中国内地和香港地区金融服务业研究报告：AI助推金融服务业换新升级

AI助推金融服务业焕新升级普华永道中国内地和香港地区金融服务业研究报告前言周伟然普华永道中国人工智能主管合伙人MatthewPhillips普华永道中国金融服务行业主管合伙人

1)AI在中国的“十五五”规划年）中，人工智能已被将AI年10年1201份有效调研反20AI010203积极构建“AI优先”文完善数据治理体系，确构建既能控制风险又能化，一把手要有意志与保数据安全与隐私及数促进创新的敏捷化AI治决心，挖掘培养既懂业据质量，并将数据转化理体系务又懂算法的复合型人为战略资产才1https:///gx/en/issues/value-in-motion.html梁定邦博士中国中信股份有限公司首席独立非执行董事中国证券监督管理委员会前首席顾问香港证券及期货事务监察委员会前主席通过跨学科协作与国际对话，我们必须制定既灵活又具有约束力的人工智能治理标准，确保创新成果造福社会。“梁定邦博士中国中信股份有限公司首席独立非执行董事中国证券监督管理委员会前首席顾问香港证券及期货事务监察委员会前主席通过跨学科协作与国际对话，我们必须制定既灵活又具有约束力的人工智能治理标准，确保创新成果造福社会。“MatFalconer普华永道全球金融服务行业主管合伙人我们最新的全球CEO调研显示，金融服务领域53%的CEO担忧企业转型速度不能跟上科技/AI发展步伐。金融机构需应对组织僵化，并借鉴金融科技企业的经验，将敏捷性融入思维模式与业务流程。“JoeAtkinson普华永道全球首席人工智能官我们虽处于AI时代的早期阶段，但与企业的合作实践已证明：孤立的、短期的战术性AI项目往往难以产生可衡量的价值。真正的回报来自于企业级规模的部署，而这又需要以坚实的AI基础设施作为支撑。“目录前言 1人智能从实试点向规化应用 4战目标实现须有之匹的资投入 8通聚焦心应场景实现业级模部署 规化部开始生投回报 组架构化和才短是部的首瓶颈 数质量治理面的足是制推成功主要素 负任推更广的应用 从险控到个化服务 总和启示 关本次查 联我们 01人工智能已从实验试点走向规模化应用研究表明，企业高管对AI的认知已从“是否实施”转向“如何有效实施并获取价值”。AI推广实施的主要障碍包括数据质量与治理、人才短缺以及文化阻力。我们围绕以下六大主题对研究发现展开阐述：在未来的3-5年内，超的受访机构计在未来的3-5年内，超的受访机构计划将AI定位为：革新并扩展现有服务的“战略转型引擎”（41）或通过创新服务开辟收入来源的“新营收基石”。起步晚的机构现在发现追赶的成本与难度正在急剧上升。战略目标与资源投入之间的落差主要由三大因素导致：“数据可用性差”（30%）、“监管压力”（20%）及“维护核心系。专注于可实现规模化以及基于人机协同的应用场景。协作模式 规模化应用开始带来投资回报。金融服务业已跨越实验阶段，进入规模化部署阶段，并获得了一定的回报。规模化应用开始带来投资回报。金融服务业已跨越实验阶段，进入规模化部署阶段，并获得了一定的回报。56%的金融机构减少与风险相关的损失（30%）。值得注意的是，76%AI,的主要障碍（46%的主要障碍（46%）。虽有29%的金融机构已经建立“AI优先”数据质量与治理差距形成进一步制约。打破数据孤岛、建立高质量数据治理是成功关键因素。近90%的机构依赖内部数据，但治理受困于“权责分散安全及质量（87%）。混合治理模式（核心数据集中管理/非核心数据分散管。则与监管合规要求，不能事后补救。合规工作仍严重依赖传统仍严重不足。与尤其是数据相关的监管压力正推动治理模式向一家大型集团企业的科技子公司人工智能已不再是‘锦上添花’的选择，现已成为所有行一家大型集团企业的科技子公司人工智能已不再是‘锦上添花’的选择，现已成为所有行图表1-1：人才短缺是各机构面临的首要挑战贵机构在AI规划和建设过程中所面临的最大两项挑战是什么？46%41%30%26%20%18%46%41%30%26%20%18%16%道德/声誉风险业务回报未来的赢家须做好三大领域的工作：010203积极构建“AI优先”文化，一把手要有意志与完善数据治理体系，确保数据安全与隐私及数构建既能控制风险又能促进创新的敏捷化AI治决心，挖掘培养既懂业据质量，并将数据转化理体系务又懂算法的复合型人为战略资产才02战略目标的实现必须有与之匹配的资源投入的。willleftfinancialservices?”）AIAI至图表2-1：战略转型的驱动引擎您认为AI未来三至五年内在贵机构的角色定位是什么？合规或成本项目合规或成本项目8%仍在探索阶段1%降本增效工具15%战略转型引擎41%全新价值创造体系的基石35%2https:///us/en/industries/financial-services/library/financial-services-tomorrow.htmlAIAI61%以内，另有机构的AI至AIAI。图表2-2：AI的战略重要性没有与之相匹配的资金投入贵机构与AI相关的预算占总科技预算比例是多少？AI相关预算在科37%2%37%2%<=10%

