短短十年，AI完成了從“潛力十足的研究課題”到“新工業(yè)革命的中流砥柱”的華麗蛻變，逐漸普及落地。AI正在重塑各行各業(yè)的基礎(chǔ)流程與核心職能，從藥物研發(fā)、航班調(diào)度到供應(yīng)鏈優(yōu)化和醫(yī)療影像，其身影無所不在。AI不再是一種“未來概念”，而是已經(jīng)成為改變游戲規(guī)則的關(guān)鍵因素。對企業(yè)而言，若能以果敢的態(tài)度和戰(zhàn)略性眼光推進AI應(yīng)用，將會在其所屬行業(yè)贏得顯著且持久的競爭優(yōu)勢。

這一點在金融領(lǐng)域表現(xiàn)得最為明顯。AI的基礎(chǔ)是數(shù)據(jù)，而銀行及其他多元化金融機構(gòu)（FIs）恰好坐擁規(guī)模龐大、質(zhì)量優(yōu)良且以客戶為中心的“數(shù)據(jù)金礦”。特別值得注意的是，銀行客戶群體的細粒度交易數(shù)據(jù)能夠精準、廣泛地揭示客戶的行為特征、個人偏好、消費需求和風(fēng)險概況，較之其他行業(yè)的數(shù)據(jù)集擁有顯著優(yōu)勢（參閱圖1）。例如在零售銀行業(yè)，利用AI技術(shù)對客戶需求與行為模式進行前瞻性分析，并據(jù)此設(shè)計個性化產(chǎn)品方案，正迅速成為許多銀行市場的“標準操作”。

GenAI的快速發(fā)展進一步豐富了現(xiàn)有的AI工具箱，加快了金融機構(gòu)利用AI創(chuàng)造新價值的進程。該模型能夠理解自然語言，并能生成通俗易懂的對話，這種特性顯著降低了AI技術(shù)的使用門檻，使非技術(shù)背景的員工也能輕松調(diào)用AI資源，從而將AI的應(yīng)用范圍擴展到整個組織的方方面面。

金融機構(gòu)高管應(yīng)充分把握新一輪技術(shù)變革帶來的發(fā)展契機，著力挖掘AI與GenAI的潛能，推動行業(yè)未來發(fā)展。

本文系統(tǒng)闡述了從將GenAI融入現(xiàn)有業(yè)務(wù)架構(gòu)，到通過全面AI轉(zhuǎn)型重塑傳統(tǒng)運營模式的實施路徑，并提供了清晰的行動綱領(lǐng)。在AI技術(shù)飛速發(fā)展的當(dāng)下，制定科學(xué)完善的人才戰(zhàn)略與妥善應(yīng)對治理監(jiān)管挑戰(zhàn)同等重要。面對日新月異的技術(shù)迭代，前瞻性AI視野已成金融領(lǐng)袖塑造未來格局的必備素養(yǎng)。

將GenAI技術(shù)納入戰(zhàn)略發(fā)展

路線圖

媒體在報道GenAI時往往言過其實且找不準重點。過度炒作與認知混淆自然會使許多企業(yè)高管質(zhì)疑，GenAI是否會讓現(xiàn)有的AI戰(zhàn)略及相關(guān)舉措“付諸東流”。這種擔(dān)憂顯然是多余的。事實上，情況恰恰相反，GenAI能與已融入金融機構(gòu)現(xiàn)有戰(zhàn)略體系的AI能力形成良好的補充關(guān)系。

金融領(lǐng)域的從業(yè)者常籠統(tǒng)地以“AI”一詞指代那些專注于預(yù)測性決策模型的細分AI技術(shù)（參閱圖2）。過去十年，由于解決了銀行業(yè)與保險業(yè)中存在的諸多關(guān)鍵性預(yù)測與分類難題，覆蓋風(fēng)險監(jiān)控、定價優(yōu)化以及產(chǎn)品偏好建模等重要業(yè)務(wù)環(huán)節(jié)，“預(yù)測式AI”（ predictive AI）在金融機構(gòu)大放異彩。

