解锁银行业人工智能愿景

圆桌讨论嘉宾：

• Praveen Raina，OCBC 集团运营与技术主管
• Lawrence Goh，UOB 集团技术与运营主管
• Evy Wee，DBS Bank 财富平台与解决方案区域主管
• Ashmita Acharya，HSBC Singapore 国际财富与卓越理财主管

1. 在您看来，由人工智能驱动的最重要创新将是什么？这些创新将对塑造或优化投资者服务起到怎样的关键作用？

Praveen Raina: 尽管金融业在释放人工智能（AI）的全部潜力方面尚处于早期阶段，但其驱动超个性化服务和预测性分析的能力，已在重塑我们与投资者互动的方式。这些能力让我们能从被动服务转向主动的、由洞察驱动的互动，重新定义了投资建议、投资组合构建和客户互动的交付方式。

随着我们进入“代理式人工智能”（agentic AI）的新篇章，我们正在为金融服务注入更强的智能，并提升客户体验。最近的一个例子是我们为私人银行业务开发的财富来源工具。该工具将过去耗时费力的手动流程自动化，将客户关系经理撰写报告的时间从10天大幅缩短至1小时。

如今，客户关系经理只需审查和完善由AI生成的报告，从而节省宝贵时间，专注于更深入的客户沟通和更精准的风险评估。这不仅巩固了客户关系，也为客户和银行双方都创造了更大的价值。

银行业的核心是建立关系。对投资者而言，这意味着他们期望获得卓越且符合其独特财务目标的定制化体验。随着AI的不断发展，为每位客户动态定制投资组合和沟通方式将成为常态，服务也将实现深度个性化。

Lawrence Goh: 传统的投资管理方法通常依赖历史数据和静态模型。随着人工智能的进步，投资经理现在能够综合处理海量的实时数据集并预测市场动向，从而实现从被动式到主动式的投资组合管理转变。

投资经理可以利用AI分析庞大而复杂的数据集，以发现规律并生成可行的见解，从而帮助识别有前景的投资机会。这些由AI生成的建议随后可由人类专家进行筛选，他们运用市场经验和判断力来验证和完善为客户选择的投资方案。

例如，UOB 私人银行利用经过成功验证的AI模型来提高投资组合经理的工作效率，并提升决策的质量和一致性。这类技术极大地帮助了我们的投资组合经理整理和组织来自多个来源的必要信息和数据，从而实现更主动的风险管理，并为我们与客户的沟通和咨询提供支持。

AI还可用于评估客户的个人资料，包括风险承受能力、投资期限、当前投资持仓、财务目标和个人偏好，从而全面了解他们的投资需求。这有助于提供量身定制的投资建议，这些建议既符合个人需求和风险状况，又考虑了市场趋势和一流的投资组合策略。

SEE ALSO

The sweet spots for investors are where AI and ageing trends intersect

我们的全功能银行应用程序 UOB TMRW，由AI和机器学习模型驱动，可根据客户的银行行为和偏好，提供个性化的洞察，包括精选的金融内容、专家分析和相关的投资建议。

虽然AI可以大规模提升效率和个性化水平，但它也有其局限性。它无法取代建立持久客户关系所必需的人情味——尤其是在信任至关重要的银行业。例如，客户可能没有准确反映其风险状况，或者其风险状况可能随时间而演变。了解客户独特情况和偏好的客户关系经理最适合提供量身定制的投资建议，而AI则作为辅助工具，补充和加强该咨询过程。

此外，AI系统是基于历史数据和过往趋势进行训练的。面对引发市场突然动荡的“黑天鹅”事件时，它们可能无法提供及时且相关的建议。这时，人类的经验就变得不可或缺，它能将市场细微差别与AI的洞察力相结合，为客户提供更具情境化和更合适的选择。

