生成式AI的财富管理未来

曲向军　韩峰

2023年9月5日，中国国际服务贸易交易会（服贸会）上，高通公司展出的全球首个可以完全运行在安卓智能手机上的生成式AI大模型。图/IC

纵观2023年上半年国内外各大科技战略趋势和投资热点领域榜单，毫无疑问，生成式人工智能（下称“生成式AI”）是最引人注目的技术之一。伴随ChatGPT横空出世，这项新兴技术进入了一个前所未有的热潮之中，各行各业都在围绕相关话题展开讨论，更不必提科技巨头和AI厂商纷纷下场，唯恐错过此番科技盛宴，也有行业翘楚和媒体将生成式AI浪潮类比昔日的移动互联网机遇，进一步凸显了其潜在的巨大价值和影响力。

与传统AI相比，生成式AI具有四大核心优势，使其备受瞩目，包括自动化和效率提升、个性化和定制化、创造性和创新能力以及可解释性和透明度。这对于金融、医疗等需要可解释性的领域尤为重要，有助于建立信任、满足监管要求，并使人们更容易接受和采纳系统决策。

简而言之，生成式AI可通过提高生产效率、推动创新能力和改变竞争格局三大方式，为全球各行各业创造巨大价值。

麦肯锡预测，AI整体将为全球经济带来高达25.6万亿美元的正面经济影响，而其中来自生成式AI的贡献高达7.9万亿美元，相当于当前全球经济总GDP（国内生产总值）体量的8%。

场景：生成式AI的金融行业新变

生成式AI之所以能吸引世界各地人们的注意力和想象力，要归功于其广泛的实用性——几乎任何人都可以使用其理解自然语言和创造内容的“超能力”，这使得生成式AI在提升行业生产效率和促进产品创新方面具有显著优势，预期未来将颠覆全球各行各业的现有格局。

从行业来看，生成式AI产生价值最大的三个行业为高科技、银行业及零售。麦肯锡估计，到2032年，生成式AI每年将会给全球银行业（含资产和财富管理，下文统称“资管”）带来约2000亿-3400亿美元的新增价值，占银行业年收入的比例高达2.8%-4.7%。加上生成式AI在保险业预期每年带来的500亿-700亿美元新增价值（约占行业年收入比例为1.8%-2.0%），我们预计生成式AI用例在金融行业（银行、保险和资管）的价值池约为2500亿-4100亿美元。

由此可见，无论是绝对价值还是相对增长潜力，金融行业都是生成式AI用例最具潜力的行业之一。那么，令人眼花缭乱的生成式AI究竟如何结合行业特征创造价值？麦肯锡观察到，当前有四类最主流的应用方式，将合计贡献生成式AI在金融业产生的总效益的75%，我们将其总结为“4C”，分别是：内容提炼/虚拟专家（Concision）、用户互动（Customer engagement）、内容生成（Content generation）和编程加速（Coding）。

GenAI用例在不同行业和部门中具有不同规模的影响

注：由于四舍五入，数字之和可能不等于100%。1. 不包括实施成本（例如培训、许可证）；2. 不包括软件工程；3. 包括航空航天、国防和汽车制造；4. 包括汽车零售资料来源：比较行业服务（CIS）、IHS Markit；牛津经济杂志；麦肯锡公司和业务职能数据库；麦肯锡制造和供应链360；麦肯锡销售导航；麦肯锡数据库Ignite；麦肯锡分析

分行业来看，银行业方面，在内容提炼/虚拟专家方面，金融领域重复性和繁琐的任务能够通过生成式AI实现自动化，从而提高金融从业人员效率、降低成本，同时释放员工时间用于更高价值的工作，而通过虚拟专家，银行一线人员能从非结构化数据中归纳提取洞见、解读文本，快速访问所有相关信息，例如产品指南和政策，以即时满足客户请求，工作效率能提升60%。

其他典型用例还包括：交易处理：自动化处理金融交易，包括订单处理、结算和清算等；财务报表生成：自动收集、整理和分析金融数据，生成准确和及时的符合会计准则的财务报表，有助于减少报表准备时间和降低人工错误；风险评估和合规检查：自动分析大量金融数据，识别潜在风险因素，并进行合规检查。