GenAI與預(yù)測式AI均具備強大功能，但應(yīng)用場景截然不同。因此，二者在實踐應(yīng)用中并非“二選一”的關(guān)系。銀行在制定未來AI戰(zhàn)略時，應(yīng)將二者同時納入其中，根據(jù)具體業(yè)務(wù)場景各取所長。

要想更好地理解預(yù)測式AI與GenAI的互補關(guān)系，我們可以參照人類大腦左右半球的分工模型（參閱圖3）。預(yù)測式AI像左半腦，主要承擔(dān)邏輯推理、量化分析與數(shù)值計算等任務(wù)。這套“左腦”系統(tǒng)由一系列算法構(gòu)成，能夠完成概率分配、結(jié)果歸類等工作，從而為決策提供支持。而GenAI則扮演著右半腦的角色，其天生擅長創(chuàng)造性思維、內(nèi)容表達以及宏觀視角的整合，這些都是在自動對話中生成擬人回應(yīng)時所不可或缺的能力。

GenAI并不會從根本上取代現(xiàn)有AI戰(zhàn)略，而是為其增添了新的能力。因此，企業(yè)領(lǐng)導(dǎo)者應(yīng)積極擁抱這一趨勢，深入思考如何利用GenAI來增強和擴展既有的AI布局，開辟新的價值創(chuàng)造路徑。

談及GenAI在銀行、保險業(yè)的應(yīng)用，許多人首先想到的可能就是客服聊天機器人，但實際上，該技術(shù)的應(yīng)用場景遠不止于此，在自動化財務(wù)分析、AI輔助代碼開發(fā)等工作中，該技術(shù)都大有用武之地。許多跨國銀行都在探索GenAI模型在這些領(lǐng)域的應(yīng)用，有些選擇自主研發(fā)，有些選擇對外采購，包括高盛集團（Goldman Sachs）、德意志銀行（Deutsche Bank）、美國運通公司（American Express）及富國銀行（Wells Fargo）在內(nèi)，一眾行業(yè)巨頭的GenAI技術(shù)解決方案已經(jīng)投入實際運營。

在統(tǒng)籌現(xiàn)有預(yù)測式AI解決方案、把握GenAI帶來的新機遇時，領(lǐng)導(dǎo)層應(yīng)時刻謹記，經(jīng)過實踐驗證且極具潛力的AI應(yīng)用已全面融入金融機構(gòu)的各個作業(yè)環(huán)節(jié)，從客戶交互前端，直到后臺運營終端，都能看到其身影（參閱圖4）。

要想充分釋放GenAI的潛力，金融機構(gòu)必須進一步優(yōu)化工作方式，找出那些在價值創(chuàng)造、改善客戶與員工體驗、品質(zhì)保障等方面能夠產(chǎn)生最大積極影響的重點項目，并按照優(yōu)先級加以孵化培養(yǎng)。對企業(yè)高管而言，其在推進相關(guān)工作時必須把握兩大原則，一是要對AI的優(yōu)勢與短板保持清醒認知，二是要以嚴謹規(guī)范的方式推進AI方面的實驗探索。

AI技術(shù)的能力邊界

與其他工具一樣，AI技術(shù)應(yīng)用的關(guān)鍵在于找準場景。以預(yù)測式AI為例，在處理簡單的信用卡申請業(yè)務(wù)時，依托機器學(xué)習(xí)開發(fā)的信用風(fēng)險評分模型的決策能力優(yōu)于大多數(shù)人類員工，然而當(dāng)面對結(jié)構(gòu)復(fù)雜、個案迥異的融資交易時，則仍需依靠人類專家進行判斷。