61%11%-25%26%-50%51%-75%>=76%无固定比例0% 10% 20% 30% 40% 50% 60% 70%受访者占比(AIAI的现状与客户图表2-3：影响AI预算分配的因素20%14%13%12%11%20%14%13%12%11%0%数据可用性差导致难以为AI项目加大预算

30%监管压力影响预算分配优先考虑核心系统的稳定性董事会确定AI为重中之重的发展目标锁定AI人才和供应商的投入推高了AI建设成本无法确认AI回报率从而导致预算投入受限其他0% 10% 20% 30% 40%一家中国内地保险机构高管一家中国内地保险机构高管的组织与能力架构以及各工作流程都将实现全面飞跃。“AI机构专注于利用AI进行开源创收；而跨国机构则在战略层面最具雄心（有42%将AI视为图表2-4：不同地域机构的AI战略定位您如何对AI未来三至五年内在贵机构的角色进行定位？内地香港内地+香港跨国机构战略转型引擎36%50%58%42%新价值源泉的基石38%20%26%42%降本增效工具17%17%11%16%合规/成本项目9%13%5%0%从行业来看：AIAI将AI在AI建设方面是最为谨慎的行业。AI50%45%40%

图表2-5：不同行业机构的AI战略定位您如何对AI未来三至五年内在贵机构的角色进行定位？

47%42%42%40%42%42%40%35%35%32%32%16%16%17%13%10%8%8%5%1%0%0%1%30%25%20%15%10%5%0%合规/成本项目

降本增效工具

战略转型引擎

新价值源泉的基石 不确定/仍在探索阶段行业总体定位 保险业 银行业 资管业行业总体定位保险业银行业资管业OverallInsuranceBankAWNAI6%），其真正的难OverallInsuranceBankAWN03通过聚焦核心应用场景来实现企业级规模化AI部署AI表。02自动化03建模0402自动化03建模04欺诈检测05管理01智能客服基于调研样本，五大应用场景正在带来可量化的投资回报，并在企业级AI应用中快速成为重点开发领域。图表3-1：金融机构当前最重要的AI应用场景请描述贵机构目前最重要的AI应用场景智能客服31投资与资产管理28欺诈检测24预测分析与建模23后台流程自动化19010203040不同行业的AI应用场景：不同规模机构的AI应用场景：与治理框架，却面临最严重的业务线阻力（59%）和最严峻的数据处理能力挑战（53%）。AI至AI一家香港本地银行高管我们不只是追求通过AI提升效率，更希望AI帮我们开创市场尚未出现的新价值主张与商业模式。“一家香港本地银行高管我们不只是追求通过AI提升效率，更希望AI帮我们开创市场尚未出现的新价值主张与商业模式。“图表3-2：在贵机构描述的应用场景中，整个业务流程目前已实现或计划将实现自动化的比重是多少？就贵机构而言，业务流程在多大程度上已实现或将实现自动化？45%40%35%30%25%20%15%10%

