人工智能在金融服务中的未来

随着人工智能的不断进步和普及速度的加快，整个行业和商业模式在未来十年内将发生重大变化。各种动态因素共同作用，人工智能的能力已超越许多组织的应变能力。尤其是在许多金融机构中，他们在通过云迁移现代化遗留核心基础设施的过程中，面临这一情况尤为明显。

当然，大多数金融机构的首要任务是开发几乎完全脱离遗留系统的人工智能应用场景，例如客户支持聊天机器人。当我们观察呼叫中心的运作方式时，这是一个显而易见的切入点。客户在需要提出问题时，会访问网站、拨打客户支持电话或发送电子邮件。这些互动可以完全通过云解决方案进行路由，通过API将它们连接到相关的内部数据存储库，如客户关系管理（CRM）系统。

虽然呼叫中心的应用场景是金融服务公司最容易采用的人工智能解决方案，但还有其他快速获益的方式，可以让员工专注于更高价值的任务，特别是在组织不断提升对人工智能的理解和应用时。

客户和员工的快速获益

随着通过云提供的服务和应用日益增多，客户也能从人工智能驱动的增强和效率提升中受益。许多金融产品现在配备了应用内AI助手，客户通过自然语言与应用互动，提升了可访问性。这不仅带来了用户界面（UI）的明显改善，也提升了用户体验（UX）。

同样，这些助手还能优化内部工作流程，银行专业人员可以搜索、发现、提取和总结信息。它们还可以从现有内容中创建全新内容，例如报告。这使得各个业务职能的员工变得更加数据驱动，工作流程通过洞察得到了增强，而这些洞察在没有AI工具的情况下是难以实现的。

以支付为例。银行和支付提供商处理大量复杂的支付数据，因此能够通过自然语言分析这些数据并提取洞察非常有用。

另一个例子是复杂领域的培训，例如贸易融资。该行业面临显著的人才缺口，经验丰富的员工逐渐退休或转岗。有了内部AI助手，新团队成员可以更快上手，通过基于提示的帮助自助查询流程和工作流程，从而节省大量时间。因此，银行员工不再需要翻阅大量文档寻找答案。

对于技术团队，如开发人员，AI工具带来了巨大价值。代码补全助手提高了开发速度，加快了软件开发周期，从而快速向客户交付新更新和功能。当然，并非所有员工都能像技术团队那样熟练使用AI工具，但这正是金融机构的技术领导者需要推动为不同业务职能和团队量身定制的技能提升路线图的原因。

金融服务机构的关键投资

金融服务中最显著的AI效率提升主要集中在自动化专业人员在各个行业和职能中耗时低价值的工作。生成式AI在近年来的采用和整合中起到了推动作用，其应用场景涵盖转录、翻译和数字化纸质文件。例如，贷款团队能够大规模数字化、查询和管理大量复杂的贷款文件，并确保下游应用能够利用这些数据，这具有变革性意义。

随着新兴技术和先进能力的逐步成熟，现有投资也将受益。例如，AI代理的崛起开启了新的创新途径，代理可以连接到生成式AI工具。由AI代理增强的聊天机器人可以通过连接不同的LLMs（大型语言模型）和经过批准的外部资源，提供先进的知识和数据搜索与发现。

允许代理和LLMs相互通信的新协议也在扩展AI的可能性。出现的两个关键协议是代理到代理（A2A）和模型上下文协议（MCP）。顾名思义，A2A协议使代理能够自主通信和协作，促使更大规模和更具动态性的AI系统的创建。MCP是一个框架，使LLMs能够访问其他工具和系统，如API、外部数据库和代理。

随着向完全自主代理系统的迈进，投资这些协议变得至关重要。通过解锁AI代理、API和外部数据源之间的新型安全通信方式，AI驱动的创新和协作将得到极大提升。

金融服务行业正处于一个激动人心的时期，AI在内部应用中带来了令人惊叹的生产力提升，同时也在从贷款到资本市场的整个生态系统中增强产品和服务。

金融服务的各个分支都拥有丰富的数据，而数据是驱动AI的燃料。这也是为什么我们现在看到大量专注于AI产品和利用先进技术提升金融服务的金融科技和技术合作伙伴的快速增长。行业面临的主要障碍是遗留技术，但与这些合作伙伴的合作以及云服务的采用，正不断提升敏捷性，确保金融机构能够充分利用AI的全部潜力。