科里·格罗斯是Q2的数据和人工智能副总裁和负责人，Q2是一家为金融服务提供数字化转型解决方案的公司。他运营着公司的数据中心解决方案组合，包括Q2 SMART、Q2 Discover和Andi，并领导开发利用人工智能的能力。
信任一直是银行业的基础。然而，随着人工智能越来越多地融入银行业务和体验中，信任的建立和破坏方式已经发生了根本性的变化。几十年来，银行和信用合作社通过确定性系统建立信任。如果客户存款一张支票，钱就会出现。如果他们支付一笔账单，它就会被支付。这些系统遵循明确的线性逻辑：如果 X 发生，则 Y 跟随。可靠性和一致性是信任信号。AI 驱动的数字银行运作方式不同。许多最有前途的 AI 技术，特别是大型语言模型（LLM），本质上是概率性的。它们不会每次都产生一个“正确”的答案。它们会根据上下文、模式和学习行为产生一系列合理的结果。这种概率性质不是缺陷；它是 AI 在某些银行工作流中有用的原因。但是，它也意味着金融机构不能使用与传统软件相同的信任框架来评估或管理 AI。今天苦于 AI 实施和采用最多的银行和信用合作社经常犯同样的错误：他们在不可能或不必要的地方期待完美。这样做，他们混淆了准确性和信任。两者并不相同。准确性与信任并不相同没有机器学习模型是 100% 准确的。这不是一个技术缺陷，而是这些系统工作方式的定义特征。AI 模型以类似人类推理的方式学习：吸收输入，权衡概率，并根据上下文生成输出。就像人类在判断中并不总是保持一致性一样，概率系统也不总是保持一致性。当金融机构将这种可变性视为缺陷时，他们会让自己陷入失望中。更重要的是，他们冒着将 AI 应用于传统系统更适合解决的问题的风险。如果目标是精度、一致性和每次都绝对正确，传统软件仍然更快、更便宜、更可靠。信任，在 AI 的背景下，应该通过结果来衡量。工具是否帮助用户完成了他们想要完成的任务？它是否减少了摩擦，提高了清晰度，还是加快了决策？如果答案是肯定的，并且使用场景是合适的，即使输出本身并不完美，信任也会建立起来。考虑一个客户服务代表为客户起草一份安全消息的场景。确定性工作流无法帮助撰写富有同情心和上下文感知的语言。LLM 可以做到这一点。输出可能不是第一遍就完美无缺，但是在人工审查的基础上，它可靠地产生了比从头开始更好的结果。在这种情况下，AI 是值得信赖的，因为它做了它应该做的事情。自适应信任在实践中这是自适应信任的概念变得至关重要的地方。自适应信任承认并非所有交互都需要相同的确定性、监督或控制水平。相反，自适应信任框架根据上下文、风险和意图进行调整。在实践中，自适应信任意味着将概率性 AI 系统与明确的防护措施和反馈环路配对。输入被限制在相关领域。输出受到政策、基于角色的权限和历史使用模式的影响。最重要的是，人类在判断至关重要的地方仍然存在。例如，一家银行或信用合作社的员工使用的 AI 助手可能会根据观察到的行为显示常见提示：最近的交易、失败的登录尝试或账户信息的更改。随着时间的推移，该系统学习在特定上下文中哪些问题最相关，并相应地进行调整。无关或不安全的提示被忽略。高风险操作需要明确确认。低风险的信息请求会自动处理。在这种模型中，信任不是静态的。它通过透明度、一致性和可恢复性不断得到加强。用户可以看到信息来自哪里。他们可以将输出追溯到源系统。如果有什么不对劲，他们可以介入、纠正或撤消它。什么使...