41%38%10%38%10%10%1% 仍由人工操作主导（超过10%的步骤实现自动化）

部分实现自动化（10-49%的步骤实现自动化）

大部分实现自动化（50-89%的步骤实现自动化）

全流程实现 自动化（90% 计以上的步骤实现自动化）

未实现自动化图表3-3：五大应用场景的自动化程度整个业务流程目前已实现或计划将实现自动化的比重是多少？70%

66%56%54%56%54%50%34%50%40%30%20%10%0%客户服务/聊天机器人部署

投资与资产管理

欺诈检测 预测分析建模

后台流程自动化一家香港本地银行高管我们主要采用自研一家香港本地银行高管我们主要采用自研AI工具，因为自研工具能确保更有效地匹配自身需求和更有效的应用控制。虽然在性能上达到领先外部解决方案的水平存在相当挑战，但我们仍首选内部开发方案，因为内部开发方案具有更大部标准相契合。“人机协同是目前的AI应用的主流趋势。在金融机构中，57%表示将通过AI提升员工的现有职能（42%）和新职能（15%）。AI的应用更倾向于补强人类能力而非取代员工。图表3-4：人机协同指标贵机构的主要人机协同策略是什么？仍在开发仍在开发10%增效15%增效+能力提升18%提升现有职能42%提升新职能15%04AI规模化部署开始产生投资回报AIAI至高。然而，76%的受访者表示可接受低于10%的回报率，或甚至零回报率，这反映出他们一家香港本地银行高管AI能力加大投资。这些能力将帮助我们保持运营独立性，降低对外部供应商的依赖，并完全掌控战略方向。一家香港本地银行高管AI能力加大投资。这些能力将帮助我们保持运营独立性，降低对外部供应商的依赖，并完全掌控战略方向。“一家中国内地银行高管对于劳动密集型的业务活动，我们可以通过“投入人员×直接用财务回报衡量，更多考虑能级提升的价值。一家中国内地银行高管对于劳动密集型的业务活动，我们可以通过“投入人员×直接用财务回报衡量，更多考虑能级提升的价值。“对于您在第一个问题中提到的AI应用场景，已实现投资回报率是多少？贵机构能接受的最低投资回报率，76%ROI贵机构能接受的最低投资回报率，76%ROI：11%–25%,56%70%60%50%40%30%20%10%≤0% 1–10% 11–25% 26–50% >50%最重要AI应用场景的投资回报率 所有AI应用场景的平均投资回报率贵机构能接受的最低投资回报率 所有AI应用场景的最高投资回报率AI最显著的贡献体现为“降低风险损失”（30%），其次为“提升合规效能”（23%）、“增收”（22%）和“降本”（19%）。图表4-2：在过去的12个月内AI为贵机构做出最大贡献的领域在过去的12个月内AI在哪个领域为贵机构做出的贡献最大？降低风险损失30%提升合规效能23%增收22%降本19%未做出可量化的贡献5%不清楚1%0%5%10%15%20%25%30%35%非财务回报是投资回报评估的关键组成部分。47%的受访者将更优的市场定位与更广阔的战略选择作为评估AI投资成效的主要依据。图表4-3：金融机构如何计量AI投资回报28%15%10%贵机构如何对自身AI28%15%10%从市场定位和战略选择维度计量投资回报

47%遵行传统投资回报计量标准较低或者难以量化的短期投资回报仍在研发0%5%10%15%20%25%30%35%40%45%50%AIAI投资成效最好的应用场景是“欺诈检测”与“反洗钱”，其后是“后台流程自动化”、图表4-4：流程自动化程度和投资回报率化发化发决策支持战略信息管理信贷和核监控市场分析合规施IT析和建模机器人预测分客户服务/风险管理欺诈检测全流程自动化13% 23% 投资回报率（ROI）一家大型集团企业的科技子公司高管金融行业内部在诸如不良贷款率等方面设有严格管理要求，这意味着短期内大规模取代人工流程具有巨大的挑战性。“一家大型私募基金管理人一家大型集团企业的科技子公司高管金融行业内部在诸如不良贷款率等方面设有严格管理要求，这意味着短期内大规模取代人工流程具有巨大的挑战性。“一家大型私募基金管理人对于像我们这样的机构而言，AI的核心战略意义在哪认知的能力。这比一个亮眼的财务回报率数字或单纯“05组织架构僵化和人才短缺是AI部署的首要瓶颈一家大型证券公司高管我们的标是在22年前实A专业人占比达%，其中约三分之二的新聘员工将通过校园招聘引进。“一家香港本地银行高管文化一家大型证券公司高管我们的标是在22年前实A专业人占比达%，其中约三分之二的新聘员工将通过校园招聘引进。“一家香港本地银行高管文化—不是技术—才是AI推广的主要障碍。我们必须强化AI的规模化推广需要这种积极的思维模式。“AIAIAI仍未开始8%已建立29%正在建立63%图表5-1：金融机构的“仍未开始8%已建立29%正在建立63%一家中国内地银行高管一家中国内地银行高管人工智能可以帮我们增益己所不能并成为我们工作生活的好帮手，但它不是我们的替代者。人工智能可以让审批流程、风险控制、市场营销等业务活动变得更加高效，但前提是整个决策环节要由人类主导。“PwC25为构建推广“AI优先”文化，金融机构需落实三大关键举措：PwC2524%21%24%21%开展AI培训与技能提升计划，增强员工AI素养

