銀行業是 AI 的試金石，可免去重複性的工作與增強人類能力，但同時也帶來許多風險。
Text_ 李紹廷 / Michael Lee Photo_iStockphoto、shutterstock
摩根大通（ J.P. Morgan ）執行長 Jamie Dimon 日前將人工智慧（ Artificial Intelligence 或AI ）的潛在影響與蒸汽機相提並論，並表示該行目前已招募數千名人工智能專家，開始探索部署「生成式人工智慧」（ Generative AI ）。生成式 AI 出現，不僅改變往後人類的生活方式，技術的應用正逐步滲透到金融行業的每一個角落。據 IDC 統計，2024 年全球 AI 投資達 2,350 億美元，資訊服務、銀行與零售為三個主要支出行業；銀行業 2023 年在AI 的投資超過 300 億美元，2027 年將達千億美元。
生成式 AI 將滲透工作角落
AI 對於工作流程的幫助，主要在自動化 ( Automation ) 與增強 ( Augmentation )。據輝達 ( NVIDIA ) 統計，目前金融業 AI 應用於日常運營、風管以及行銷等方面。例如銀行推出內部生成式 AI，協助員工撰寫文案、翻譯、研究等；彷彿讓員工配備一位擁有多年經驗與知識的顧問。
花旗集團（ Citigroup ）使用AI 技術改善客戶服務，開發智能聊天機器人 Citi Bot 以快速回應客戶服務。Citi Bot 會學習客戶偏好，提供個性化服務、與客戶在社交媒體平台上進行互動，查詢交易記錄、轉帳、支付等。
除了傳統銀行，AI 應用也滲入中央銀行等機構。例如歐洲央行（ ECB ） 針對數據源—超過 1,000 萬家企業與政府單位—進行自動分類；並且用該技術進行銀行監管。由全球央行組成的國際清算銀行（ BIS ）也表示，AI 可辨別傳統方法無法鑑別的可疑交易模式與異常狀況。
未來，AI 金融助理有可能成為每個人日常生活的一部分。這些 AI 助理透過開放銀行與外部平台相互協同，將幫助人們全天候處理各種金融事務，包括自動支付賬單、預算管理、設定儲蓄與投資目標。花旗銀行也強調，由於人類不喜歡花過多時間在銀行上；隨著技術日益強大，未來決勝點可能在人工智慧助理，銀行品牌重要性將逐漸減弱。
人工智慧分析師
AI 應用也擴及投資領域。避險基金屬業界先驅，十多年前就將演算法與深度學習應用到選股、投資組合管理與避險等。近年算力普及後，大型資產管理公司將技術用於智能投顧（ Robo Advisor ），為個人客戶量身定制投資組合，並提供客戶即時反饋，大幅減少財務顧問人力需求。
投資研究方面，AI 可協助分析師擴大覆蓋範圍，或把更多時間花在創造性發想、聯絡客戶。例如 AI 可直接提取公司不同結構文件，自行進行整合與分析，甚至可模仿寫作風格、撰寫報告。除了分析傳統數據，更可抓取替代數據 ( Alternative Data )，如社交媒體、衛星圖像、產品價格變化、招聘訊息等，彌補傳統研究無法捕捉的信號。
專家預估現有分析人員平均花費四成以上時間在數據蒐集；在 AI 幫助下，可大幅節省三成時間。今年 7 月，摩根大通推出人工智慧分析師，協助員工進行寫作、創意生成和文檔摘要。執行長 Jamie Dimon 同時透露多數的股票避險都是透過 AI 自動完成。高盛（ Goldman Sachs ）和摩根士丹利（ Morgan Stanley ）等投資銀行也正在測試，這些 AI 工具可能大幅取代初級的人類分析師。
近三分之二工作或與 AI 重疊
在 AI 逐漸滲透的同時，傳統金融業工作將無可避免被調整或取代。根據世界上最大的管理諮詢公司埃森哲 Accenture，銀行與保險業所有工作中，近三分之二與 AI 自動化或增強重疊，遠高於整體行業的四成水準。
目前專家評選，未來三年內大部分工作可被自動化的職務，前三名為客服、會計與風管。未來銀行業新興的職業則為科技法遵、AI 審查與 AI 訓練溝通工程師等。人類可望從重複性高的工作中解脫並轉型，例如客服將專注於高度複雜案件、或服務 VIP 客戶，以及協助訓練 AI 系統。不過，目前研究發現短期內 AI 對勞動力市場影響仍小，但警告在 AI 更充分地融入業務後可能會出現變化。人工智慧的蓬勃發展，也可能促使科技巨頭跨入金融服務。如 Amazon、Apple、Google 等，近年已開始提供金融服務。因科技巨頭擁有先進的技術、強大數據資源以及龐大客戶基礎，未來開發個人助理將有明顯優勢。比爾 · 蓋茲（ Bill Gates ）曾說：「銀行服務是必須的，但銀行未必是（ Banking is necessary, but theㄙbank is not. ）」。未來銀行或許將面對更激烈的競爭。
風險與潛在問題
