从银行业的AI中提取价值：重新连接企业(英译中)

金融服务实践2024 年 12 月为了从AI中获得实质性价值，银行需要超越实验阶段，对关键业务领域进行转型，包括通过多智能体系统重新构想复杂的业务流程。从银行业的 AI 中提取价值 ： 重新连接企业这篇文章由Carlo Giovine、Larry Lerner、Renny Thomas、Shwaitang Singh、Sudhakar Kakulavarapu和Violet Chung合作撰写，Yuvika Motwani代表麦肯锡金融服务实践的观点。 从银行业的人工智能中提取价值 ： 重新连接企业 2同时，一家区域性银行利用生成性人工智能（gen AI）提升其软件开发人员的生产力和效率。为了优化资源并加快新开发项目的市场推出速度，该银行启动了一个概念验证研究，以评估生成性人工智能工具对编码生产力的影响。研究结果显示，参与研究的用例中，生产力提高了约40%；超过80%的开发人员表示生成性人工智能提升了他们的编码体验。一些机构通过有效规模化人工智能（包括生成型人工智能），正在提高标准并与其同行拉开战略距离。例如，一家大型银行正在企业内部广泛使用人工智能，以改善客户和员工体验、提升效率，并增加收入和盈利能力。在零售银行业务中，该银行利用人工智能生成个性化提示，帮助客户进行投资和财务规划。在中小企业领域，人工智能也被广泛应用。这些问题在全球银行业面对诸如不均衡的劳动生产率结果等挑战时变得日益重要，其中包括美国银行的生产率下降。 尽管技术支出很高 相对于其他行业而言。银行也面临着收入和贷款增长放缓的竞争压力，来自非银行领域的竞争日益激烈——如私人信贷公司、金融科技企业、网络银行、支付解决方案提供商以及非银行供应商等，争夺最大的利润池。随着收入增长放缓，为了维持当前的净资产收益率，银行需要更快地削减成本。人工智能有望在未来几年逐步解决这些问题，并使银行在劳动生产率提升方面占据更加稳固的地位，尤其是随着员工继续将越来越多的常规任务委托给日益先进且能力更强的人工智能系统处理。在本文中，我们详细阐述了一套蓝图，以帮助金融服务领导者规划在企业范围内从AI中大规模提取价值的复杂路径。首先，我们探讨了在AI领域表现优异的银行所采取的不同做法。随后，我们概述了一条道路图，将AI转型与商业价值紧密结合，确定需要解决的关键商业问题，并利用包括AI在内的技术来支持这一过程。接着，我们描述了一个由AI代理驱动的全面的银行业AI能力栈。最后，我们探讨了维持和扩大AI价值所需的各种要素，超越了最初的部署阶段。最新的 麦肯锡 AI 全球调查 显示组织和行业中的采用显著增加。然而， Adoption 的广度（通过跨多个企业功能部署 AI 来衡量）仍然较低，且许多组织仍处于实验阶段。尽管如此 ， 一些领先的银行在他们的能力上脱颖而出部署 AI ， 包括 Gene AI ，在企业各个层面，已经开始从使用AI中获得显著收益（详见侧栏“何为AI优先银行？”）。关于 AI 的力量已经写了很多 ， 包括生成 AI (gen AI) ， 改造银行业 超越推动下一次自动化浪潮，AI 有望使银行变得更加智能、高效，并更能实现强劲的财务表现。帮助查明哪些贷款可能会变坏 ， 使银行能够采取措施干预和支持客户。尽管 buzz 不可否认，许多银行高管 increasingly 开始质疑价值实现的问题。 该行业面临的逆风 AI能达到预期吗？在初步试验之后，银行如何从概念验证过渡到价值验证，并真正利用AI重新构想和转型企业？银行何时，如果有的话，能够看到在AI上的投资带来的实际回报？