55%RigclSiIeCelddgKg 建立激励机制，鼓励员工在工作中应用AI技术领导层发挥带头作用，积极推动AI应用落地0% 20% 40% 60%“优AI这四种策略图表5-3：实现人机协同的主要策略贵机构实现人机协同的主要策略是什么？32%43%32%43%37%35%42%43%38%38%10%12%30%26%23%19%17%90%80%70%60%50%40%30%20%10%0%精简人员结构 员工赋能 优化效率与提升能力

创设AI岗位 仍在规划中前台 中台 后台人机协同对不同的职能部门有不同的影响：后台职能侧重“自动化驱动效率”（43%），而前台职能则专注于“创设新岗位”（19%）或“平衡效率与赋能”（26%）。图表5-4：AI推广的主要策略2%0%3%2%48%26%23%2%0%3%2%48%26%23%17%37%43%42%38%38%43%12%中台10%35%32%后台10%35%32%30%19%前台30%19%不适用0% 50% 100% 150% 200%精简人员结构 员工赋能 优化效率与提升能力 创设AI岗位 仍在规划中不同行业面临的痛点：规模化和组织架构转型战略：AI设AI新岗位”。小型金融机构：最多比例的职能部门“仍在制定战略”，组织结构转型路线图最不明朗。数据是AI的燃料，所以如果不能建立完善的数据基础设施，AI的部署将举步维艰。数据质量与治理方面的不足还会限制AI释放全部其潜在价值。AI6%3%图表6-1：金融机构AI6%3%内部自有数据

90%第三方供应商数据公开数据用户产生的数据合成数据客户数据0% 20% 40% 60% 80% 100%75%67%36%19%75%67%36%19%供内部使用

91%集团范围内分享提供给客户使用提供给生态体系内的第三方使用提供给生态体系外的第三方使用没有再利用不清楚其他0% 10%20%30%40%50%60%70%80%90%100%为在有效控制与敏捷性之间取得合理平衡，“混合型数据治理”模式（核心数据集中管理，非核心数据采用联邦式管理模式）已成为主流的务实选择。正在从分权模式向集中管理模式过渡6%分权自主管理（各部门自主管理，按需提供）9%正在从分权模式向集中管理模式过渡6%分权自主管理（各部门自主管理，按需提供）9%集中管理（整个机构范围内采用统一的数据管理模式）35%混合模型（核心敏感数据集中管理，非核心数据由各部门自主管理）50%仍图表6-4：金融机构面临的数据管理挑战38%32%25%21%38%32%25%21%20%19%18%数据安全和隐私保护风险

48%数据质量和一致性问题高质量标注数据/训练数据短缺实时数据处理能力不足外部和第三方数据相关问题数据专业人才和专业知识短缺不同业务部门间的数据孤岛旧有系统整合障碍0% 10% 20% 30% 40% 50% 60%区域性特征显著的治理模式：在行业层面，治理模式呈现分化态势机构规模对治理与技术路径的影响配，追求最大限度的控制与韧性；其独特痛点是“数据处理能力不足”（53%）。模型（41%）及纯云部署，治理以集中化模式为主（40%），外部/第三方数据依赖程度最高，而对外部/第三07负责任AI推动更广泛的AI应用AIAI风险的策略（），为促进AI的行业推广和推动行业范围内践行负责任AI原则的各方面准备工作，我们还支持监管机构组织了多次行业研讨会与工作坊，就负责任AI/金融服务行业明确认识到AI治理的重要性并已建立了初步框架，但在实践中AI治理仍依赖人工控制。关键观察发现：治理框架正趋于“集中化”与“分层化”模式，但其主要功能仍是帮助机构防范传统主流治理模式为“企业风险/合规职能实施的集中监督”（64%）与“分层治理框架”（60%）。这表明金融机构仍将AI视为一个新的风险来源，其核心诉求是满足现有金融监管与风控要求。治理方案偏向于“控制”而非“赋能”。对于“在未来五年将重塑金融业的基本AI规则与关键变革是什么”的提问，最高频的回答是“升级合规体系，嵌入AI监控解决方案”，这进一步印证了各机构合规优先的理念。图表7-1：金融机构如何能够通过AI治理实现隐私、安全性和创新的平衡金融机构如何能够通过AI治理实现隐私、安全性和创新的平衡？由企业风控/合规部门实施的集中监督形成等级体系化的治理模式多个小型创新团队竞争资源和测试不同新方案联邦式的治理（由各业务条线分别实施，标准由总部制定）过渡性/项目层面治理（企业未建立统一的标准）