在用户互动方面，生成式AI系统通过学习和分析大量的专业知识和人工经验，为用户提供个性化的解决方案和支持。金融企业可以据此提供更加个性化、高效和满意度的服务。例如使用聊天机器人完成客户触达和数据收集，未来5年-10年至少80%以上的客户互动可被自动化。其他典型用例包括：智能助手、个性化推荐和定制化服务、情感分析和情绪监测。

2023年9月1日，国家会议中心内，一家银行展台的迎宾接待机器人。图/新华

在内容生成方面，生成式AI通过学习和分析大量文本、图像和音频数据，可以生成文字和视觉圖示等新内容，加速金融业企业内容研发流程。例如可以生成金融市场分析报告和个性化投资洞察；可用来拟定合同、招标书等重要文件；还可以用来编写银行、保险、资管和券商等的宣传文案和营销材料。

金融领域尤其是量化交易以及风险管理方面，高效、准确的代码编写是至关重要的。在编程加速方面，生成式AI能够解读并生成代码，通过自动生成代码片段、模板和算法，实现软件开发过程加速和人工失误减少。

从银行业务职能部门的角度来看，生成式AI用例对一线分销，客户运营，技术以及法律、风险、合规和欺诈部门这四个职能的影响最大，约占其在银行整体价值潜力池的70%。使用生成式AI工具，能够增强客户满意度，改善决策与提升员工体验，并通过更好地监控欺诈等行为来降低风险。

从保险业来看，作为金融行业的重要组成部分，依旧按照4C的视角看，生成式AI对产险和寿险等都将带来巨大价值。

其中包括：软件开发速度和质量的提升、保险理赔员效率的大幅提升、保险经纪人的效率和客户价值主张的提升、保险客户体验的显著改善等。

在用例成效上，麦肯锡观察到，复杂索赔（例如诉讼索赔）的赔付成本可节约约25%，辨别欺诈骗保的准确率可提高约18%，99%的核保流程可被生成式AI承保解决方案自动化，保险公司的承保成本有望降低10%-20%。

从资管行业来看，麦肯锡也观察总结了生成式AI的4C应用。如在内容提炼、虚拟专家方面，基于非结构化数据生成见解并推动投资行动，例如寻找投资标的。例如美国某全球商业、金融和财经资讯的提供商，开发了自己的GPT：针对特定金融领域数据和一般数据相结合进行培训的大模型；围绕回答财务问题和报告分析。

再如在编程加速方面，美国某跨国投资银行与金融服务公司在内部使用ChatGPT类型的AI工具来帮助开发人员编写代码；在内容生成上，某北美资管公司利用ChatGPT来加速营销抵押品的内容创建，以及创建数据可视化或筛选工具；在用户互动上，美国最大的基金管理公司之一推出AI辅助的注册技术业务，允许金融机构使用专有NLP模型创建，审查和批准公共通信。上述生成式AI用例都是横跨资管业务功能，且兼顾投资人和资管公司内部员工的需求。

追根究底，生成式AI能够在金融业发挥巨大价值，是源于行业长期以来形成的四项特征，以银行为例：首先，与传统的IT架构有关，几十年来，银行一直在投资技术，积累了大量的“技术债务”以及孤立而复杂的IT架构；其次，从面向客户的大型员工队伍角度来看，银行业依赖大量业务服务代表；第三，银行方面的文件工作繁重，生成式AI的影响可以跨越整个组织，協助所有员工编写电子邮件、创建业务演示文稿和其他任务；另外，作为一个受到严格监管的行业，银行业有大量的风险、合规性和法律需求。

综上所述，对于金融机构，生成式AI应用能够通过减少人为错误来提高生产效率，节省时间和资源；同时增强创新能力，为终端用户提供更优秀的产品和更良好的服务体验。

GenAI用例创造的价值中，约75%来自“4C”领域

资料来源：麦肯锡全球研究院

投资：金融视域下的产业前景

由于生成式AI蓬勃发展，其产业规模也在高速增长，引来投资者纷纷入局。据彭博数据显示，2022年生成式AI市场收入规模为400亿美元，预计2027年及2032年将分别达到3990亿美元和13040亿美元。2022年-2032年复合增长率达42%。