GenAI也是如此。BCG亨德森智庫與多位頂尖學(xué)者攜手開展的一項研究表明，GenAI在創(chuàng)意產(chǎn)品開發(fā)等任務(wù)中表現(xiàn)卓越，如果人類試圖對該技術(shù)生成的創(chuàng)意成果進行優(yōu)化改進，結(jié)果往往適得其反。與此同時，若將GenAI用于超出其當(dāng)前技術(shù)能力的任務(wù)場景（如解決復(fù)雜商業(yè)問題），其表現(xiàn)則不如人類員工，從研究結(jié)果看，參與者在完成此類任務(wù)時使用GenAI，不僅無法受益，反而會受到拖累。

換言之，在“人機協(xié)作”中，若人類扮演“協(xié)作者”的角色，接手AI能力范圍之外的復(fù)雜任務(wù)（如預(yù)測式AI用于信用評分的案例），GenAI就能發(fā)揮最佳效能。若人類試圖扮演“優(yōu)化者”的角色，對AI輸出的結(jié)果進行加工改進，反而會大幅削弱AI的應(yīng)用效果（參閱圖5）。

規(guī)范實驗

在創(chuàng)新驅(qū)動型業(yè)務(wù)板塊，評估并開展小規(guī)模用例試點通常可以帶來顯著收益。通過設(shè)立此類AI實驗室，可以讓組織內(nèi)部更多人培養(yǎng)出對AI解決方案的興趣，同時提高各方對該技術(shù)的認同感。此外，此類舉措還能為新技術(shù)的優(yōu)化迭代、技術(shù)能力的建設(shè)提供平臺，為關(guān)鍵決策（如在構(gòu)建技術(shù)基礎(chǔ)時，是自主研發(fā)、內(nèi)部挖潛、對外合作，還是探索其他整合路徑）的制定提供可行路徑。

然而，過去十年AI的發(fā)展與探索歷程清晰表明，盲目實驗極易失控。那種廣泛撒網(wǎng)、“適者培養(yǎng)”（即同時啟動大量小規(guī)模用例試點，看哪些項目能茁壯成長）的策略往往收效甚微。真正高效的AI戰(zhàn)略，要以開展試驗的嚴謹態(tài)度，在受控環(huán)境中對精選出的項目進行試點。如此，才能讓實驗得出的洞察為領(lǐng)導(dǎo)層所用，進而精準錨定少數(shù)高價值A(chǔ)I機遇，凝聚整個組織的力量重點推進相關(guān)工作。

在GenAI解決方案快速發(fā)展的背景下，要想充分釋放其應(yīng)用潛力，仍需持續(xù)開展實驗探索。與此同時，企業(yè)也應(yīng)構(gòu)建規(guī)范的實驗管理機制。

重構(gòu)AI端到端解決方案

推動全方位業(yè)務(wù)重塑

近期AI應(yīng)用領(lǐng)域的實踐經(jīng)驗表明，若能端到端重構(gòu)企業(yè)全業(yè)務(wù)流程，并深度整合AI技術(shù)，企業(yè)通?？梢垣@得更大收益。相比之下，若僅針對業(yè)務(wù)流程中的某個單一環(huán)節(jié)實施孤立的智能化改造，短期可能收效顯著，但大多只是“曇花一現(xiàn)”，其影響范圍和深度往往難以達到預(yù)期目標。還有一點需要注意，若在未充分考慮人機協(xié)同機制的前提下，將AI技術(shù)機械地納入傳統(tǒng)以人工操作為核心的業(yè)務(wù)流程，不僅可能導(dǎo)致系統(tǒng)資源配置失衡，更有可能激起員工的抵觸心理。

以點帶面，推動全面轉(zhuǎn)型

一直以來，AI帶來的所有重大突破都是源于系統(tǒng)性的轉(zhuǎn)型升級，即從整個AI戰(zhàn)略框架的角度出發(fā)，對整個流程的運作方式進行重構(gòu)。所謂“端到端”方法并非要在每一步都生硬地嵌入AI技術(shù)，其精髓在于從根本重新設(shè)計整個流程，統(tǒng)籌考量AI與人的角色，從而實現(xiàn)價值最大化。

