AI在银行及资本市场应用的现状与驱动力 - 人工智能已在银行和资本市场中广泛应用，用于自动化常规流程、增强客户体验以及强化风险与合规职能，具体应用包括欺诈侦测、客户服务、机器人顾问以及后台和银行运营的改进 [2] - 风险与合规团队正利用人工智能识别异常、改进监控并简化监管报告，公司应用人工智能旨在提高效率和改善绩效 [2] - 当前的变化在于应用的规模和复杂度，公司正从基于规则的自动化转向更先进的机器学习和生成式模型，这些模型能够解读非结构化数据、支持更精细的决策并大规模实现客户互动个性化 [6] AI技术演进与实施重点 - 大语言模型与传统的机器学习不同，其优势在于能处理结构化和非结构化数据，其推理能力使得AI智能体不仅能作用于数据和应用程序层，还能作为运营模式的延伸 [7] - 在实践中，大语言模型表现为内部知识助手、文档审阅与总结工具、编程助手、客户服务支持以及能够协调工作流中多个步骤的AI智能体 [8] - 大语言模型通常被叠加在现有系统之上，而非取代核心的风险或欺诈模型，它们充当接口和连接组织，帮助员工更快获取正确数据和模型输出、解读情况并采取相应行动 [9] - 传统机器学习仍然更适合高度结构化的预测性任务，大语言模型扩展了能力，但并未取代底层的分析基础设施 [10] 监管与行业采纳的挑战 - 由于监管预期，银行对更广泛地采用人工智能持谨慎态度，例如监管指引SR 11-7要求银行管理模型风险，确保定量决策方法准确、治理良好并经过适当验证 [1] - 因此，人工智能模型越来越需要具备可解释性和可审计性以满足监管标准 [1] - 在银行等受监管行业，大型机构倾向于采用和整合新技术，而非被其迅速取代，现有公司已拥有客户关系、数据和监管框架，这为它们在AI能力演进时快速行动奠定了坚实基础 [12] AI对行业竞争格局与商业模式的影响 - 人工智能无疑是一股颠覆性力量，时机将决定它是为现有业务赋能，还是赋能颠覆者去瓦解传统业务 [11] - 许多AI公司扮演着技术赋能者的角色，竞争优势往往来自现有公司如何在其现有运营模式中有效实施AI，而非仅仅来自AI技术本身 [13] - 金融科技公司需要警惕代码生成器是否侵蚀其商业模式，小型参与者将利用AI智能体创造合成规模，并试图从大型机构夺取市场份额，而大型银行和资产管理公司正在加大投资，利用资产负债表构建下一代能力，以拓宽和加深其护城河 [14] 投资、成本与回报考量 - 市场波动反映了市场对AI如何及何时颠覆受影响行业存在相当程度的困惑，由于对AI长期盈利影响的不确定性增加，投资者提高了其贴现现金流模型中使用的贴现率，这对市盈率产生了巨大影响 [3] - 成本是讨论的一部分，尽管令牌消耗在增加，但模型正变得更高效，意味着每个令牌的成本在下降，然而，这目前并非最紧迫的障碍，公司更关注其AI投资是否能跟上同行步伐并实现预期的投资回报率 [15] - 客户正在审慎考虑模型选择、使用控制和架构决策以帮助管理支出，实验阶段正让位于“有纪律的价值追求”，即每一美元的AI支出都与业务案例（生产力、收入、客户体验、风险管理）挂钩并进行长期跟踪，这是保持大语言模型和智能体战略财务可持续性的方式 [16] AI对就业与工作方式的影响 - 人工智能无疑将颠覆工作岗位、角色和工作方式，人类是从AI获取价值的首要成功因素 [17] - 新的工作岗位将被创造，一些岗位将被取代，所有职能都将得到AI的补充，领导者将主动采取行动，以发挥人的价值主张的方式来实现这一点 [17]