银行业是 AI 的试金石，可免去重复性的工作与增强人类能力，但同时也带来许多风险。
Text_ 李绍廷 / Michael Lee Photo_iStockphoto、shutterstock
摩根大通（ J.P. Morgan ）执行长Jamie Dimon 日前将人工智慧（ Artificial Intelligence 或AI ）的潜在影响与蒸汽机相提并论，并表示该行目前已招募数千名人工智能专家，开始探索部署「生成式人工智慧」 （ Generative AI ）。生成式 AI 出现，不仅改变往后人类的生活方式，技术的应用正逐步渗透到金融行业的每一个角落。据 IDC 统计，2024 年全球 AI 投资达 2,350 亿美元，资讯服务、银行与零售为三个主要支出行业；银行业 2023 年在AI 的投资超过 300 亿美元，2027 年将达千亿美元。
生成式 AI 将渗透工作角落
AI 对于工作流程的帮助，主要在自动化 ( Automation ) 与增强 ( Augmentation )。据辉达 ( NVIDIA ) 统计，目前金融业 AI 应用于日常运营、风管以及行销等方面。例如银行推出内部生成式 AI，协助员工撰写文案、翻译、研究等；仿佛让员工配备一位拥有多年经验与知识的顾问。
花旗集团（ Citigroup ）使用AI 技术改善客户服务，开发智能聊天机器人 Citi Bot 以快速回应客户服务。 Citi Bot 会学习客户偏好，提供个性化服务、与客户在社交媒体平台上进行互动，查询交易记录、转帐、支付等。
除了传统银行，AI 应用也渗入中央银行等机构。例如欧洲央行（ ECB ） 针对数据源—超过 1,000 万家企业与政府单位—进行自动分类；并且用该技术进行银行监管。由全球央行组成的国际清算银行（ BIS ）也表示，AI 可辨别传统方法无法鉴别的可疑交易模式与异常状况。
未来，AI 金融助理有可能成为每个人日常生活的一部分。这些 AI 助理透过开放银行与外部平台相互协同，将帮助人们全天候处理各种金融事务，包括自动支付账单、预算管理、设定储蓄与投资目标。花旗银行也强调，由于人类不喜欢花过多时间在银行上；随着技术日益强大，未来决胜点可能在人工智慧助理，银行品牌重要性将逐渐减弱。
人工智慧分析师
AI 应用也扩及投资领域。避险基金属业界先驱，十多年前就将演算法与深度学习应用到选股、投资组合管理与避险等。近年算力普及后，大型资产管理公司将技术用于智能投顾（ Robo Advisor ），为个人客户量身定制投资组合，并提供客户即时反馈，大幅减少财务顾问人力需求。
投资研究方面，AI 可协助分析师扩大覆盖范围，或把更多时间花在创造性发想、联络客户。例如 AI 可直接提取公司不同结构文件，自行进行整合与分析，甚至可模仿写作风格、撰写报告。除了分析传统数据，更可抓取替代数据 ( Alternative Data )，如社交媒体、卫星图像、产品价格变化、招聘讯息等，弥补传统研究无法捕捉的信号。
专家预估现有分析人员平均花费四成以上时间在数据搜集；在 AI 帮助下，可大幅节省三成时间。今年 7 月，摩根大通推出人工智慧分析师，协助员工进行写作、创意生成和文档摘要。执行长 Jamie Dimon 同时透露多数的股票避险都是透过 AI 自动完成。高盛（ Goldman Sachs ）和摩根士丹利（ Morgan Stanley ）等投资银行也正在测试，这些 AI 工具可能大幅取代初级的人类分析师。
近三分之二工作或与 AI 重叠
在 AI 逐渐渗透的同时，传统金融业工作将无可避免被调整或取代。根据世界上最大的管理咨询公司埃森哲 Accenture，银行与保险业所有工作中，近三分之二与 AI 自动化或增强重叠，远高于整体行业的四成水准。
目前专家评选，未来三年内大部分工作可被自动化的职务，前三名为客服、会计与风管。未来银行业新兴的职业则为科技法遵、AI 审查与 AI 训练沟通工程师等。人类可望从重复性高的工作中解脱并转型，例如客服将专注于高度复杂案件、或服务 VIP 客户，以及协助训练 AI 系统。不过，目前研究发现短期内 AI 对劳动力市场影响仍小，但警告在 AI 更充分地融入业务后可能会出现变化。人工智慧的蓬勃发展，也可能促使科技巨头跨入金融服务。如 Amazon、Apple、Google 等，近年已开始提供金融服务。因科技巨头拥有先进的技术、强大数据资源以及庞大客户基础，未来开发个人助理将有明显优势。比尔 · 盖兹（ Bill Gates ）曾说：「银行服务是必须的，但银行未必是（ Banking is necessary, but theㄙbank is not. ）」。未来银行或许将面对更激烈的竞争。
风险与潜在问题
然而，人工智慧也不可避免带来许多风险。美国证券交易委员会（ SEC ） 主席 Gary Gensler 警告，AI 可能加剧金融脆弱性，因为AI 模型可能得到了相同数据，最后会促成羊群效应（ Herding Effect ）。 2010 年 5 月 6 日美股发生的闪电崩盘 （ Flash Crash ），正由于高频交易和演算法 （ Algorithmic Trading ）所引发。再者，目前多数研究无法证实人工智慧投资绩效可击败市场。主因为 AI 使用过去的数据训练与分析，但这些数据无法完整反映当前现实，且可能过度拟合（ Overfitting ）、识别出未来不一定成立的模式。
值得一提的是，目前全球演算法交易占股市交易量约六至七成；而美国股市更高达七至八成。这些自动化、没有情绪、冷静的程式交易带来许多潜在危害，例如流动性假象（ Liquidity Illusion ） —流动性是暂时的，当市场波动剧烈时，这些交易会自动撤出。市场操控风险也增加，包括洗售（ Wash Trade ） 与刷单（ Spoofing ）行为，以及不公平市场优势—如利用大型电脑与交易所数据的近水楼台设备共置（ Co-Location ）优势等。
AI 也使行业痴迷于快速变化的硬数据（ Hard Data ），例如股价、经济数据、企业短期的获利与营收等；而忽略了如公司管理、盈余品质、产业竞合等缓慢、模棱两可、难以量化，但长期可能影响更大的软数据（ Soft Data ）。由于 AI 缺乏对历史中复杂性和细微差别的理解，这种无法把握深层次含义的局限性，让 AI 无法有效处理需要高层次思考和抽象的问题。
人工智慧更可能扩大不平等。在 AI 技术应用时，规模与速度将是成功关键因素；当大型企业拥有较多数据、可投资更多超级电脑与晶片、聘请更多优秀人才同时，未来或许将走向大者恒大的结局。
此外，AI 演算法还会带来其他许多问题。例如人工幻觉( Hallucination )，指的是AI 因缺少了自我察觉，故仍会不可避免的「一本正经胡说八道」，编造错误与虚假资讯；部分调查显示，生成式AI 产出的摘要错误率介于3% 至8% 之间。 AI 的深伪技术 ( Deepfakes ) 也可用来制造逼真的影音，可能被用于欺诈目的。
研究显示 AI 专案失败率高达八成
美国研究机构兰德（ Rand ）指出， AI 专案失败率超过八成，失败率为一般资讯科技专案的两倍；如何将 AI 的巨大潜力转化为具体成果仍是巨大挑战。它提出几个根本原因: 如缺乏必要数据、缺乏足够基础设施、组织更关心技术而非实际需求、想解决的问题对于 AI 来说过于困难等。 AI 未必能大幅增加银行获利。据麦肯锡（ McKinsey & Company ）报告，AI 将增加全球银行业营收约2,000 亿至 3,400 亿美元之间，仅占目前全球银行收入 7 兆之 2.8% 至 4.7%。花旗报告也仅预测，2028 年 AI 将增加全球银行业 9% 或 1,700 亿美元盈余（ 2023 年与 2028E 获利 1.4 兆与 1.8 兆美元）。
尽管目前银行业 AI 支出约数百亿美元，但若包含基础建设，全球银行业每年资讯科技支出高达 5,000 至 7,000 亿美元。在大量投资、潜在失败率高的情况下，最终 AI 投资回报能否如预期仍是未定之数。更有专家警告，AI 在短期内带来的经济效应可能不比智慧型手机与互联网，因为 AI 用成本高昂的技术取代产值较低的工作，与过去科技业发生的变革转型相反。
人机协同或优于完全仰赖 AI
目前人工智慧仍无法取代大脑，一个完全由 AI 驱动的决策是有风险的。 AI 通过学习大量数据来执行特定任务，而人类大脑则能够在多种情境与领域中进行思考。因此，人类对演算法最终提供的内容进行解释与查核同等重要。目前普遍认为，人机协同（ Human-In-The-Loop ）可发挥更大作用；当涉及到复杂或不确定情况时，系统依赖人类的干预来提供指导，可提高决策准确性和可靠性。
辉达执行长黄仁勋曾说，若以通过各类测验如律师、医学等作为标准，通用人工智慧（ Artificial General Intelligence ）最快可能在 5 年内问世。但若把标准提高到接近人类心智，则还有漫长路途。他也开玩笑说，当你娶媳妇或嫁女儿请了几百位贵宾，人工智慧也不可能帮忙你解决婚宴排位衍生的人性问题！
金融业本身拥有庞大数据，不可避免地成为 AI 技术的试金石。个人参与者若善加利用，可提升效率与深化知识；大企业也因规模效应而拥有更多优势。 AI 将提升硬数据的处理与解读效率，同时更凸显软数据背后的想像力、创造力与信念的重要性。赢家除了必须投资在运算与数据，更需创造性地制定差异化的策略或商业模式。
■