金融機構(gòu)業(yè)務(wù)體系龐大，蘊含巨大的協(xié)同發(fā)展?jié)摿?，亟待我們挖掘利用。通過系統(tǒng)化發(fā)揮預(yù)測式AI、GenAI與人類專業(yè)知識的作用，金融機構(gòu)可以實現(xiàn)流程效率與效能的全面提升，最終獲得“一加一大于二”的效果。

現(xiàn)就AI技術(shù)兩大門類在金融機構(gòu)業(yè)務(wù)中的應(yīng)用進行剖析：

• 分析與預(yù)測類任務(wù)。此類“左腦型任務(wù)”（例如，確定聯(lián)系客戶的最佳方案）適合由預(yù)測式AI承擔(dān)。

• 創(chuàng)意與表達類任務(wù)。此類“右腦型”任務(wù)（例如，為管理客戶關(guān)系創(chuàng)作內(nèi)容與視覺設(shè)計）則更適合由GenAI負責(zé)。

這兩個簡單示例實際上是現(xiàn)代超個性化產(chǎn)品營銷活動的核心所在。通過系統(tǒng)運用預(yù)測式AI與GenAI，企業(yè)能夠?qū)崿F(xiàn)大多數(shù)營銷活動的端到端自動化，涵蓋目標客戶篩選、產(chǎn)品方案參數(shù)配置、定制化營銷文案創(chuàng)作以及個性化圖像的生成與插入等關(guān)鍵環(huán)節(jié)。但需要注意的是，即便AI簡化了工作流程中的諸多環(huán)節(jié)，人類員工的參與仍不可或缺，他們不僅要負責(zé)監(jiān)管整體流程，更要處理超出AI能力范圍、需要專業(yè)人士介入的特殊問題。

黃金模式

盡管統(tǒng)籌應(yīng)用各類AI技術(shù)的方式多種多樣，但最有機會在整個業(yè)務(wù)流程中挖掘潛在價值的應(yīng)用環(huán)節(jié)（尤其是那些以互補方式統(tǒng)籌利用預(yù)測式AI與GenAI的做法）往往遵循一些基本模式。

其中一種模式包含三個環(huán)節(jié)：（1）信息處理；（2）評估與決策；（3）創(chuàng)造性執(zhí)行。在實際業(yè)務(wù)場景中，該模式可能對應(yīng)客戶問詢的響應(yīng)處理、供應(yīng)商發(fā)票的處理、信用卡申請的審批決策、賬戶洗錢風(fēng)險的監(jiān)測預(yù)警或投資說明書特定章節(jié)的撰寫等工作流程（參閱圖6）。

在傳統(tǒng)業(yè)務(wù)流程中，各項操作主要依賴專業(yè)人員完成，即由人工完成信息梳理、評估分析、決策制定及后續(xù)的行動執(zhí)行等環(huán)節(jié)。但實際上，在該模式的各個階段，均有機會實現(xiàn)人類與預(yù)測式AI、GenAI的協(xié)作。

根據(jù)具體應(yīng)用場景的實際需求，在信息處理環(huán)節(jié)，可運用GenAI對海量信息進行整合與提煉，從而生成便于理解的內(nèi)容摘要，或者利用預(yù)測式AI從大規(guī)模數(shù)據(jù)集中定向提取洞察信息，縮小篩選范圍。

在評估與決策環(huán)節(jié)，預(yù)測式AI能夠基于其專業(yè)領(lǐng)域知識（通常涵蓋待處理案例中的絕大多數(shù)情形），為符合標準的案例提供可靠的自動化決策處理，并將特殊情況轉(zhuǎn)交人工處理。在此過程中，預(yù)測模型作為業(yè)務(wù)流程的核心調(diào)度中樞，能夠自主研判是否需要人工介入。

