银行业创新的下一阶段
圆桌讨论小组成员探讨采用自主型AI所带来的挑战与机遇
本文由 AI 翻译,关键事实请以原文为准。
圆桌讨论小组成员:
- Nimish Panchmatia,星展银行 (DBS) 首席数据与转型官
- Shayan Hazir,汇丰银行 (HSBC) 亚洲(除香港外)及中东、北非和土耳其地区首席数字官
- Praveen Raina,华侨银行 (OCBC) 集团运营与技术主管
- 主持人:Genevieve Cua
历经十余年的数字化和转型,新加坡银行业正在其人工智能 (AI) 的应用和部署方面迈入一个新阶段。这不仅关乎更高水平的运营效率,也关乎赢得更高客户满意度和忠诚度的回报。
我们的圆桌讨论将探讨采用自主型AI所带来的挑战与机遇,以及确保成功可持续所需设立的护栏。
Cua:展望未来,贵行在创新方面的优先事项是什么?
Panchmatia:我们的重点是有目的地应用数字创新,致力于成为一家“以人为本”、由AI赋能的最佳银行,为我们的客户、员工和银行创造切实的价值。
自2014年以来,我们一直走在AI之路上,逐步构建数据、技术和治理基础,以实现从实验到产业化的转变。我们已在全行部署了超过430个AI用例和2000个模型。
下一阶段有着根本性的不同。我们正在超越确定性自动化(即规则执行已知步骤),进入概率性推理和自主执行的阶段。在这个新阶段,人工智能能够进行推理、规划、使用工具,并跨多步骤工作流采取行动。这不仅改变了技术,也改变了工作的性质、速度和问责制。
因此,我们的首要任务不只是部署更多的AI,而是围绕人机协作重新设计工作方式。通过运营模式转型,我们正在端到端地重塑流程,增强人类的判断力,并为我们的员工创造空间,让他们能够专注于更高价值的工作。
我们通过两种互补的途径来扩展这一模式:一是普及整个员工队伍AI能力的横向能力,二是在特定角色和工作流程中嵌入的纵向能力。
例如,DBS-GPT让员工能够访问企业知识库和构建代理的能力,每月生成超过一百万条提示。
我们的纵向能力则将AI直接引入关系管理、客户服务和运营等领域。
归根结底,AI的优势并非来自拥有最佳模型,而是来自围绕智能重新设计企业,将可信数据、可扩展技术、嵌入式治理和人类判断力相结合。
Hazir:对我们而言,创新的起点是解决客户关心的问题,而非技术本身。在我们服务的各个市场,客户越来越期望银行服务能够跨越国界、渠道和系统无缝运作,而无需应对银行内部的复杂性。
一个优先事项是使我们的服务与客户的运营方式更紧密地结合。今年推出的HSBCnio为企业和机构客户提供了多种接入交易银行服务的方式,包括通过他们现有的系统和工作流程。
与此同时,我们的代币化存款服务支持客户在参与市场中,以支持的货币和支付安排,全天候获取流动性。这些是不同的技术,但都解决了同一个实际需求:让客户更轻松地管理资金。
另一个优先事项是在全球范围内负责任地大规模应用AI。我们在新加坡设立的全球AI卓越中心,将成为我们遍布本土市场及其他关键地点的技术和AI专家网络的一部分,共同开发能力以应对全球银行业务的机遇。
新加坡的人才优势及其作为财富、贸易和创新中心的地位,使其成为该网络中宝贵的一环。初期的重点领域包括与财富客户进行更个性化的对话、自主型财资解决方案以及由AI发起的安全数字支付。
我们还需要投资于那些使创新变得实用和可靠的基础设施:现代化的基础设施、互操作性、高技能人才和健全的控制措施。
一项新能力的试金石不在于其技术上是否令人惊叹,而在于客户是否能比以前更轻松、更安全或更有效地完成某项任务。
Raina:银行业创新的下一阶段,将不由我们增加了多少技术来定义,而在于我们消除了多少复杂性。
过去的银行创新主要集中于为客户提供新的银行业务方式,从网上银行到移动应用,再到扩展数字服务范围。这些带来了便利,但也增加了层层复杂性。现在的机遇在于将智能、体验和执行联系起来,使银行作为一个智能、集成的系统来运作。
在我们的企业战略“新前沿”(Next Frontier)之下,AI、数字和数据处于核心地位。我们的优先任务是将这些能力嵌入到我们的平台、数据基础以及我们团队构建和运行技术的方式中。
这样,我们就能更好地理解客户的需求,更早地预测他们的需要,并缩短从洞察到行动的路径。底层技术变得更加复杂,但银行业务本身却变得更简单。
这也需要银行从内部进行转型。我们正在为AI驱动的未来对我们的核心平台进行现代化改造:使其更模块化,通过API实现更紧密的连接,并建立在可信数据之上。同时,我们也在培养能够构建、运营和保护智能系统的工程人才。技术应该消除重复性工作和复杂性,让我们的员工有更多时间用于判断、解决问题和建立关系。
我的检验标准是:它是否让客户的银行业务变得更容易,同时让我们的员工更有效率?如果两者兼备,我们就在创造真正的价值。如果它只是给我们带来了另一个需要运行的系统,那就算不上创新,而是额外的开销。
Cua:生成式和自主型AI将如何改善客户的参与度和个性化体验?
