Artefact 主办的金融人工智能峰会Artefact 2024年9月17日——巴黎
Artefact合伙人兼全球金融服务负责人乔弗里·马丁内斯在开幕致辞中的核心观点。
人工智能对金融业的快速变革
十六年前，投资传统金融机构似乎是一项稳妥的选择。然而，人工智能的迅猛崛起证明，技术的发展速度甚至可以超越最根基深厚的银行。近年来，人工智能已显著改变了金融格局，从利用机器学习提升欺诈检测能力，到提高算法交易的效率。 最引人注目的飞跃发生在过去两年间，生成式人工智能（GenAI）的出现使得技术在与客户互动时能够展现同理心——这曾是难以想象的里程碑。
人工智能规模化面临的挑战
尽管人工智能技术取得了重大突破且成本不断下降，但只有约10%的金融机构成功实现了人工智能项目的规模化应用。大多数应用仅限于将ChatGPT或Copilot等工具集成到现有流程中，这导致难以衡量投资回报、成本削减或客户满意度的提升。问题在于：究竟是什么障碍阻碍了人工智能的成功应用，又该如何克服这些障碍？
TIME：人工智能成功的框架
要应对人工智能带来的挑战，解决方案在于“TIME”——这是一个代表“转型（Transformation）、整合（Integration）、衡量（Measurement）和赋能（Empowerment）”的缩写词。
T 作为变换
要取得切实成果，必须聚焦于与集团战略及优先事项相契合的全面业务转型。转型必须是端到端的，而不仅仅是将技术叠加到现有流程之上。例如，优化服务成本可能意味着要改进后台流程，而以收入为导向的转型则可能侧重于分销模式和客户渠道。关键在于明确价值所在，并全力以赴。
我即整合
金融服务领域的遗留系统往往导致信息孤岛，使得数据访问和质量控制变得复杂。cloud 本地部署的运营极少能实现完全整合。工作重点应从基础设施层面转向确保模型能深度融入数据基础架构和业务流程之中。利用“LLMOps”（这一概念类似于DevOps，但专为大型语言模型量身定制）对于将人工智能有效整合到现有生态系统中至关重要。
M 作为测量单位
行业范式已从训练模型转向衡量模型的影响力和漂移情况。模型开发正逐渐成为标准化服务，但在欺诈检测、资本配置和客户互动中监控模型的性能至关重要。一个健全的评估框架应包括观察问题、量化并理解问题，以及监督模型对业务的影响，从而确保持续改进。
E 代表赋权
人工智能的真正价值在于人。人工智能部署的成功与否，取决于一线员工的赋能与培训。只有当员工积极参与、接受培训并做好adopt AI 准备时，才能真正实现生产力的提升。因此，必须确保最接近业务一线的人员参与其中，并理解人工智能如何为他们的岗位带来益处。
在速度与时间之间取得平衡
人工智能需要时间来改造受严格监管的环境和流程。然而，当务之急是迅速采取行动，以获得竞争优势。正如任何比赛一样，速度固然重要，但确保转型的每一步都扎实稳健同样重要。结论很明确：要给人工智能项目留出时间，但也要迅速行动，才能在这个快速演变的格局中保持领先地位。