在創(chuàng)造性執(zhí)行環(huán)節(jié)，起草貸款拒批通知函、撰寫可疑交易活動報告以及回復(fù)客戶咨詢等事務(wù)，通?？山挥蒅enAI模型處理。其中，對簡單及/或不涉及核心業(yè)務(wù)的案例，可以實現(xiàn)全流程自動化操作，對可能因GenAI模型偶發(fā)性數(shù)據(jù)偏差導(dǎo)致自動化執(zhí)行出現(xiàn)風(fēng)險的案例，則至少可運用該技術(shù)對重復(fù)性內(nèi)容進行預(yù)處理。

在某個或多個業(yè)務(wù)環(huán)節(jié)中呈現(xiàn)黃金模式特征、具有重復(fù)性及大任務(wù)量屬性的工作流程，最有機會實現(xiàn)突破性變革、完成端到端流程轉(zhuǎn)型。

不僅要關(guān)注技術(shù)，更要注重

人才與流程

AI技術(shù)的發(fā)展一日千里，我們很容易過度關(guān)注技術(shù)本身、IT應(yīng)用以及底層數(shù)據(jù)架構(gòu)?？陀^而言，領(lǐng)導(dǎo)者在這些方面也確實面臨著一系列重大挑戰(zhàn)。由于AI系統(tǒng)對數(shù)據(jù)的需求極大，容易導(dǎo)致數(shù)據(jù)規(guī)模失控，因此必須制定清晰的數(shù)據(jù)戰(zhàn)略。此外，盡管ChatGPT等 GenAI模型對用戶非常友好，但要想融入現(xiàn)有IT系統(tǒng)、推進規(guī)?；渴鸩⒉皇且患菀椎氖?。

銀行業(yè)在制定AI戰(zhàn)略時，常會忽略一些關(guān)鍵性的“軟要素”，包括目標運營模式與組織架構(gòu)、AI人才與技能管理機制以及推動轉(zhuǎn)型所需的變革管理機制等。但實際上，這些要素對于戰(zhàn)略實施能否取得成功具有決定性影響。

運營模式與組織架構(gòu)

AI技術(shù)能夠顯著提升生產(chǎn)效能。在該技術(shù)加持下，相關(guān)工作或可自動完成，或可實現(xiàn)質(zhì)效提升，因此崗位職能也必須重新設(shè)計。我們發(fā)現(xiàn)，AI對工作的影響主要有四種，這些影響將深刻改變整個組織中各個崗位的工作內(nèi)容：

• 重復(fù)性任務(wù)，如低代碼/無代碼自動化

• 知識綜合處理，如對商業(yè)貸款協(xié)議進行全面審查

• 數(shù)據(jù)驅(qū)動型決策，如供應(yīng)商談判自動化

• 創(chuàng)造性任務(wù)，如借助AI技術(shù)增強代碼生成能力

為積極應(yīng)對這種變化，金融機構(gòu)亟需對以人工為主導(dǎo)的傳統(tǒng)業(yè)務(wù)流程實施系統(tǒng)性革新，對整體職能架構(gòu)進行全面重構(gòu)。為確保該項工作的有序推進，各相關(guān)機構(gòu)應(yīng)重點采取以下措施：

• 首先，要著力組建跨學(xué)科專業(yè)團隊，配備數(shù)據(jù)科學(xué)、商業(yè)分析及法律合規(guī)等領(lǐng)域的專業(yè)人才；

• 其次，要著力構(gòu)建層級精簡、響應(yīng)迅速的扁平化組織架構(gòu)，提升業(yè)務(wù)迭代與決策速度；

• 第三，要合理優(yōu)化管理范圍，更好地適應(yīng)日趨復(fù)雜化的人力資源管理需求。

最后，平臺化運營模式對AI技術(shù)的成功部署具有決定性作用。若企業(yè)能在強化市場導(dǎo)向的基礎(chǔ)上，以更快的速度完成人員配置、流程優(yōu)化及數(shù)據(jù)整合，將能以更高效的方式、更堅定的決心推動商業(yè)模式創(chuàng)新與顛覆性變革。具備產(chǎn)品、用戶旅程及服務(wù)全生命周期管理權(quán)限的跨職能團隊，將有效支撐業(yè)務(wù)流程的全面重構(gòu)，而平臺化運營模式則能在不犧牲個性化的情況下，通過標準化架構(gòu)推動規(guī)?；瘮U展，這種能力將成為推動轉(zhuǎn)型的關(guān)要素。