企业还需要注意，采用这些技术会带来潜在风险，包括模型幻觉、数据隐私风险和输出偏见，这些都必须得到积极管理。因此，我们对采用AI采取了审慎和负责任的态度。我们建立了强大的治理框架，以确保我们的模型符合新加坡金融管理局（Monetary Authority of Singapore）的公平、道德、问责和透明（Fairness, Ethics, Accountability and Transparency, Feat）原则。

Evy Wee: 多年来，金融科技、数字化和数据能力的发展，使金融机构（FIs）能够将金融服务的应用规模扩大到全球更多的客户。无缝支付、财富管理的普及化和欺诈保护是其中一些新兴服务的主要例子，这些服务使广大消费者受益。

随着数据能力通过更好、更智能的模型不断演进，AI也已成为向消费者提供个性化金融建议的关键赋能工具，使他们能够采取具体行动来改善自身的财务状况。

在 DBS，我们观察到，与我们的 digiWealth 平台高度互动的客户储蓄更多，在紧急情况下拥有足够的保障，并且即使在最近的市场波动中也持续投资。我们利用新加坡开放银行基础设施（SGFinDex）进行客户数据共享的能力，使我们能够更好地了解客户在不同人生阶段的资产和负债趋势。获得这些洞察后，我们发现了新加坡在退休储蓄的累积和支取阶段存在的差距。这促使 DBS 与 JP Morgan Asset Management 合作，在亚洲推出了首个退休“滑行路径”投资组合，旨在帮助各年龄段的人们开始他们的退休规划。

展望未来，随着AI的持续快速发展，生成式人工智能（GenAI）和代理式人工智能（Agentic AI）为组织提供了重新思考和转变现有运营模式的机会，例如为产品策划、制造、执行和金融资产保管的端到端流程中的各种角色开发“智能助手”或代理。我们也观察到，我们的私人银行家和投资顾问如何能够更高效、更有效地生成个性化的投资建议、财富规划和市场洞察，从而更好地与客户互动。

通过将我们已开发的数字化、工作流程自动化等基础技术与AI/ML（机器学习）和LLM（大型语言模型）相结合，AI的进步将使金融机构能够减少员工的繁琐工作，提高生产力，并让他们有更多时间从事咨询和更深入的客户互动等更高价值的工作。更重要的是，借助AI，金融机构还可以提供超个性化的洞察，赋能客户为自己做出更好的财务决策。

Ashmita Acharya: 人工智能正在改变客户与财富咨询互动的方式，使财富对话更加个性化、响应迅速且以洞察为驱动。这就是为什么我们不仅投资于技术，还投资于提升员工的技能，以便他们能够利用新工具来深化客户与顾问之间的关系。

财富管理建立在信任之上，顾问的角色从未如此重要。对我们来说，最激动人心的创新在于AI能够帮助我们的顾问预测需求、提供更敏锐的洞察，并协助客户做出及时、有前瞻性的决策。

推动这一转变的一个关键领域是预测性分析，其中包括实时风险和机会感知。借助 GenAI 和自然语言处理（NLP）功能，我们现在可以从以前过于庞大的信息源中提取洞察，例如财报电话会议、分析师报告，甚至卫星数据。这种深度洞察正在帮助顾问更快地识别风险和机遇，使他们能够引导投资者做出更主动、更有依据的选择。

例如，在我们全球私人银行业务中，我们专有的“财富智能”（Wealth Intelligence）平台利用 GenAI 综合来自超过10,000个数据源的洞察，使顾问能够提供更具前瞻性、信息充分和战略性的投资组合建议。

如今的AI不仅能分析客户的风险偏好。我们现在有能力捕捉客户更广泛的财务生活——从消费和储蓄模式到流动性需求以及环境、社会和治理（ESG）偏好——从而获得全面、整体的视角。

这意味着建议可以实现超个性化，这是从被动式建议（“您想投资什么？”）到主动式指导（“这是您可能需要考虑的”）的重大转变。在我们的财富平台内，我们正在利用这些洞察提供动态的投资组合分析、量身定制的提醒和精选的教育内容，以帮助我们的客户做出更明智、更自信的财务决策。