64%48%39%11%60%48%39%11%0% 20% 40% 60% 80%AIAI助中国地和港金服务焕新级 PwC35PwC35前三大障碍依次为：组织僵化、文化阻力以及同时具备风控与AI专业知识技能的复合型人才短缺。图表7-2：各机构实施AI治理面临的最大障碍哪些因素在限制贵机构的AI治理？缺乏明确权责分工51%来自业务部门的阻力或者业务程序复杂48%同时具有风控和AI专业知识技能的复合型人才短缺48%实施的技术难度大43%缺乏高层支持和必要资源34%数据孤岛妨碍形成一致的治理思路21%监管规则更迭快速，治理体系难以及时跟进20%0%20%40%60%（64%）和“通过技术设计确保AI决策的可追溯性”（62%）。而更深层的措施，诸如“设立专门审计团队对AI系统的偏见和歧视等问题进行检查”（51%）与”（41%），51%41%1%51%41%1%建立AI决策审核机制并由专设委员会负责最终决策

64%通过技术设计确保AI决策的可追溯性 62%设立专门审计团队对AI系统的偏见和歧视等问题进行检查创建和维护模型清单并对公平性的关键绩效指标进行记录目前未采用相关措施0% 20% 40% 60% 80%于输入与输出环节，导致AI模型的内部风险缺乏实时监控。）（）（。因此，风险可能在流程“合规”的表象下累积起来。例如，在投资工作流中，主要控制措施为“嵌入交易前合规审查机制”（58%）与“指令发出前须经人工审批”（80%）。58%37%35%28%1%0%图表58%37%35%28%1%0%指令发出前须经人工审批在AI工作流程中嵌入交易前合规审查机制对模型和信号进行独立的定期复核和验证突破设定阈值即触发自动终止开关或回滚纠正（如仅列出概要信息，不给出直接交易信号）无防护保障机制不清楚

80%0% 100%图表7-5：金融机构如何通过AI治理实现隐私、安全性和创新的平衡由企业风控/合规部门实施的集中监督分层级的治理模式（如划分基础、应用、创新等层级）多个小型创新团队竞争资源和测试不同新方案总部制定标准结合各业务条线自主实施的联邦式的治理模式专项/项目层面治理，未建立统一标准其他 0%

39%

64%60%各行业AI治理关注重点：

0% 30% 60% +金丝雀的渐进08从风险控制到个性化服务AI助中国地和港金服务焕新级 AI（→→）价值实现的三步路径：防御/风险控制：AI降本/提效：流程自动化（贷款核发、文档处理、理赔、报告生成、客户身份识别等）。契合当前主流的“部分自动化”现实，核心回报是效率提升与成本降低。//值领域，标志着从效率工具向价值创造与客户中心化的转型。多维洞察：AI性化服务与动态定价等高级应用的跨越，要求各机构必须持续提升其治理成熟度。自动化推动组织变革：深度自动化直接催生新型人机协同模式与“AI优先”文化的09总结和启示AIAI”，或者“AI（AINative）AI超个性化服务高度自动化与优化主动智能合规实时预测性风控决策从标准化产品转向AI承担更多决策从被动响应转向嵌立足点从事后分析AI驱动的动态实时的服务模式。权，成为人类的入式、实时、事前合规。报告转向事中干预与前瞻预测。为实现AI应用的有效落地，各机构当前在推进四大关键工作：01强化根基01强化根基02人才培养开展大规模员工AI技能提升计划，积极招募复合型专业人才和加强复合型人才队伍建设。03AI生态