然而，人工智慧也不可避免帶來許多風險。美國證券交易委員會（ SEC ） 主席 Gary Gensler 警告，AI 可能加劇金融脆弱性，因為AI 模型可能得到了相同數據，最後會促成羊群效應（ Herding Effect ）。2010 年 5 月 6 日美股發生的閃電崩盤 （ Flash Crash ），正由於高頻交易和演算法 （ Algorithmic Trading ）所引發。再者，目前多數研究無法證實人工智慧投資績效可擊敗市場。主因為 AI 使用過去的數據訓練與分析，但這些數據無法完整反映當前現實，且可能過度擬合（ Overfitting ）、識別出未來不一定成立的模式。
值得一提的是，目前全球演算法交易佔股市交易量約六至七成；而美國股市更高達七至八成。這些自動化、沒有情緒、冷靜的程式交易帶來許多潛在危害，例如流動性假象（ Liquidity Illusion ） —流動性是暫時的，當市場波動劇烈時，這些交易會自動撤出。市場操控風險也增加，包括洗售（ Wash Trade ） 與刷單（ Spoofing ）行為，以及不公平市場優勢—如利用大型電腦與交易所數據的近水樓台設備共置（ Co-Location ）優勢等。
AI 也使行業癡迷於快速變化的硬數據（ Hard Data ），例如股價、經濟數據、企業短期的獲利與營收等；而忽略了如公司管理、盈餘品質、產業競合等緩慢、模棱兩可、難以量化，但長期可能影響更大的軟數據（ Soft Data ）。由於 AI 缺乏對歷史中複雜性和細微差別的理解，這種無法把握深層次含義的局限性，讓 AI 無法有效處理需要高層次思考和抽象的問題。
人工智慧更可能擴大不平等。在 AI 技術應用時，規模與速度將是成功關鍵因素；當大型企業擁有較多數據、可投資更多超級電腦與晶片、聘請更多優秀人才同時，未來或許將走向大者恆大的結局。
此外，AI 演算法還會帶來其他許多問題。例如人工幻覺 ( Hallucination )，指的是 AI 因缺少了自我察覺，故仍會不可避免的「一本正經胡說八道」，編造錯誤與虛假資訊；部分調查顯示，生成式 AI 產出的摘要錯誤率介於 3% 至 8% 之間。AI 的深偽技術 ( Deepfakes ) 也可用來製造逼真的影音，可能被用於欺詐目的。
研究顯示 AI 專案失敗率高達八成
美國研究機構蘭德（ Rand ）指出， AI 專案失敗率超過八成，失敗率為一般資訊科技專案的兩倍；如何將 AI 的巨大潛力轉化為具體成果仍是巨大挑戰。它提出幾個根本原因: 如缺乏必要數據、缺乏足夠基礎設施、組織更關心技術而非實際需求、想解決的問題對於 AI 來說過於困難等。AI 未必能大幅增加銀行獲利。據麥肯錫（ McKinsey & Company ）報告，AI 將增加全球銀行業營收約2,000 億至 3,400 億美元之間，僅佔目前全球銀行收入 7 兆之 2.8% 至 4.7%。花旗報告也僅預測，2028 年 AI 將增加全球銀行業 9% 或 1,700 億美元盈餘（ 2023 年與 2028E 獲利 1.4 兆與 1.8 兆美元）。
儘管目前銀行業 AI 支出約數百億美元，但若包含基礎建設，全球銀行業每年資訊科技支出高達 5,000 至 7,000 億美元。在大量投資、潛在失敗率高的情況下，最終 AI 投資回報能否如預期仍是未定之數。更有專家警告，AI 在短期內帶來的經濟效應可能不比智慧型手機與互聯網，因為 AI 用成本高昂的技術取代產值較低的工作，與過去科技業發生的變革轉型相反。
人機協同或優於完全仰賴 AI
目前人工智慧仍無法取代大腦，一個完全由AI 驅動的決策是有風險的。AI 通過學習大量數據來執行特定任務，而人類大腦則能夠在多種情境與領域中進行思考。因此，人類對演算法最終提供的內容進行解釋與查核同等重要。目前普遍認為，人機協同（ Human-In-The-Loop ）可發揮更大作用；當涉及到複雜或不確定情況時，系統依賴人類的干預來提供指導，可提高決策準確性和可靠性。
輝達執行長黃仁勳曾說，若以通過各類測驗如律師、醫學等作為標準，通用人工智慧（ Artificial General Intelligence ）最快可能在 5 年內問世。但若把標準提高到接近人類心智，則還有漫長路途。他也開玩笑說，當你娶媳婦或嫁女兒請了幾百位貴賓，人工智慧也不可能幫忙你解決婚宴排位衍生的人性問題！
金融業本身擁有龐大數據，不可避免地成為 AI 技術的試金石。個人參與者若善加利用，可提升效率與深化知識；大企業也因規模效應而擁有更多優勢。AI 將提升硬數據的處理與解讀效率，同時更凸顯軟數據背後的想像力、創造力與信念的重要性。贏家除了必須投資在運算與數據，更需創造性地制定差異化的策略或商業模式。
■