从更偏向运营的角度来看，AI还通过减少行政工作来赋能顾问，使他们能够专注于最重要的事情——客户。我们的顾问现在使用AI工具来总结客户对话，并通过工具将客户投资组合、情绪和市场动态提炼成可行的摘要，从而准备简明的会前洞察，促成更具战略性和意义的财富对话。

尽管AI在提升我们的工作方式和客户服务方面潜力巨大，但技术与人的结合仍将是我们使用AI的关键。我们也高度意识到AI的潜在风险，并正在与监管机构和合作伙伴合作，帮助建立一个支持道德创新的稳健体系。这使我们能够利用AI处理能力的互补优势，结合专家的人类判断，遵循我们责任与信任的核心原则。

2. 人工智能如何帮助提升客户忠诚度？

Praveen Raina: 信任是客户忠诚度的基石——即对银行的稳定性、系统和服务的信任。虽然产品很重要，但真正的差异化在于我们交付和服务的一致性。

人工智能是一个赋能工具，它使我们能够在保持这种信任的同时扩大规模。例如，我们支持AI的监控系统加强了欺诈检测和反诈骗工作，而我们的“防御性AI”能力则能主动检测并应对网络威胁和潜在漏洞。这些措施增强了系统的可靠性和数据安全性，是维系客户信心的关键支柱。

除了保护，AI还提升了日常体验。我们的AI系统每天做出约600万次决策，帮助提供更个性化和相关的互动。例如，我们利用AI每月分析超过10,000条客户反馈，以识别改进我们产品和服务的机会。

归根结底，客户忠诚度是赢得的——不仅仅是通过我们提供的产品，更是通过我们交付产品的可靠性和安全性。

Lawrence Goh: 人工智能通过预测每个个体的最重要需求，使企业能够与客户建立更深入、更个性化的互动和关系。企业可以利用AI分析行为模式、偏好和人生阶段，从而主动、预见性地提供相关的产品、服务或体验。

作为在亚细安拥有最广泛网络的银行，UOB 认识到需要不断了解我们客户多样化的需求和偏好。通过我们的 UOB TMRW 应用程序，AI使我们能够为超过840万的整个客户群提供大规模的超个性化互动。

我们的应用程序最初是为年轻人群推出的，现已发展成为本行在亚细安范围内大规模获取、服务和吸引客户的关键数字平台。借助AI，我们能够根据每个人的需求和偏好定制产品和服务，通过展示我们真正了解客户及其财务愿望来建立信任和忠诚度。

客户希望感受到被真正理解。通过AI实现的智能个性化培养了一种关系，让客户觉得“你懂我，而且总是为我推荐最好的”。这是持久客户忠诚度的基础，也是我们应用程序设计和开发的基本原则。通过利用AI了解客户行为，我们能够提升我们的价值主张，帮助客户更多储蓄、更明智地消费和在线投资。

Evy Wee: 个性化的互动和量身定制的建议有助于培养信任和相关性，这两者对于长期的忠诚度至关重要。在 DBS，我们开发了由AI驱动的超个性化洞察和咨询服务，使客户能够做出更明智的财务决策。仅在新加坡，就有超过350万零售和财富管理客户每月通过 DBS digibank、PayLah! 和电子邮件与3000万条此类洞察进行互动。

这种个性化的互动方式正在取得成效。我们观察到，我们的财富客户正在将他们的投资分散到不同的地域、行业和资产类别——持有两种或以上投资和保险产品的客户数量同比增长了30%。在超高净值客户中，去年投入投资的净现金翻了一番，并在今年上半年继续保持韧性。这一增长得益于我们具有远见的首席投资办公室（CIO）的洞察，这些洞察通过AI驱动的“提醒”传递给客户。

随着AI能力的不断发展，金融机构需要确保以负责任的方式使用数据，既能改善业务，又能保障我们的客户。在 DBS，我们采用了一个稳健的框架来指导道德的AI发展，我们称之为PURE——即我们确保数据的使用对所有客户而言都必须是目标明确（Purposeful）、不令人意外（Unsurprising）、互相尊重（Respectful）和可解释（Explainable）的。

我们最近被《环球金融》杂志（Global Finance）评为“全球最佳AI银行”，这突显了我们在利用负责任的AI以及通过在全行战略性地整合AI来提供以客户为中心的解决方案方面取得的巨大进步。

在 DBS 迈向成为一家有温度的AI赋能银行的旅程中，我们仍然致力于负责任地利用AI，将机器智能与人类同理心相结合，以巩固客户对我们的信任。

Ashmita Acharya: 在财富管理领域，忠诚度建立在我们建议的贴切程度、客户体验的积极性以及我们如何长期保持有意义的联系之上。

在 HSBC，我们正在将AI整合到我们的咨询生态系统中，以提供更具前瞻性、更高效和更个性化的客户体验——在这种体验中，技术提高了响应速度，并能更深入地理解客户的需求。

例如，通过从客户管理投资组合和与我们互动的方式中获取洞察，AI帮助我们预测重要的人生时刻，识别新兴需求，并以更直观的指导方式与他们联系。这将体验从被动和交易性的转变为主动和个性化的，帮助客户感到被理解、被支持和被重视。

但这不仅仅是那些重要时刻——我们还利用AI提升日常客户体验，从客户服务到互动和推广。例如，通过分析偏好和互动模式，我们可以个性化我们的沟通，确保我们分享的洞察、市场更新和教育材料是相关且有价值的，从而加深互动和信任。其结果是响应时间更快，满意度得分更高，并在各个接触点提供更顺畅、更一致的体验。

最后，我们还利用AI来更好地倾听。通过分析跨渠道的情绪和反馈，我们可以及早发现信心或满意度的变化，并在问题出现前采取行动。

3. 能够高效地提供定制化建议，在某种程度上是金融服务的“圣杯”。您目前在这方面的进展如何？您如何为大众客户群提供量身定制的建议？

Praveen Raina: 我们已经推出了几款由AI驱动的工具，如 Holmes AI、AI Oscar 和 Markets Watch，这些工具都为不同客户群体提供个性化的洞察——从为私人银行客户提供的精选投资洞察，到为交易客户量身定制的股票创意，再到为企业提供的及时市场更新。

定制化建议正迅速成为一种期望。为了实现规模化，AI正被更深入地嵌入到我们的软件工程和质量保证工作流程中。例如，我们的工程师现在利用AI驱动的开发工具来快速原型设计和迭代个性化的咨询引擎，以便根据个人目标、行为和人生阶段生成动态建议。

在质量保证方面，AI模拟了数千种客户场景，以验证建议的准确性、相关性和合规性。这确保了我们的解决方案足够稳健，可以在不牺牲个性化服务的前提下为数百万客户服务。

通过将AI整合到软件工程中，我们可以快速扩展定制化咨询服务，并将其推广到所有客户群体，将曾经的高端服务转变为普遍标准。

展望未来，我们的目标是到2027年，所有客户服务请求中有75%由AI辅助完成。这将缩短响应时间，并能全面提供更快、更个性化的产品和服务。

Lawrence Goh: 曾经专属于高净值（HNW）人士的个性化互动和定制投资策略，如今得益于AI，已普及至大众市场。

UOB 利用AI在金融咨询领域大规模实现智能个性化：

• 量身定制的投资内容和咨询：由AI和机器学习模型驱动的 UOB TMRW 应用程序，根据每位客户的人口统计信息、银行行为和偏好，提供量身定制的投资内容和咨询，范围从适合年轻客户的初学者投资指南，到为经验丰富的投资者提供的专家宏观经济洞察和分析。
• 动态投资组合咨询：AI持续学习和分析客户的银行行为和投资组合变化，使我们的银行家能够提供与不断变化的财务目标和市场状况相符的主动和定制化建议。
• 数字优先，人工支持：UOB TMRW 是我们的主要增长引擎。我们利用AI通过客户与应用程序的互动来了解他们的偏好，预测他们的需求，并提供个性化建议，以赋能他们做出自信的财务决策。这与我们完善的实体网络相辅相成，创建了一个财富连续体，为每位客户的财务旅程提供个性化体验。

