的监督者、流程的协调者和转型的设计者。他们的价值不在于日常执行，而在于洞察力和判断力。.

挑战在于 不是让人类过时，而是以一种新的方式让人类变得不可或缺.

打造更加智能的金融生态系统

人工智能已经重塑了金融机构管理业务、与客户接触和控制风险的方式。下一阶段，专门的人工智能代理将与人类专家一起进行端到端操作，将智能嵌入每个流程。.

能够引领这场变革的机构是那些能够将创新与金融业一贯的纪律相结合的机构。它们不仅将人工智能视为技术，还将其视为更新行业基本契约的手段：更好地服务客户，负责任地管理风险，用智慧和诚信创造价值。.

简而言之，金融服务的未来将不取决于谁部署了最多的模式，而是取决于 谁利用它们来建立最值得信赖、适应性最强、以人为本的机构.

 

观看法语采访原文: