AI时代，金融业赢者通吃？丨2024年新金融大会
金融机构整体上拥抱AI技术，但因为这个行业对数据的精准度要求较高且相对专业，因此具体技术方案在落地的时候非常谨慎。
一些头部资管公司的态度已经开始转变，呈现出一种积极融入的姿态。
经过AI技术形成的结果需要经过人的认可，对于投资结果，AI是无法兜底的。
服务场景或千人千面，但金融产品稳定性高。
南方周末新金融研究中心研究员 陈琰
责任编辑：丰雨
2024年，人工智能爆发式增长，其在金融行业领域的落地应用备受关注。人工智能尤其生成式人工智能技术在金融领域的运用情况如何？发展趋势是什么？对专业要求度较高的金融从业人员未来是否可能被AI机器人取代？ AI 时代，金融业将赢者通吃还是会百花齐放？
在南方周末于日前在北京举办的2024年新金融大会上， 恒生电子首席科学家、研究院院长白硕 ， 新华资产管理股份有限公司研究部副总经理邓小钊 和 蚂蚁消费金融有限公司首席信息官刘义 三位行业人士应邀与南方周末新金融研究中心研究员（下称“南方周末”）就“AI时代，赢者通吃？”为主题进行圆桌对话。他们从技术使用方和供应商等不同角度共同剖析探讨人工智能在金融领域的发展现状及趋势。
恒生电子2023年入围 FinTech全球百强榜，在亚洲上榜企业中排名第一 ； 新华资产管理股份有限公司（下称“新华资产”）是国内首批获监管许可设立的保险资管机构，目前管理资产规模超2万亿元；蚂蚁消费金融有限公司（下称“蚂蚁消金”）则是目前 国内注册资本最高的持牌消费金融公司 ， 旗下拳头产品“花呗”目前用户数量超过4亿人次。
技术方案落地非常谨慎
南方周末： 目前AI技术可以赋能金融行业的哪些业务领域？
白硕： 通过 与 广大金融机构的互动， 我们初步确立投研、投顾、客服、运营和审核为五个落地方向。目前这五个场景也都有相应的解决方案落地。相比于其他行业，金融机构给我们的体感是，整体上拥抱AI技术，但因为这个行业对数据的精准度要求较高且相对专业，因此具体技术方案在落地的时候也非常谨慎。
基于这种谨慎，恒生电子在实战中总结出一套方法论。即把通用大模型对接到金融机构已在使用的业务系统。在此基础上与业务部门紧密互动，对达不到业务部门认可标准的技术路线予以排除。与此同时，通过挂接活数据的方式，确保数据的精准高效。在此过程中，大模型和业务部门应该是“双向奔赴”的关系，一方面大模型要向业务靠拢、更懂业务，另一方面，业务也要为大模型提供优质的数据、文档和接口描述。
（ 恒生电子首席科学家、研究院院长白硕）
南方周末： 风控评级也是前面提到的审核场景之一。在风控评级方面，AI技术是如何赋能小额信用贷款的？
刘义： 蚂蚁消金目前主要应用AI技术对用户进行风险评估，在消费信贷领域，有数据、模型、策略三层智能体系架构，进而覆盖了贷前、贷中、贷后全流程的风险防控体系。在授信贷前环节，会通过 用户画像以及他的收入、基本情况，去评判这个用户 的风险程度；贷中也会向不同人群执行不同的风控策略，通过交互式自证提额等方式来动态化管理授信额度。
比如，向刚毕业的学生开放更多的信用自证场景。这一模式下，一些同学提交 四六级英语证书、毕业证，甚至考 的 一些证书 作为信用资料，因此提高了不少信用额度。另外也有用户反映，比如作为滴滴的驾驶员获得五星考评，或者说获得一个优秀教师资格是否也可以作为增加信用额度的凭证，这些做法都可以在AI技术赋能下，通过用户动态式的自主提供多场景信用资料， 进而 实现更多金融上的支持 。 而这是传统风控模型下难以做到的。
（蚂蚁消费金融有限公司首席信息官刘义）
头部资管机构积极融入
南方周末： 投研能力是资管机构的核心竞争力。资管机构如何看待AI技术在投研领域的运用？
邓小钊： 这个问题可以分为两个方面来看。一是机构本身是否积极引入AI技术；其次是资管行业从业者是否通过使用AI应用完成自己的工作。
因为AI大模型也是2022年底由 OpenAI 发布 ChatGPT 之后开始进入到大家的视野，由于数据安全的问题，据了解，目前AI在金融机构并不是普遍应用，尤其在核心业务的场景，还是审慎推进。但是今年国内一批优秀的大模型也陆续出现，这就给业内提供了很好的选择，同时一批第三方应用的初创公司抓住一些场景的痛点也在迅猛发展 ， 我们认为未来导入的速度在加快。
举个例子，我们投研团队和 IT 部门 联合 打造了一个“AI小研” 的模块 ，推出了很多功能，其中有三个功能我们经常用。第一，智能阅读。只要输入我需要了解的 标的 ，它可以按照我们自己设定的框架迅 速 提炼 报告信息 ， 这个信息包括外部报告，也包括内部报告， 大大节省了时间 ； 第二，智能写作。现在A股上市公司 五千 多家， 研究员 在财报季工作量是很大的，这个智能写作基本上只要在公告出来以后， 就可以迅速提炼出核心观点，研究员再做剩余补充即可 ； 第三，智能会议。投资经理每天要参加大量的会议，很多会议同时 举行 。 可以使用智能会议 把它录下来，自动从语音转化为文字，文字提出来的核心要点放在内存里，投资 经理有空的时候再去查阅也很方便 。
从业者角度而言， 现在 大家手机或PC上都或多或少装了 国内 大模型， 知识的获取方式跟以往已经发生了变化。相比于机构，个人对AI技术已经是热情拥抱的态度了。
（新华资产管理股份有限公司研究部副总经理邓小钊）
AI无法为投资建议兜底
南方周末： 智能投顾的核心是用数据和算法代替人工选择投资产品的过程。前些年，银行集体下架智能投顾是什么原因？未来还有可能被广泛运用吗？
白硕： 从定义来看，智能投顾可以分为两类，一类以二级市场为指向，对应的服务为推荐股票或股票型投资基金等。这类智能投顾产品的下架，最重要的驱动因素来源于监管机构2021年出台的《关于规范基金投资建议活动的通知》。根据这份规定，银行没有基金投顾牌照，只能进行基金销售，即客户通过银行渠道选择单只基金购买。
另一类智能投顾业务不涉及具体的金融标的，而更多地给出结构性的建议或指向一些服务场景，例如根据用户的风险偏好和财务状况，给出投资类别和相应比例方面的建议，以及运用AI技术解读理财合同条款，或者进行话术营销等。近年恒生电子为银行提供了一些解决方案。未来伴随技术和产品的不断迭代升级，将会有更多的应用场景。
需要说明的是，按照我国现行的法律法规，AI提供的内容应该有一个明确的区分标识。在智能投顾使用过程中，AI提供的话术、数据资料和图表等，仅供投顾工作人员参考；而用户最终看到的投顾内容，必须经过投顾工作人员的认可。对于投资结果，AI是无法兜底的。
南方周末： 就智能投研而言，由AI直接生成的尽调报告或是投资决策值得信任吗？
邓小钊 ：至少在很多年内，我仍然不会完全信任。 因为一份非常可用的尽调报告，它是需要对整个公司产业链上下游做大量的调研，包括专家访谈、去公司的实地调研，我们要搞清楚这个数字背后的真相在哪里，这是非常重要的。 在投资决策的过程中，公司决策者及治理结构等软文化是衡量标的物的重要核心，而这些要素需要人的思维来进行判断，AI无法做到。
未来伴随技术迭代，报告的采纳率可能会提高，但距离完全信任还存在一段距离。
白硕 ： 我同意邓总的看法。从AI报告生成的逻辑来看，报告本身的站位和洞察架构需要人来完成，AI则只能在洞察的总体框架内、在提示词的引导下完成一些具体段落的生成工作。全自动化的AI报告生成，在这一方面还有很长一段路要走。技术完善方面，如何通过完善数据可信度、消除大模型幻觉、提供溯源信息等是提高报告可信度的方式之一。
在具体实施的过程中，我们可以对每个引用的观点、数据和文件设置链接，点进去就可以看到对应的出处。所以目前我们是由大模型按要求引用素材中的观点和数据，而不是由大模型自己生成观点和数据。这样就可以方便用户进行溯源，以提高对模型的信任度。
服务场景或“千人千面”
南方周末: 伴随AI技术的广泛使用，投资者是否会看到越来越多类别的金融产品？金融产品是否有必要实现“千人千面”？
刘义： 金融产品，特别是消费信贷领域，产品相对比较稳定，变化的东西可能是比如额度、利率、还 款 周期，以及一些特定环节里会有一些免息券等 。 这些相对来说可以不用太多的营销手段 。 更多是把AI赋能到智能服务领域，让用户感觉更贴心，比如用户自己说可以有什么样的材料来证明自己的信用能力，可以有什么样的信息能 提高信用额度等 。
在实现这些个性化智能服务的过程中，需要有大量的数据基础包括一些来自行业的、用户的和社会上的变化信息等数据，在此基础上形成不同的用户画像。相比于个性化的服务，客户对产品结构“千人千面”的需求度并不高。
白硕： 相比于电商产品，金融产品本身属性相对固定，因此变化的部分更多体现在服务环节，而这一环节中，如何制造情绪价值、营造氛围则至关重要。以智能投顾的应用为例，别人的股票涨了，你的股票跌了，我要是知道你的持仓，我就可以很精准地安抚你，而不是看大盘一片红就很高兴，那就不精准了。要做到精准地安抚，就需要把这种私有数据跟投顾关联起来，以实现场景服务中的“千人千面”。
总之，在追求“千人千面”的过程中，无需为多样化而多样化，而应从用户实际需求出发。
部分金融岗位或被替代
南方周末： AI的普及可能取代哪些金融从业者？又能派生出哪些新的岗位？
白硕 ： 最直接的冲击实际上是初级程序员。金融机构总有一些技术上不那么复杂的编程任务，过去交给这样一类初级程序员来做。AI赋能之后，这部分就可能变成无码化，不需要编代码，只要业务人员动嘴这个就出来了，对程序员的挑战是最直接的，我们已经很明确地看到这一点了。
邓小钊 ：说到替代 ， 这是一个非常悲伤的故事 。 我们经常 议论 ，以后我们会不会被AI取代了 。 从目前我们观察的情况来说，从资管行业来看应该没有那么快。但是有一些场景已经出现了一些苗头，比如说交易部的交易员 。 以前靠人 交易， 但是现在已经开始大规模使用 程序化 交易 。 随着规模不断扩大，账户不断增加，一个交易员就能搞定很多 。 公司在成长的过程当中，规模扩大的过程中，我们不需要招更多的人，实际上对人也是一种节约 ； 第二个，在投研 领域的 研究助理很多，做数据分析、底层资料整理 。 AI融入以后会极大 地 提高这 项工作 效率，我们也可以少招一些人 。
但是，与此同时也会新增一些新的岗位， 比如算法开发⼯程师 、具备垂类专业领域知识的提⽰词⼯程师以及⾼质量私域数据采集、规划、内容治理岗位这⼀类的 AI ⼈才等。
刘义 ： 我也是程序员出身，这个过程也会有自己的纠结和想法 。 但是在实践的过程当中，感觉更多的是AI怎么和工程师相结合的过程 。 智能生成出来的东西是不是能直接采纳 ？ 现在的答案肯定是 否定的， 还是需要有人工在里面 。 尤其涉及金融领域很严谨内容的部分，需要一个很审慎的判断。当然，AI在此过程中发挥了很大的提效的作用。未来，伴随AI技术的深入普及，可能会派生出与法律、财务及合规等专业相关的辅助分析师岗位。
现在说“赢者通吃”为时尚早
南方周末： AI技术的运用会使金融行业出现“赢者通吃”的局面吗？中小型金融机构是否可以分食？
邓小钊： 投研是资管行业非常核心的竞争力之一，所以很多公司也不惜重金在这块投入，尤其AI能引起很多方面的效率提升，包括未来很多在投资方面的发展 等 。但是，目前头部机构融入AI的 速度和发力方向不一，现在说“ 赢者通吃 ” 可能还为时过早，这个要慢慢观察。
还是 要 相信市场的力量 。 我们 调研了很多初创公司之后，有理由相信会出现一大 批 第三方金融科技公司 会推出一些轻量化的产品。这些产品对中小金融机构而言比较容易部署，也能提供很多差异化服务。中小金融机构可借此提升金融科技水平，收窄与大型金融机构间的差距。
白硕： 我们可以从两个角度来看待这个问题。一个是业务角度，大模型使得技术环节的门槛变低了，大家用不着过于拼技术，可以更加聚焦业务本身；一个是技术角度，可以用SaaS化的大模型应用服务赋能给中尾部金融机构，让他们同样享受AI带来的便利。两个角度都还不足以得出“赢者通吃”的结论。