惊！AI让银行5万变50万，20%利润或被吞噬！

当前，全球银行业正经历一场前所未有的变革。生成式人工智能（Generative AI）的崛起，不仅是技术层面的突破，更是驱动行业思维模式和业务边界重塑的关键力量。埃森哲的全球银行业务负责人迈克·阿博特先生近期分享了他对未来银行发展趋势的深度洞察，描绘了一幅“无拘束银行”（Unconstrained Banking）的宏伟蓝图。

埃森哲全球银行业务负责人迈克·阿博特先生

在阿博特先生看来，许多人将生成式AI视为降本增效的工具，认为它主要用于削减成本、优化流程。然而，他观察到的实际情况恰恰相反：越来越多的银行开始思考“我们能创造什么”，而非仅仅局限于“我们能减少什么”。这是一种从限制性思维向创造性思维的深刻转变，预示着银行业正迎来一个充满无限可能的新时代。

这种“无拘束”的理念，代表着银行正在积极探索如何利用新技术，超越传统的业务范畴和增长极限。阿博特先生形象地比喻道，市场上既有对未来持悲观态度的“屹耳（Eeyore）”，也有积极拥抱变化的“跳跳虎（Tigger）”。他认为，银行业更应扮演“跳跳虎”的角色，主动抓住生成式AI带来的巨大机遇。

一位银行首席执行官曾精辟地总结说：“在银行业，收入是争取来的，成本却是人人都有的。我想成为那个赢家。”这番话深刻揭示了“无拘束思维”的精髓——不再满足于简单的成本控制，而是要通过创新创造出更多的价值和收入。阿博特先生预测，未来银行的组织能力将实现几何级增长，原本可能需要5万人的工作，在AI的赋能下，或许能达到50万人的效果。

面对成本与收入的平衡，有人可能会质疑：银行投入巨资发展生成式AI项目，如何避免裁员？阿博特先生强调，尽管岗位会发生调整，一些传统工作职能可能被AI取代或重塑，但同时也会有大量新岗位随之诞生。更重要的是，银行正将目光投向AI在驱动收入增长方面的潜力。

他举例说，AI能够显著提升市场营销的精准度，实现真正意义上的一对一客户定制化服务。想象一下，通过将生成式AI嵌入客户关系管理（RM）系统，它就像一个“智能导航”，帮助客户经理避开低效路径，直接导向最有价值的客户互动和业务机会，从而大大提高业务拓展效率。

新媒网跨境获悉，生成式AI在银行提升收入方面展现出巨大潜力，尤其是在营销和产品创新两大领域。在营销方面，银行可以利用AI构建高度个性化的客户沟通。例如，一些国际银行已开始在呼叫中心应用生成式AI，根据客户的行为模式和偏好，实时定制对话脚本，以提升服务效率和客户转化率。甚至在催收环节，AI也能以更温和、有效的方式进行沟通。

而在产品创新上，AI的潜力更是令人瞩目。长期以来，银行体系中的资金被戏称为“沉睡的钱”，但现在，它正变得越来越“聪明”。阿博特先生指出，银行正积极探索如何将AI与企业支付和现金管理相结合，让资金能够“自主”决策，在何时支付、何时投入回购市场等方面做出最优选择。这意味着，过去只有大型企业资金管理部门才能实现的先进功能，如今正通过AI赋能，向中小企业普及，这将为银行带来前所未有的服务能力和收入增长点。

谈到“智能货币”，数字货币和加密资产的发展也备受关注。传统意义上的资金和股票交易，自中世纪美第奇家族时代以来，其基本模式并未发生根本性改变——无论是实体黄金还是数字账本，都涉及资产的物理或数字转移。然而，以“通证化”（Tokenization）为代表的变革，正在重塑这一切。

通证化的核心理念是：资金或股票本身不再需要“移动”，而是通过简单的所有权指向变更即可完成交易。这无疑是对银行业基础运行机制的彻底改造。对于消费者而言，如果不同银行都推出自己的稳定币，最终它们将需要在品牌和操作上趋于统一，就像国际支付卡巨头那样，通过广泛的接受度来赢得市场。

然而，阿博特先生也强调，许多银行正在内部构建的稳定币，其主要目标并非面向消费者，而是为了提升自身的商业效率。银行在全球各地拥有大量的代理账户（nostro/vostro accounts）和分散的闲置资金，这带来了巨大的内部运营成本和资本占用。通过在银行内部建立稳定币体系，可以高效地在不同账户间流转资金，释放被困的流动性，降低资本金要求，从而为企业客户提供更加高效的服务。因此，当前我们看到的不同银行和支付巨头在“可编程货币”领域的诸多尝试，很多是针对商业端的内部优化。

再来看AI驱动的辅助系统如何改变客户预期。有人预测，银行的手机应用甚至可能被类似于大型语言模型（LLM）的聊天机器人所取代。目前，大多数国际银行在应用AI时都非常谨慎，主要通过自然语言处理技术来理解客户意图，并通过API接口获取特定问题的标准化答案，而非允许LLM随意生成回复。这是一种受限的、基于“意图”的处理方式。