Evy Wee: 在新加坡，每个人都能获得基本的银行服务，而服务不足的人群通常指的是那些无法获得高质量建议的人。随着我们社会迅速老龄化，这些建议对于弥补他们的财务缺口和确保退休充足性至关重要。我们的研究显示，我们的Z世代和千禧一代的零售客户在建立退休储蓄方面落后于年长的同龄人。这个年轻群体仅将其收入的15%至17%用于投资，这对于长期财务安全来说是不足够的，尤其是与分配30%至49%收入的临近退休年龄段（45至64岁）相比。

人们需要明白，单靠储蓄是不足够的。投资，尤其是借助复利效应，将有助于推动财富增长。然而，一些人仍然因为误解而置身于金融市场之外，他们认为投资需要依赖他人，或者需要大笔资金。多年来，银行和金融科技公司已经改变了这一切。在 DBS，我们利用数据和AI，为客户提供了直观无缝的方式，让他们能够获得量身定制的建议和解决方案，无论他们是投资第一个100新元还是1,000新元，都能参与市场。

要使金融建议有效，它需要个性化，更重要的是，要切合实际。我们已经建立了超过100个AI/ML模型，分析来自超过15,000个客户属性的数据，从交易模式、生活方式选择到风险偏好和关键里程碑，以生成这些洞察。

在新加坡，那些在2024年与这些“提醒”互动的用户，其储蓄额是未使用者的两倍，投资额是五倍，保险充足率也几乎是三倍。我们正寻求将在新加坡的成功模式复制到亚洲其他地区，包括台湾、泰国、香港、印度和印度尼西亚。到2027年，我们希望在这些市场中，能够获得我们金融建议和解决方案的客户数量增加四倍。

Ashmita Acharya: 定制化建议一直是财富管理的核心，尤其是在高净值（HNW）领域。但如今正在改变的是技术如何帮助我们大规模地提供高质量、个性化的建议。

对于我们的富裕和新兴富裕客户，我们对AI驱动的财富平台进行了大量投资，使个性化指导更易于获取和操作。这些平台结合了数据驱动的洞察、预测性分析和基于目标的规划工具，帮助客户就其财富做出更明智的决策。在精选的教育内容、简短的投资洞察和及时的提醒支持下，这些平台帮助我们大规模地提供了相关的、基于需求的建议，支持客户在财富旅程中不断进步。

在所有客户群体中，包括我们的高净值客户，我们的客户关系经理都获得了更深入、更及时的洞察。像我们的 Virtual CIO 工具这样的AI驱动仪表板提供了实时的市场情报、投资组合风险指标和情景分析——帮助顾问识别新机会、预测市场变化，并进一步根据每位客户的目标定制策略。

这些进步直接发挥了 HSBC 的优势。作为一家全能银行，我们有能力整合财富管理、资产管理和保险的各项能力，并得到全球网络和深厚的区域洞察的支持。随着客户的金融生活变得越来越复杂和相互关联，这种一体化模式使我们能够在财富、健康、投资和保障方面提供精准、综合的建议。

借助AI，我们正在将这些优势提升到一个新水平——利用数据和技术深化个性化、锐化洞察，并提供真正全面的建议，这些建议与客户的需求一样紧密相连且充满活力。

4. 越来越多的亚洲投资者希望进行可持续投资和/或实现社会影响力。人工智能在这方面能提供什么帮助？

Praveen Raina: 可持续投资是一个快速增长的优先事项，尤其是在亚洲的富裕和具有影响力意识的投资者中。随着人们期望投资既能带来财务回报又能带来积极变革，AI正成为游戏规则的改变者，使投资者能够做出更明智、符合价值观的决策。