Panchmatia:我认为我们正从一个客户使用AI查找信息的时代,迈向一个AI帮助他们完成任务的时代。
我们已经通过我们的AI虚拟助手DBS Joy和digibot看到了这一转变,它们如今为新加坡、香港和台湾超过1000万企业和零售客户提供服务。
星展银行已将这些聊天机器人从简单回答问题,发展成为能够理解意图、提供情境化回应,并越来越多地帮助客户在单次互动中完成任务的智能助手。
升级了自主型AI能力的DBS Joy现在可以在单次对话中直接检索、分析和满足日常银行请求——例如查询支付状态、交易和费用——为我们的企业客户免去了在多个屏幕间切换的麻烦。
最让我兴奋的是大规模个性化的潜力。AI使我们能够以更丰富的方式理解客户的情境、偏好和需求,从而为每位客户实现更相关、更及时的互动。但银行业务本质上仍然是建立在信任基础上的业务。
升级了自主型AI能力的DBS Joy现在可以在单次对话中直接检索、分析和满足日常银行请求——例如查询支付状态、交易和费用——为我们的企业客户免去了在多个屏幕间切换的麻烦。
最让我兴奋的是大规模个性化的潜力。AI使我们能够以更丰富的方式理解客户的情境、偏好和需求,从而为每位客户实现更相关、更及时的互动。但银行业务本质上仍然是建立在信任基础上的业务。
人工智能无法取代人际关系,但它可以帮助我们提供更直观、个性化和无缝的银行体验。然而,人类必须始终处于主导地位,以确保负责任地使用AI,从而维护客户对我们的信任。
Hazir:客户体验到的银行服务并非技术的集合。当需要做出重要决定时,他们想要的是相关的信息、及时的服务以及合适的专业知识。人工智能可以帮助我们改进这三方面,尽管其应用在我们的不同业务中有所差异。
在财富管理领域,生成式AI可以帮助客户关系经理理解海量信息,为进行更有深度的对话做准备。汇丰银行的“财富智能”(Wealth Intelligence)从超过10,000个来源中提取研究和外部信息,而“AI Prepare”则帮助同事在会面前整合客户的财务状况。
其价值不仅在于更快的准备工作,更在于让我们的员工有更多时间去了解客户的情况并运用他们的专业判断。
客户自身也正在成为更成熟的AI用户。汇丰银行的研究发现,在接受调查的新加坡投资者中,76%的人使用AI处理财务或投资任务,但只有8%的人表示AI是他们上一次重大投资决策中唯一最具影响力的信息来源。他们看重技术,但仍然寻求专业的判断和问责。
自主型AI可以进一步推动这一趋势,尤其是在企业银行业务中。在明确定义的权限内,AI代理可以帮助监控现金头寸、标记异常交易或协调财资工作流程中的步骤。这些都是新兴的可能性,但并不意味着要将重大的财务决策交给一个无人监督的系统。
对我们而言,个性化不是要增加数字互动的数量,而是要让每一次互动都更具相关性,并为同事提供更好的工具来服务客户。
Raina:互联网让客户得以接触银行服务,移动设备将银行服务交到客户手中,而AI将日益把银行服务带到客户面前。
如今,大多数银行应用仍然期望客户知道自己需要什么,找到相应的功能,并解读他们看到的信息。AI改变了这一点。它可以预测可能相关的内容,并在恰当的时机为客户带来正确的见解或行动建议。
我们开始通过华侨银行的AI财富平台OCBC WoW看到这一点。它正从提供个性化的财富见解,演变为一种更全面的体验,整合了主动信号、服务和产品激活,让客户更容易地从理解现状转向采取行动。
人工智能可以帮助客户理解选择、预测需求和应对复杂性,但客户必须始终掌控重大的财务决策。归根结底,这种转变是从客户必须适应银行,转变为银行主动适应客户。
Cua:随着银行采用更多技术,什么样的治理和护栏最为重要?