实现 AI 在银行业的承诺 3成为 AI 优先银行意味着什么 ？麦肯锡在不同行业的数百家公司的经验表明 ， 从数字和 AI 转换中获取价值 需要从根本上重塑公司的运营方式。这涉及六个关键的企业能力：由业务驱动的数字化路线图、具备相应技能的人才、适配目的的运营模式、团队易于使用的技术、在整个企业中持续丰富且易于访问的数据，以及数字化解决方案的采用和规模化应用。这些要素相互关联，所有方面都需要良好运作，才能使转型取得成功。AI正在推动各行业，包括银行业在内的广泛变革，但许多银行仍处于实验阶段。鉴于AI的发展程度及其带来的潜力，仅仅实验是不够的。为了在这个新时代 thriving 是关键，银行将需要 成为 AI 第一机构 ， 在企业范围内采用人工智能技术来提升价值 - 否则就有被甩在后面的风险。成功的AI转型涉及组织的多个层面。在每个相互依赖的层面上进行投资至关重要，因为任何一个环节的投入不足都可能破坏整个AI转型的进程。— 通过转型整个领域、流程和旅程而非仅仅部署狭窄的应用场景，扎根于业务价值实现变革。 银行在人工智能领域表现卓越的企业应抵制单独推出聊天机器人或对话型问答工具等狭窄应用场景的诱惑。虽然这些应用可能快速上线且潜在风险较低，但在孤立状态下，它们无法解锁显著的财务价值。— 构建由多代理系统提供支持的全面的 AI 功能堆栈。 运行复杂的银行业工作流程，例如评估商业客户贷款申请，涉及高度可变的步骤以及结构化和非结构化数据的处理。虽然传统自动化无法处理此类任务，但借助生成式AI驱动的多智能体系统、预测性AI和数字技术，可以实现这一目标。— 通过设置 AI 转换的关键推动者来维持和扩展价值。 这些包括跨功能的业务、技术和AI团队，以及一个中央AI控制塔，负责协调跨职能的企业决策，推动标准化风险防护栏的治理和采用，并促进AI能力的重复使用。— 为 AI 可以创造的价值设定一个大胆的银行愿景。 领先银行对人工智能的作用持有广阔的视野，不仅将其视为成本效率提升的驱动器，还视其为增加收入和显著改善客户及员工体验的方式。工具（参见附录“什么是多代理系统？”）。要将这些系统扩展至整个企业，需要建立一个全面的AI银行栈。— 使用 AI 帮助决策 显著提升生产力，通过构建生成实时分析洞察所需的架构，并将这些洞察转化为针对精确客户需求的信息。— 重新构想客户体验 通过提供个性化优惠，并在各种设备上实现流畅无阻的使用，适用于银行自有平台以及合作伙伴生态系统。— 建立平台运营模式汇集了合适的人才、文化和组织设计。建立 AI 优先银行的要点包括 ：我们的经验表明 ， 在人工智能领域表现出色的银行可以做四件事 ：为 AI 可以创造的价值设定大胆的银行愿景— 核心技术现代化用于构建AI能力栈的骨干部分，包括自动化云资源配置、应用程序编程接口以及简化架构以实现银行各部分之间持续、安全的数据交换。 4什么是多智能体系统 ？引领银行将人工智能嵌入战略规划过程，要求每个业务单元重新审视并改进其运营模式，并设定大胆的财务和客户目标。他们侧重于创新，优先考虑对战略核心区域最具高影响的关键领域，而不是在被视为安全选择的边缘领域进行试验，亦或采取“黄油涂抹法”——将投资分散到众多不同的项目中。接下来，他们通过建立合适的数据和技术平台来促进人工智能项目的可扩展性。推出聊天机器人、创建文档摘要工具、使用现成的生成式人工智能工具制作广告和撰写电子邮件——尽管这些类型的AI项目允许银行以最小的风险进行试验和学习，但其结果通常是增量性的，在单独考虑的情况下，很少能导致财务成果发生实质性变化。AI