历史上，区域银行和信用合作社通过与账户持有人的个人关系建立了自己的品牌。例如，不奇怪你会知道你的柜员的配偶的名字，他们也会知道你的孩子的名字。确实，个人关系是小型金融机构的标志，也是它们与较大竞争对手区别开来的原因。银行业务的数字化使得建立个人关系变得困难，侵蚀了区别并使得小型机构寻找一种方法来重置局面。进入 生成式人工智能（GenAI），这是人工智能技术的一个子集，使用大型语言模型（LLM）从大型数据集中学习模式。然后，它使用这些模式和来自人类的提示和方向来创建新的文本内容，类似于或增强原始的人类生成的工作。我们今年赞助的 2025零售银行趋势和优先事项 报告发现，80%的组织认为数字代理将依赖于生成式人工智能进行实时个性化营销沟通，到2030年，76%的金融机构认为大多数金融机构将使用GenAI。我们实际上认为这个百分比应该更高，因为GenAI可以大大提高生产力，支持更好的数据驱动的人类决策，帮助提供更好的和更个性化的数字客户体验，并显著提高底线。多大程度？2023年底，麦肯锡全球研究所估计，全球各行业中，GenAI可以添加相当于2.6万亿美元至4.4万亿美元的价值，每年在其分析的63个用例中。行业部门中，银行业预计将有最大的机会，零售银行有可能从提高生产力中获得200亿美元至340亿美元的新价值。更快、更好、更幸福有一种误解，即人工智能将取代人类的工作。但是，GenAI的力量在于它根据数据和信息以及人类提供的提示和方向生成内容。它是一种增强工具，而不是替代工具。目前，银行业中的GenAI主要用于自动执行关键但重复的任务或流程，包括安全、贷款起源、欺诈检测和提供更好的自动化服务体验。允许GenAI接管这些和其他流程中的单调工作不仅可以提高效率和生产力，还可以让从事这些工作的员工专注于更有意义的任务，从而使他们的工作更加令人满意。区域银行和信用合作社可以通过个性化和提升账户持有人的数字银行体验来区别于其他银行。具体来说，技术可以更深入地了解他们的行为和偏好，以帮助预测他们的需求。因此，可以向他们提供满足这些需求的产品和服务，就像Netflix提供个性化的娱乐内容，亚马逊提供个性化的产品和服务一样——基于客户的行为和偏好。同样，GenAI可以收集和分析数据，以创建个性化的内容，因此每个账户持有人只会看到与他们相关的内容（包括营销活动），而不是看到与他们无关的内容。对于一位中年女性，她拥有自己的房子，收入和信用评分良好，看到与一位刚毕业的大学生相同的内容是没有意义的，这位大学生正在努力还清学生贷款，并希望拥有自己的房子。人类的触感人类的决策和监督是构建GenAI银行解决方案的关键。我们成功集成GenAI的公式是从特定于大型银行数据集的深度学习模型开始。这些模型也被训练为学习人类语言的模式和结构，然后创建对用户查询或提示的自然响应。人类的参与至关重要，以确保人工智能生成的响应是准确的，符合道德标准、监管合规性和客户需求，同时减轻潜在的风险和偏见。明天的科技，今天GenAI有潜力无限地改变区域银行和信用合作社。成功整合该技术的金融机构将是那些从现在开始为未来战略和投资高潜力、低风险应用的机构。以下是我们认为GenAI可以立即并显著地影响银行业的四种主要方式。推动战略增长麦肯锡报告计算，企业银行和零售银行将从正确部署GenAI中受益最多。在企业银行方面，最高潜力是增强的人类在循环决策，自动化风险评估模型和通过自动化实现的运营效率。零售银行将从个性化的银行体验，改进的客户服务和营销创新中受益。增强运营效率在2023年银行业趋势报告中，埃森哲确定银行业是最有可能被GenAI彻底影响的行业，也是具有最大潜力通过该技术提高产出的行业，34%的当前工作流程可以通过GenAI增强。它还发现采用GenAI的金融机构可以提高其生产力最高30%。但是，即使GenAI有潜力提高效率，人类的专业知识仍然是成功的关键。使用特定的银行知识，内部团队可以训练模型以使其准确，并评估复杂性，就像人类一样。但是，他们可以更快地扩展，并且可以达到远远超过人类能力的水平。平衡大型和小型机构之间的竞争力我们已经看到了GenAI可以通过提高生产力和实现个性化账户持有人体验来造福区域银行和信用合作社。风险规避的银行家们正在认识到GenAI的众多好处，采用率正在上升，但我们仍然看到太多区域金融机构犹豫是否要加入。当他们犹豫不决时，大型金融机构正在采取行动。他们只是触及了GenAI的力量。继续过度谨慎的人将被永远抛在后面。需要记住的是，GenAI工具可以被隔离，连接到专有数据，并保持在内部。提供集体智慧集体智慧是当个人和团体共同工作时产生的。组件可能包括群体决策，共识形成，来自不同来源的想法和竞争的动力。传统上，利用集体智慧是通过记录机构知识并通过培训和工作经验共享。GenAI提高了集体智慧的好处——轻松且实时。区域金融机构中GenAI的成功采用和日益增长的整合将需要在银行数据和深入的行业知识上专门训练的LLM。但是，关键要素是人类的合作和监督。记住，GenAI是一种增强工具，而不是替代工具。