Panchmatia:随着我们进入自主型AI时代,其“爆炸半径”(blast radius)也在增加。代理不再仅仅是生成一个答案,它们可以推理、规划、采取行动,并越来越多地与其他代理和系统互动。这创造了巨大的机遇,但同时也带来了关于自主性、规模和连锁错误的增量风险。
因此,我们将护栏嵌入到技术本身,而不是将治理视为部署后才进行的事情。我们通过开发一个“控制平面”(control plane)来解决这个问题,它将自主性转化为受治理的行为,为我们的自主型架构提供身份和访问控制、可观察性、可追溯性和运行时护栏。
同样关键的是,技术护栏的强度取决于其底层基础。随着人工智能变得更加自主,可信数据变得愈发重要。没有明确的所有权、强有力的治理和高质量的数据,即使是最复杂的模型也会变得脆弱。
最后,人的问责制仍然是根本。AI可以综合信息、进行推理并提供建议,但对于重大决策,人们仍然要对结果负责。因此,机遇不在于不惜一切代价实现自主,而在于在我们允许AI独立完成的工作与仍需人类判断和监督的领域之间找到恰当的平衡。
归根结底,关键在于为大规模的安全创新创造条件:以可信数据为基础,将护栏嵌入技术之中,并围绕结果建立有意义的人类问责机制。
Hazir:当AI从生成信息转向采取行动时,风险也随之改变。一个起草摘要的工具与一个能够发起支付或更改财务指令的代理是不同的。相应的保障措施应该反映出这种差异。
起点是要明确每个系统被允许做什么:它可以访问哪些信息,可以采取哪些行动,哪些需要人类批准,以及何时必须停止或上报。对于高风险应用,监督不能在初始测试或部署后就结束。我们需要在系统运行时依然有效的控制措施,并辅以持续的监控和记录,以便追踪和审查其行为。
数据隐私、网络安全和运营韧性同等重要。如果客户信息得不到充分保护,或者模型的输出无法受到质疑,那么即使是精确的模型也不可靠。我们还需要同事们理解这些工具的局限性,并知道何时进行干预。
在汇丰银行,我们有数据和AI的道德使用原则来指导这些决策。
汇丰银行和Mastercard正共同领导BuildFin.ai支付工作组,旨在为跨金融机构和支付生态系统的可信AI代理支付制定通用方法。
该工作组将基于“运行时自主金融保障”(Safeguards for Agentic Finance at Runtime)框架,解决代理身份、权限控制、交易批准和不可篡改的审计追踪等问题。
由新加坡金融管理局召集的BuildFin.ai汇集了行业、技术和研究领域的合作伙伴,共同推动负责任的AI在金融服务领域的应用。
负责任的采用并不意味着要让所有创新都放慢到同样的速度。
它意味着要应用与风险相称的控制措施,并从一开始就将其设计到服务中,这样客户才能信赖最终的结果。
Raina:随着AI变得能力更强、更自主,网络安全、韧性和治理必须成为技术本身的属性,而不是事后添加的控制措施。
自主型AI改变了风险模式。我们正从生成信息的系统转向能够推理、使用工具和发起行动的系统。这意味着需要确保整个链条的安全,涵盖身份、数据、模型、代理、API和交易。
因此,治理不能是开发结束时的审批关卡,而必须从第一天起就融入工程设计中,包括明确的问责制、持续的监控和测试、完全的可追溯性,以及在超出预期边界时遏制或撤销行动的能力。
韧性同样重要。智能系统需要满足我们对核心银行平台所期望的同样可靠性和可恢复性标准。
我们还必须为新出现的风险做好准备,从当今由AI驱动的网络威胁,到为后量子时代的加密基础做准备。
我们的目的不是为创新设置更多关卡。
强有力的治理让我们有信心在保持客户信任的同时,大规模地运营AI。
Decoding Asia newsletter: your guide to navigating Asia in a new global order. Sign up here to get Decoding Asia newsletter. Delivered to your inbox. Free.
Copyright SPH Media. All rights reserved.
TRENDING NOW
Motoring tycoon Peter Kwee is back in court: Here are his previous legal battles
Demand, tech capabilities position Apac and AI as Skyscanner’s next growth frontiers: CEO Bryan Batista
Beyond the greenback, Vietnam’s big borrowers turn to Asian-currency bonds
Nvidia’s outlook cut to stable by Moody’s on governance concerns