麦肯锡-扩展银行业的人工智能：选择最佳运营模式（英）-2024.3-8页_510kb

生成式AI在银行业规模化部署：选择最佳运营模式

生成式AI正在重塑金融服务行业，为效率提升和金融创新带来机遇。在银行争相部署这一技术之际，选择合适的运营模式对于释放其潜力至关重要。

麦肯锡银行业务和社会风险管理实践团队联合撰写本文，分析了生成式AI对银行业的影响。文章指出，全球银行业采用生成式AI技术2年多来，该技术已在客户聊天机器人、反欺诈、代码开发、投资说明书起草、监管报告总结等场景广泛应用。

据麦肯锡全球研究所估计，生成式AI全球银行业每年可能创造2000亿至3400亿美元价值，约占银行业营收的2.8%-4.7%，主要源于生产率提升。

然而技术应用面临多重挑战，包括虚假信息生成、知识产权侵权、系统运行透明度不足、算法偏见、安全风险等。为实现规模化应用，银行需要在战略规划、人才储备、运营模式、技术平台、数据管理等七个维度建立协同能力。

本文重点分析运营模式，探讨分布式架构与集中式架构两种主要模式。通过对16家资产规模近26万亿美金金融机构的调查发现，约50%的金融机构采用相对集中的方式领导生成式AI事务，即便其数据分析部门通常是分散设置的。较之完全分散模式，高度集中模式的机构约70%已成功将生成式AI用例投入生产环境。

研究显示，高度集中模式能够以更快速度建立AI能力，更好地评估技术影响。这种模式使企业能够统筹战略部署、制定标准、推动执行三个关键环节。

当前四种主要运营模式包括：纯集中式架构、总部牵头业务单元执行、业务单元自主总部支持、完全分散式架构。其中总部牵头模式在人才配置、技术预测、风险管控等方面具较强优势。

麦肯锡调查显示，约20%金融机构采取纯集中模式管理战略方向、标准设定和执行；30%采用总部指导业务单元自行执行的模式；30%的机构仅将标准制定集中，而各单元自行制定战略；约20%采完全分散模式。

十年经验丰富的数字化专家Brian Weintraub指出，选择适合自己业务的生成式AI运营模式至关重要，既要考虑战略部署，也要兼顾组织结构和文化建设，最终实现规模化应用。

金融机构领导需要考虑以下关键决策：战略定位、应用场景、部署模式、资金配置、人才建设、风险管理等要素。只有选择最适合自身业务的运营模式，建立灵活可扩展的架构，才能有效释放生成式AI的技术潜力。