阿博特先生对此解释说，银行的起点都是这种“意图导向”的解决方案，例如解决“银行卡丢失”等具体问题，确保LLM的回复符合既定政策和流程。但他进一步指出，当前银行的呼叫中心普遍采用“全能坐席”模式，即一个客服人员需处理所有客户问题。但实际上，每次客户来电都是一系列“意图”的组合。当银行能够解决10个、20个、乃至数百个客户意图时，最终就能覆盖“全能坐席”的所有功能，并通过智能编排实现无缝切换。这意味着，虽然全面开放的ChatGPT式客户服务尚待时日，但AI正朝着这个方向逐步演进。

值得关注的还有“智能体AI”（Agentic AI），阿博特先生将其定义为：你可以为大型语言模型“撰写一份工作说明书”，赋予它在特定约束下自主执行任务的能力。这类似于为虚拟员工分配具体的职责，并允许其独立决策和行动。这种模式带来了“10倍银行”的概念，即一名员工可以同时管理十个甚至更多的智能体，而引入这些虚拟“员工”的边际成本极低。

以商业银行的信贷契约分析为例，这通常是一个耗时且复杂的过程，涉及获取财报、邮件沟通、信息标准化、政策审核等多个环节。阿博特先生描绘了一个未来场景：你可以拥有一系列智能体——一个邮件智能体负责自动获取财报并确保发送给正确的人；一个分析智能体负责解析财报数据、核对附注并标准化信息；一个审核智能体负责根据贷款政策审查契约条款。通过这种方式，一名信贷经理可以同时协同管理10到30个智能体，并行完成大量工作，极大提升效率。

实现这种智能体AI的部署，需要进行精密的业务流程再造。这类似经典的“六西格玛”方法论，需要系统性地分析现有流程，设计优化方案，并细致地将其拆解为可由智能体执行的微任务。好消息是，当前已涌现出许多AI工具，能够辅助分析现有流程并提供改进建议。然而，阿博特先生强调，人类的决策和协调仍然不可或缺，AI并非完全自主运行。

随着各类企业级软件平台，如办公协作软件巨头和销售管理系统，开始集成智能体AI功能，一个问题随之浮现：未来是否会出现一个“总控”智能体来监管所有其他智能体？阿博特先生认为，短期内不太可能出现一个“万物之王”式的总控智能体。但他强调，对所有智能体都必须建立严格的控制和透明度机制，即使是第三方提供的智能体也不例外。

新媒网跨境了解到，银行绝不能重蹈过去机器人流程自动化（RPA）的覆辙，采取“设置后遗忘”的态度。智能体必须被视为真正的“员工”进行管理：需要有专人负责、持续监控其表现、评估其产出，并认识到它们可能随时间发生“漂移”，并非完美无缺。忽视这一点，将是银行在应用智能体AI时可能犯下的最大错误。

每年，业界都会讨论核心系统现代化的问题。尽管许多银行的核心系统仍是陈旧的遗留架构，但阿博特先生认为，核心系统的现代化并非一两年能完成，而是一个需要“十年”甚至更长时间的漫长过程。不过，生成式AI的出现正在戏剧性地降低现代化改造的成本。

他指出，在过去，将一个运行成本千万美元的核心系统现代化，可能需要三到四倍的投入。但随着AI在逆向工程、正向工程等方面的能力不断提升，这一成本正在显著下降，这将加速银行摆脱老旧核心系统的步伐。过去二十五年，全球银行在数字化前端投入了近3万亿美元，使得几乎每家银行都拥有出色的数字应用，却在很大程度上忽视了核心系统的升级。如今，高达70%的工作量都耗费在旧软件的维护上，这显然不是人力资源的有效利用。因此，要抓住未来机遇，核心系统的现代化已是刻不容缓的战略选择，而智能体AI的出现，正使其变得更加可行。

最后，关于在AI和数字资产时代，谁将成为赢家，谁又可能被淘汰的问题，阿博特先生提出了“未来竞争”的新视角。他指出，过去二十五年，许多人都在谈论数字银行（Neobanks）将如何颠覆传统银行，然而，经历了二十五年的数字化浪潮，全球排名前250位的银行中，没有一家是纯粹的数字银行脱颖而出的。这表明，数字银行主要尝试在支付和零售银行领域发起挑战，但并未撼动核心。

阿博特先生预测，未来的竞争焦点将转向“资产负债表”。他认为，银行需要警惕的竞争对手，不再仅仅是其他银行，而是那些能够瞄准资产负债表的“上方”力量。例如，未来人们或许可以直接向大型语言模型（LLM）发出指令：“优化我在银行的闲置现金。”如果这种功能普及，并有15%的用户采纳，可能会通过压缩存款利差，对银行高达20%的收益造成冲击。这种优化闲置现金的服务，甚至不需要银行牌照即可提供。同时，私人信贷市场的崛起也印证了这一趋势。因此，未来的竞争并非来自那些受限于股本回报率增长的数字银行，而是来自那些能够利用技术直击银行资产负债表核心的新兴势力。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/ai-stuns-banks-50k-to-500k-20-profit-lost.html