人才與技能

未來，幾乎每個由人工負責(zé)的職位都會與AI產(chǎn)生交集：

• 構(gòu)建AI模型的職位：如技術(shù)專家，負責(zé)AI模型的開發(fā)與運維、為技術(shù)平臺提供專業(yè)技術(shù)支持，需具備深厚的專業(yè)技術(shù)能力。

• 調(diào)試AI模型的職位：如職能領(lǐng)域?qū)＜?，負?zé)指導(dǎo)AI運營工作、推動達成業(yè)務(wù)目標并將AI模型有效整合至企業(yè)的業(yè)務(wù)流程之中。

• 使用AI模型的職位：如一線業(yè)務(wù)人員，負責(zé)處理AI模型輸出的結(jié)果，解讀AI模型生成的內(nèi)容與數(shù)據(jù)，為客戶及員工提供價值。

• 管理AI模型的職位：如專門負責(zé)監(jiān)控AI輸出結(jié)果的專業(yè)人員，其需確保軟件產(chǎn)出符合預(yù)期，核查技術(shù)應(yīng)用全過程的安全性與合規(guī)性。

在市場營銷、客戶服務(wù)、法務(wù)及軟件開發(fā)等特定職能領(lǐng)域，GenAI大有可為。該技術(shù)有望推動上述職能大規(guī)模實現(xiàn)自動化轉(zhuǎn)型，有效降低運營成本，同時通過提升服務(wù)質(zhì)量創(chuàng)造新的市場需求，并促使企業(yè)將有限的資源聚焦于更具價值的任務(wù)之上。

金融機構(gòu)在實施變革過程中應(yīng)當(dāng)堅持務(wù)實原則。具體而言，首先要找出對特定GenAI戰(zhàn)略具有關(guān)鍵價值的崗位，進而制定與之匹配的高附加值人才發(fā)展計劃（參閱圖7）。為確保各職能部門順利實現(xiàn)GenAI轉(zhuǎn)型，高管層應(yīng)將GenAI戰(zhàn)略深度融入人力資源規(guī)劃體系，明確企業(yè)未來員工需掌握的能力，再對企業(yè)現(xiàn)有團隊的能力進行評估，進而科學(xué)制定相關(guān)戰(zhàn)略，彌合能力供需缺口，并統(tǒng)籌推進組織文化建設(shè)和變革管理工作，為組織制定“培養(yǎng)、采購、外包”三位一體的人才戰(zhàn)略提供決策依據(jù)。

治理為先，找到屬于自己的

發(fā)展道路

唯有在完善的AI治理框架“保駕護航”的前提下，AI技術(shù)才能充分發(fā)揮自身的變革效能，贏得組織內(nèi)部對AI解決方案的廣泛認同與信任。若缺乏健全的治理機制，無論是預(yù)測式AI還是GenAI，都極易觸碰法律、監(jiān)管和聲譽方面的紅線。例如，大語言模型的訓(xùn)練離不開網(wǎng)絡(luò)上的公開數(shù)據(jù)集，若數(shù)據(jù)本身存在偏見，就可能增加特定客戶面臨的歧視風(fēng)險。BCG針對全球兩千名企業(yè)高管開展的一項調(diào)研顯示，企業(yè)決策層在這方面正面臨嚴峻挑戰(zhàn)，高達70%的受訪高管明確表示，自己之所以不敢大膽應(yīng)用GenAI技術(shù)，就是出于對大語言模型溯源能力有限的擔(dān)憂，另有68%的受訪者表示，自己是出于對該技術(shù)“黑箱”特性及數(shù)據(jù)泄露風(fēng)險上升的擔(dān)憂，才對GenAI的部署心存疑慮。

