银行业领导者，对于生成式AI（GenAI）重塑客户体验和优化运营的潜力感到兴奋。麦肯锡的一项调查发现，生成式AI每年可增加2000亿至3400亿美元价值，推动收入增长2.8%至4.7%。零售银行业务成为银行业的第二大盈利部门，创造了540亿美元的新价值，紧次于创造出560亿美元的企业银行业务。
数字化转型与IT咨询服务公司Xebia的首席数字官Rajat Gupta表示，“零售银行正在快速转型以保持竞争力。领导者和团队正制定出影响深远的生成式AI战略。如果说2023年是试点年，那么2024年就是在银行业务中推广新的生成式AI模型的一年。”
Gupta继续补充道，“但作为受到严格监管的机构，银行也有自己特殊的考量。他们必须设计出具有治理和护栏的框架，以保护消费者数据隐私及安全。没人愿意成为AI模型违规与GDPR罚款的惩戒对象。”
正因为如此，大多数银行才选择从后台流程起步，以此培养AI实施能力并主动应对风险。根据E&Y的调查结果，超过67%的银行领导者希望优先推动开发和测试，之后再将AI技术逐步引入前台用例。
持续转型，打造更高水平的银行业务
银行通过构建混合/多云基础设施、启用数字和移动银行业务，以及为呼叫中心代表配备AI驱动型工具（例如引导式聊天与情感分析功能）等方式，不断增强自身转型能力。数字技术使银行能够提供更加无缝的访问体验，客户也可以使用数字工具或移动应用、配合指导流程快速开设账户，而不必亲赴分支部门并填写大量纸质资料。虽然许多银行还保留有分行网络，但也有不少银行开始转向纯数字化形态。
银行分析与警报（例如支出分析、交易和余额警报，以及嵌入式欺诈保护等于产）可帮助消费者管理并保护自己的资金。银行还利用数据和分析来实现个性化营销与产品推荐、交叉销售乃至产品追加销售，借此满足消费者需求并扩大收入来源。聊天机器人使得消费者能够全天候（24/7）解决问题，同时在客户需要服务支持时收集信息以改善交互体验。然而，根据Prosper Insights & Analytics最近的一项调查，大多数客户（85.9%）在讨论财务问题时，仍然更喜欢与真人交流，而非使用AI聊天（14.1%）。他们更愿意在其他不太敏感的交互中与聊天机器人进行互动，例如在线购物（25.1%）、通信和娱乐（22%）以及出行（18%）。
生成式AI赋能零售银行产业：发掘潜力空间，规避业务陷阱
调查发现，多数人在敏感领域更倾向与真人交流，而在相对不重要的场景下选择AI聊天机器人。
消费者们忧心忡忡，呼吁银行以谨慎态度部署生成式AI服务
Prosper的研究结果表明，银行应该认真考虑如何在公众当中建立起对生成式AI工具的信任。在此项调查中，消费者对于AI工具最担心的五大问题为：需要人工监督（36.7%）、未能考虑到用户的最大利益（34.9%）、缺乏充足的数据使用透明度（30.9%）、可能导致失业（28.8%）以及可能产生幻觉（25.2%）。
生成式AI赋能零售银行产业：发掘潜力空间，规避业务陷阱
关于近期人工智能发展关注度的调查结果。
然而，FIS的一项调查发现，如果解决了对于透明度和偏见的担忧，其实58%的美国民众都对银行对生成式AI的采用乐见其成。他们认为政府监管与立法层面的加强（82%）是增强其对于生成式AI新流程及工具核心的关键；此外，人们还希望能有专有监督技术应用（85%）并围绕生成式AI建立起品牌声誉（79%）。
为了提高消费者对于生成式AI的信任度和接纳水平，银行应当对外解释自己如何使用这项技术，例如部署带有常见问题解答内容的网站、发布关于生成式AI如何改善客户沟通与服务体验的场景，并分享他们在保护消费者数据隐私以及确保产品/服务不存在偏见等方面设置的保护措施与安全机制。银行领导者可能还须传达自己如何与政府机构及其他组织合作，共同制定新的AI标准和法规。
生成式AI如何将生产力与创新推向新高度
Gupta表示，“生成式AI为银行带来了优化客户体验和运营流程的广泛机会。目前银行机构正使用生成式AI加深客群细分、个性化营销优惠与投资建议、自动化销售流程以及增强聊天机器人交互。在后端流程方面，生成式AI可以增强预测分析、欺诈检测和风险管理等流程。”
Gupta同时提到，“除了加强生成式AI自身的能力之外，银行还需要打击恶意行为者。对手也在使用生成式AI来改善其攻击策略和战术，例如修改以往充满错误的网络钓鱼邮件，并利用消费者的个人信息来加强鱼叉式网络钓鱼及常规钓鱼活动。”
银行将使用规范性的生成式AI来增强网络安全流程，识别出当前不断发展的攻击模式，借此减少客户及企业面临的风险和威胁。他们还应承担起教育客户的责任，帮助受众了解攻击者可能如何利用AI窃取数据并实施欺诈。
生成式AI支持下的消费级搜索新形态
消费者们对生成式AI普遍抱有好奇之心。那么，消费者们是如何使用ChatGPT、Claude等大语言模型（LLM）的？根据Prosper Insights & Analytics最近的一项调查，他们大多利用这些平台来研究特定主题（46%）、获取写作帮助（39.6%）、自学新概念（28.3%）、进行创意写作（27.6%）以及生成内容（25.7%）。因此在银行领域，消费者往往会在求助于Google等搜索引擎之前，先就终身保险与定期保险、固定抵押贷款与可调利率抵押借款、或者数字支付类型等问题咨询生成式AI的意见。
生成式AI赋能零售银行产业：发掘潜力空间，规避业务陷阱
调查中ChatGPT的主要用途。
大语言模型无法直接为消费者比较银行和产品，因为这些模型接受的是静态数据的训练，且在设计上尽量避免提供具体产品推荐。大语言模型厂商也往往会采取中立态度，确保降低风险并保护与企业合作伙伴间的关系。然而，银行还需要为新的搜索方式做好准备。例如，消费者会使用接入网络的大模型来分类并查找新产品，或者使用生成式AI支持Google搜索在传统结果之上快速获取摘要性说明。哪些银行能提供实用性更强的内容，其Google或者Bing搜索排名就将超越其他同行。
与生成式AI携手共创未来
为了对生成式AI开展实验、试点和扩展，银行必须拥抱数据现代化，开发生成式AI框架、技术栈和团队，同时规划LLMOps/MLOps流程的可扩展性。合作伙伴可以为解决数据问题、针对高价值用例试点解决方案，以及为银行业务生成式AI功能扩展提供必要的支持结构。
银行业正在不断寻求提高收入和股本回报率的新方法，而生成式AI无疑为此开启了一道充满可能性的大门。