中国市场方面，据《中国AI数字展望2021-2025》数据，2022年规模约660亿元，2020年-2025年复合增速将达84%，2025年将占全球市场规模（2170亿美元）的14%。由此看来，生成式AI不仅在为全球经济创造巨大价值，其产业本身也拥有巨大的投资机会。

生成式AI价值链由六个环节组成，分别是专用硬件、云平台、基础模型、模型中心和MLOps、应用和服务。伴随着技术的欣欣向荣，整个价值链都蕴藏着巨大机会，但研究表明各环节市场机会存在显著差异，部分环节的资源投入、专业知识和先发者优势形成的行业壁垒，成为新进入者和小型企业展业的强大阻力。

2022年到2035年全球市场规模增量主要来源于训练侧硬件、广告应用和软件。其中，基础设施服务年复合增长率将达到60%，增量达2448亿美元。广告应用年复合增长率则达到125%，增量达1924亿美元。

在生成式AI的价值链条之上，有如下市场机会值得关注：

一、专用硬件：模型训练和推理过程所用算力基础设施，市场壁垒较高，基本为大玩家占据算力硬件的核心是以GPU和TPU为代表的计算芯片。

二、云平台：访问算力基础设施以及运行生成式AI工作负载的平台，市场份额较为集中。

三、基础模型：生成式AI价值链的核心环节，依靠专业知识和成本投入驱动，通用大模型赛道趋势表现为头部集中，行业大模型赛道仍有市场空白。

四、模型中心和MLOps：托管、微调和部署模型的工具，巨头和独立厂商形成差异化竞争模型中心和MLOps承担在基础模型之上构建应用的两项必须的工作：一是模型仓库，提供存储和访问基础模型的空间；二是专门的MLOps工具用于微调和部署基础模型至应用。

五、应用：基于大模型微调的终端应用，是初创企业拥有最大机会的赛道，约一半生成式AI独角兽企业诞生于这个市场，我们预期，在短期内，为垂类行业和特定功能开发，基于精细微调的模型所建立的应用能够最早脱颖而出。

六、服务：依托模型产品提供增值服务的整体解决方案提供商为大厂垄断，但垂类领域仍有中小型玩家参与的市场空间。

部署生成式AI时，CEO需要考虑的7件事情

资料来源：麦肯锡分析

实战：企业如何部署生成式AI

首先是运营模式的转变。规模化推广GenAI，需要企业进行全方位的运营模式转型，并将AI内嵌到业务的每个环节。在规模化实施GenAI应用时，一个成功的运营模式应涵盖六大方面：战略路线图、人才、运营模式、技术、数据以及技术应用与变革管理。

生成式AI在飞速演进，CEO（首席执行官）们也在探索其商业价值及潜在风险。CEO在推动企业关注生成式AI方面发挥着重要作用。CEO在踏上征途时需要熟记的策略，其中有很多与过往技术浪潮兴起时企业高管应当做出的反应一致。

然而，生成式AI也带来了独有的挑战，这包括其超越以往技术变革的空前发展速度及随之而来的应对难度。

为此，我们提供一份生成式AI核心概要，供广大CEO们参考（见上图）。

在决策应用生成式AI之前，考虑从零开始摸索和反复试错的大量时间及资源投入成本，企业也可适当借力专业机构的力量来加快部署生成式AI，利用第三方的技术、知识和经验，避免绕弯路和踩坑，更快速、经济地达到价值创造的目标。

此外，值得注意的是，生成式AI为各行各业提供了新的增长动力，却也存在一定的负面影响，金融机构在应用生成式AI时尤其需要关注模型幻觉、恶意使用、信息泄露等三大关键风险。企业需要高度重视并积极采取措施进行妥善防范和管理，最小化其潜在风险，最大化释放其价值。

（作者曲向军为麦肯锡全球资深董事合伙人、中国区金融机构咨询业务负责人，韩峰为麦肯锡全球董事合伙人，麦肯锡团队成员胡艺蓉、方浩翔、方溪源、李静瑶、宋戈、邱外山、王喆宸、蒋子翔、鲁志娟等对此文亦有贡献；《财经》研究员丁艳对此文亦有贡献；编辑：杨芮、张威）