全球監(jiān)管機構(gòu)均在積極推進AI法規(guī)的修訂工作，一邊增補GenAI條款，一邊對現(xiàn)行的數(shù)據(jù)隱私保護、法律責(zé)任及知識產(chǎn)權(quán)條款進行修訂。鑒于GenAI技術(shù)及其影響正以前所未有的速度不斷演進，監(jiān)管政策的不確定性預(yù)計還將持續(xù)一段時間。盡管如此，以下三大監(jiān)管框架對金融機構(gòu)而言尤為值得關(guān)注。由于金融產(chǎn)品關(guān)乎公眾利益且具有高度敏感性，金融機構(gòu)應(yīng)當(dāng)預(yù)見到，在這三個監(jiān)管框架下將受到特別關(guān)注。

前兩大監(jiān)管框架分別是《東盟人工智能治理與倫理指南》（ASEAN Guide in AI Governance and Ethics，具有指導(dǎo)性質(zhì)的框架文件），以及更具里程碑意義的《歐盟人工智能法案》（基于風(fēng)險防控的消費者權(quán)益保護法律，也是全球首部橫向適用的人工智能立法）?！稓W盟人工智能法案》將預(yù)測式AI和GenAI應(yīng)用劃分為四個風(fēng)險等級。其中，如果應(yīng)用被認定具有“不可接受的風(fēng)險”，將被禁止進入歐洲市場，而“高風(fēng)險”類應(yīng)用則需在部署前后滿足一系列合規(guī)要求。實踐中，常見的預(yù)測式AI信用評估系統(tǒng)，以及基于GenAI技術(shù)的客戶服務(wù)聊天機器人，均可能被歸入高風(fēng)險應(yīng)用范疇。第三大監(jiān)管體系是美國監(jiān)管機構(gòu)的做法，其目標更多是調(diào)整現(xiàn)有法規(guī)而非創(chuàng)立新法，并以更強的國家安全導(dǎo)向來審視GenAI的風(fēng)險。

在建立完善的保障機制并有效引導(dǎo)AI開發(fā)者與使用者的前提下，即便技術(shù)飛速迭代，企業(yè)仍應(yīng)能夠部署并高效推廣相關(guān)技術(shù)，同時實現(xiàn)精準的風(fēng)險管控與高水平的合規(guī)管理。這些保障機制應(yīng)圍繞一個核心框架構(gòu)建，即確保AI的研發(fā)和應(yīng)用與金融機構(gòu)的核心宗旨及價值理念相契合，同時仍能帶來具有變革意義的商業(yè)影響。我們將這種做法稱為“負責(zé)任AI”（參閱圖8）。

全面且具有高度適應(yīng)性的“負責(zé)任AI治理框架”必須包含以下五大核心內(nèi)容：

• 戰(zhàn)略：構(gòu)建與企業(yè)價值觀、風(fēng)險管控戰(zhàn)略及倫理準則深度契合的AI整體發(fā)展戰(zhàn)略。

• 治理：設(shè)立“負責(zé)任AI”領(lǐng)導(dǎo)團隊，專門負責(zé)相關(guān)監(jiān)管工作，同時建立上報渠道，識別并應(yīng)對風(fēng)險。

• 流程：制定嚴謹?shù)牧鞒?，對AI產(chǎn)品進行監(jiān)控、審查，確保其符合“負責(zé)任AI”標準。

• 技術(shù)：構(gòu)建數(shù)據(jù)與技術(shù)基礎(chǔ)設(shè)施，降低AI應(yīng)用風(fēng)險，包括提供在設(shè)計中融入負責(zé)任理念、支持全生命周期監(jiān)控管理的工具包。

