报告行业投资评级 - 报告未对特定公司或行业给出明确的投资评级（如买入、持有、卖出）[1] 报告的核心观点 - 人工智能在客户与公司交互界面中的应用尚未真正显现，但未来将会出现，长期来看客户可能在服务和价格方面成为主要受益者[1] - 人工智能的成本尚未明确分配，其收入效益也尚不清晰[1] - 平台型企业最有可能成为企业层面的赢家[1] - 人工智能最大的赢家可能是终端投资者，因为人工智能可以加快流程、扩大公司对更广泛投资者市场的覆盖范围，并可能降低价格[8] 根据相关目录分别进行总结 人工智能发展与应用现状 - 人工智能进展异常迅速，特别是在ChatGPT发布后出现了阶跃式变化，过去3到4个月模型质量再次发生阶跃式变化，使得在代码开发、分析和预测等方面能够完成2-3年前无法实现的任务[18][19] - 金融服务业，特别是平台领域，由于治理、监管和安全原因，人工智能尚未大规模出现在顾问桌面或面向投资者的应用程序中，但预计未来6-12个月将在英国出现顾问端工具上线的“雪崩式”增长[21][22] - 人工智能在财富管理平台的应用将沿着三个方向改变服务交付：平台产品将变得更加主动而非被动；实现规模化个性化；以及任务自动化[23][25][27] 人工智能对业务模式与流程的影响 - 效率提升的最佳途径是通过系统变革，而非简单地将人工智能作为现有人工流程的加速工具，需要重新审视并改变流程以充分发挥人工智能潜力[5][58][59] - 人工智能将改变软件开发，预计将显著提高功能交付速度，尽管具有强大分析和代码编写能力的模型在2025年第一季度末/2024年底才开始成熟，但预计2026年交付速度将加快[48][49] - 在企业职能和运营中，人工智能已带来显著效率提升，例如全组织范围内部署Copilot，预计2026年运营端也将出现显著改进[50][51] 成本、收益分配与商业模式 - 人工智能的成本（特别是Token成本）尚未明确分配，尚不清楚成本由人工智能公司、企业客户、个体顾问承担多少，或有多少转嫁给了消费者[6] - 企业已开始进行Token成本优化，例如根据问题复杂度使用不同规模和成本的模型，避免使用高端模型处理简单问题[52][53][54] - 收入方面，人工智能最终由谁支付成本（软件费用 vs. Token成本）尚不明朗，因为Token定价模型不断变化，且人工智能公司已投入数十亿美元（billions）开发系统，最终需要有人为此付费[55][56] 治理、监管与信任 - 人工智能的采用取决于信任、安全性和过程的可解释性，人工智能输出的形成过程比现有系统更难解释，但可以构建遵循标准且可供监管机构审查的流程[4] - 报告涉及的公司已成立治理委员会，每周开会审查用例，涵盖网络安全并与监管机构保持频繁沟通，以减轻客户的管理负担并帮助他们采用人工智能工具[4][40] - 英国金融行为监管局对人工智能持非常支持的态度，但需要看到运作证据，因此报告涉及的公司建立了包含可解释性和推理模式的管理控制台，以向监管机构展示其如何确保结果正确[61][62] 人工智能与人类角色的演变 - 人类仍然扮演着重要角色，基于规则和流程驱动的任务（如提取序列和时机）非常适合人工智能，推理性工作也能高效完成，但即使是最常规的执行任务，目前仍有人类在循环中做最终决策[7] - 随着人工智能错误减少、准确性超越人类，这种情况可能会改变，但终端客户仍然需要人情味，人工智能可能使人类顾问能够服务更多人（尤其是资产规模较小的客户），并可能降低费用[7][44] - 短期内，人工智能不太可能完全取代人类顾问，尤其是在需要将整个建议过程一致地整合起来时，但从长远来看（例如10年后），使用顾问的人数可能会减少[64] 具体应用案例与功能 - 平台将变得更加主动，例如在顾问登录时主动提示客户风险或收入机会，并提供可配置的提示词库，使顾问能够个性化定制自己的仪表板以获得所需的提醒和洞察[30][31][32] - 人工智能能够自动化耗时任务，例如准备客户会议摘要，该过程可配置并与CRM、电子邮件等系统集成，将原本需要数小时的任务自动化[33][34][35] - 在投资执行方面，已有用例使用人工智能模型解码机构的大宗交易指令（包括手写指令），但目前每个指令仍需人工最终确认，随着模型改进，当错误率极低时，未来可能实现自动化执行[70][71]