其优势在于处理海量数据并应用预测性分析，以揭示更深层次的环境、社会和治理（ESG）洞察。AI可以通过分析多个来源的数据，建立一个公司可持续发展表现的实时、全面视图。它还可以预测未来的ESG表现，通过将声明与实际数据进行交叉比对来检测“漂绿”行为，并识别新兴的可持续发展趋势。这些能力使投资者能够自信地做出更好的决策。

随着需求的增长，AI将在实现更智能、更透明和以影响力为导向的投资决策中发挥核心作用。

Lawrence Goh: 对于希望将其投资组合与可持续价值观保持一致的投资者而言，AI通过更深入、更动态的ESG分析提供了强大的优势。

AI能够实时追踪来自广泛来源的ESG指标——包括新闻报道、企业披露、评级以及社交媒体等替代数据——使投资者能够做出更及时、更明智的投资决策。这对于日益重视可持续性的亚洲投资者尤其重要。

根据UOB的《2025年亚细安消费者情绪研究》，近40%的消费者投资于绿色债券等可持续投资，超过十分之一的人增加了持仓。AI还允许投资者和机构定制投资组合，使其不仅反映财务目标，也体现个人可持续性偏好。

尽管对可持续投资的兴趣日益增长，但在该地区多样化的监管环境和不同市场成熟度水平中航行可能是一个挑战。随着全球范围内，包括亚洲主要市场，ESG披露要求的收紧，AI通过提供与地区和全球ESG标准一致的、数据驱动的洞察，帮助弥合这些差距。它还加强了尽职调查，确保投资既符合监管标准，也符合内部可持续性基准。

AI还可以通过自然语言处理和情感分析等工具，检测ESG披露中的不一致或误导性声明，从而帮助解决对“漂绿”行为日益增长的担忧。这可以防范被歪曲的产品，在亚洲快速发展的ESG生态系统中，由于披露做法可能差异很大，这一点变得越来越重要。

Evy Wee: AI提供了所需的精确度和规模，以自信地执行公司在盈利和积极社会环境回报方面的双重使命。

在 DBS，我们将 GenAI 工具整合到客户尽职调查的ESG风险问卷中。这个“事实核查器”可以筛选危险信号并简化合规流程，从而减轻员工的工作量。

AI还帮助我们衡量我们融资所带来的实际积极成果。AI模型通过将资本与可再生能源等关键亚洲主题相结合，帮助策划高影响力的解决方案，例如ESG基金。

Ashmita Acharya: 我们的确在整个亚洲看到了这一转变。许多新一代投资者希望投资组合能够将财务表现与目标相结合，我们已经看到客户对能源转型、资源效率和社会包容等可持续性主题表现出浓厚兴趣。我们也在帮助家庭探索有助于气候适应和教育等长期事业的慈善和影响力驱动策略。

客户越来越希望了解他们的投资组合能够创造的实际影响，以及如何在业绩与目标之间取得平衡。利用AI通过实现更高的透明度、可衡量性和个性化，使这一切成为可能。

例如，一个长期存在的挑战是ESG数据的质量和一致性。AI正在通过处理来自数千个来源的信息——从公司披露到卫星图像——来改变这一状况，以验证环境和社会声明，并识别“漂绿”风险。这为投资者提供了更清晰、更客观的实地情况。

同样，AI也使得大规模的影响力衡量成为可能。自然语言处理工具可以提取和量化诸如避免的碳排放量或实现的社会成果等指标，帮助投资者追踪他们所关心事业的进展情况。

作为顾问，我们的角色是利用AI的力量，帮助我们的客户以清晰和信念进行影响力投资，采用数据驱动的方法，将基于价值观的愿望转化为既能实现长期财务目标，又有意义的投资策略。