• 文化：推動組織全員（涵蓋AI研發(fā)人員與終端用戶）深刻認識自己在踐行“負責(zé)任AI”時的職責(zé)并嚴格落實。

AI在職場中的應(yīng)用日益廣泛，勢必引發(fā)一系列涉及人機協(xié)作的復(fù)雜且亟待解決的問題，同時極有可能在流程變革與技術(shù)實施層面引發(fā)組織人才的強烈反彈。雖然AI相關(guān)法規(guī)也在不斷推陳出新，但無法解答所有的新問題。而那些未雨綢繆、已著手構(gòu)建“負責(zé)任AI”框架的企業(yè)將贏得重要的戰(zhàn)略優(yōu)勢，為成功實現(xiàn)AI轉(zhuǎn)型奠定堅實基礎(chǔ)。

志存高遠

與所有具有革命性意義的新技術(shù)一樣，GenAI同樣引發(fā)了一系列重要議題——如何把握技術(shù)帶來的機遇，實現(xiàn)效率與效能的雙重提升？如何推進技術(shù)的部署工作？如何應(yīng)對由全新人才戰(zhàn)略帶來的復(fù)雜挑戰(zhàn)？如何確保技術(shù)應(yīng)用始終處于安全監(jiān)管與良好治理的框架體系之內(nèi)？

企業(yè)很容易產(chǎn)生等待、觀望的想法，然而此項工作的戰(zhàn)略意義極其重大，絕不可短視行事。企業(yè)高管必須將AI技術(shù)（包括GenAI）的研究與應(yīng)用確立為企業(yè)轉(zhuǎn)型的核心要務(wù)，并在制定AI戰(zhàn)略、人力資源規(guī)劃以及圍繞該技術(shù)構(gòu)建穩(wěn)健治理框架時，秉持中長期的戰(zhàn)略眼光。那些從當(dāng)下就積極為即將到來的AI革命做準備的組織，將在未來市場競爭中獲得重大優(yōu)勢。

關(guān)于中國區(qū)專家

何大勇是波士頓咨詢公司（BCG）董事總經(jīng)理，全球資深合伙人，BCG金融機構(gòu)專項中國區(qū)核心領(lǐng)導(dǎo)，BCG亨德森智庫中國區(qū)聯(lián)席負責(zé)人。

譚彥是波士頓咨詢公司（BCG）董事總經(jīng)理，全球合伙人，BCG金融機構(gòu)專項中國區(qū)核心領(lǐng)導(dǎo)。

孫蔚是波士頓咨詢公司（BCG）合伙人兼副董事。

王爭是波士頓咨詢公司（BCG）轉(zhuǎn)型力中心（TIC）高級經(jīng)理。

高思宇是波士頓咨詢公司（BCG）項目經(jīng)理。

彭與時是波士頓咨詢公司（BCG）咨詢顧問。

如需聯(lián)絡(luò)，請致信GCMKT@bcg.com

關(guān)于作者

向上滑動查看

Stiene Riemer是波士頓咨詢公司（BCG）董事總經(jīng)理，全球合伙人。

Michael Strau?是波士頓咨詢公司（BCG）董事總經(jīng)理，全球資深合伙人。

Jeanne Kwong Bickford是波士頓咨詢公司（BCG）董事總經(jīng)理，全球資深合伙人。

Pim Hilbers是波士頓咨詢公司（BCG）董事總經(jīng)理，全球合伙人。

Nipun Kalra是BCG X印度區(qū)負責(zé)人

Aparna Kapoor是波士頓咨詢公司（BCG）董事總經(jīng)理，全球合伙人。

Julian King是BCG X合伙人兼董事

Silvio Palumbo是波士頓咨詢公司（BCG）董事總經(jīng)理，全球資深合伙人。

Neil Pardasani是波士頓咨詢公司（BCG）董事總經(jīng)理，全球資深合伙人。

Marc Pauly是波士頓咨詢公司（BCG）合伙人兼董事

Kirsten Rulf是波士頓咨詢公司（BCG）合伙人兼副董事

Michael Widowitz是波士頓咨詢公司（BCG）董事總經(jīng)理，全球合伙人。

點個在看支持一下??