每一次技术变革都会给金融领域带来技术、业务流程和组织人事的变革,并带来相应的机遇与挑战,以ChatGPT为代表的人工智能的快速发展也不例外。当人们或忧惧于人工智能可能带来的裁员效应,或憧憬于人工智能驱动型高频交易带来的效率极大提升时,很可能会令很多更重要的议题失焦,比如算力基础设施的建设,更适宜人工智能应用的业务流程和管理架构,以及相关业务伦理挑战、风险管控和监管挑战等等。
在人工智能时代,那些此前在全流程线上化、数字化、智能化方面走在前面的金融机构,将抢得更多的先机。金融机构间的竞争将越来越聚焦于IT部门的竞争。数据池的深度和宽度、算力的强弱、大模型的匹配度等,将是大小行之间拉开差距的主要决定因素。
当然,对不少金融机构来说,这也是自我赋能和弯道超车的机会。通过加强算力基础设施建设和合适的大模型的引进,此前“闲置”的客户和业务数据将得以发掘和翻新利用,业务流程将被再造以求更加合理顺畅,并更好地适配客户的需求。已经谙熟于数字化和智能化生存,并热衷于在其工作和生活中应用大模型的高端年轻客户,将更青睐那些能够与其“算法”和“算力”更无缝对接的金融机构。
不过,硬币的另一面是,如何兼顾那些在数字化和智能化征程中落伍甚至有掉队风险的客户。当年怀揣各种数字化改造和智能化转型方案的工业互联网公司,当面对连数控机床、传感器和基本的联网设备都匮乏的小微企业时,不得不从头做起帮助客户围绕数字化和智能化进行各种软硬件升级,然后才能输出自己的解决方案进行更高水平的赋能。
金融机构也应该不忘脱虚向实的初心,以服务好实体经济的姿态,以更大的耐心和能力去改造和赋能传统产业。人工智能和大模型时代,金融机构不仅要从资金流的角度通过全流程金融和全场景金融对企业进行加持,还要主动对客户进行数据和算力赋能,为其匹配合适的大数据模型,推进人工智能训练,帮助企业挖掘和生成自身的数据资产,提升数字化管理和决策水平,在保证安全的基础上提升人工智能在管理和决策中的应用密度。
这些努力和投入,将为传统产业更好地“享受”现代金融服务打下坚实的基础,反过来也将大大拓宽金融机构的服务和业务空间。在此过程中,如何更好地在有着大模型优势的IT企业、有着更强的金融算力的金融机构和传统产业之间,形成多赢的合作模式,还有待各方在实践中勠力求解。
除了以资金流和数据流为传统产业赋能,金融机构还有可能将传统产业“闲置”的数据变成富矿。随着数据越来越成为一种宝贵的资产,财富管理的外延也在不断拓展,数据资产也日益成为金融机构拓展新业务的标的。在这场变革中,高净值客户的概念将会被重写,财富管理市场的服务对象、业务模式和增值获利模型也将被重构。围绕数据资产的新型财富管理无疑有着很多想象的空间,同时也意味着很多的基础工作。数据资产管理新赛道的竞逐,涉及数据资产的界定和标注、交易规则的设计和实践,以及交易市场的建设和管理,需要监管方和参与者通力合作。
监管方与市场参与者的通力合作,将更有利于人们应对人工智能时代金融领域可能出现的新风险与新挑战。不过,当人们惴惴不安于人工智能“自我生成”的决策可能给金融交易和金融市场带来的伦理和系统风险时,可能忽略了这样一种可能性:如果应用得宜,大模型和数字孪生技术的应用,有助于人们更好地进行金融系统的压力测试,更精准地预测哪些可能的风险点会更能带来系统性风险,以及风险将以何种模式演进。
因此,以ChatGPT为代表的人工智能在金融领域可以预见的大规模应用,将给市场参与者和监管者同时带来新的挑战和机遇。监管方无疑需要与时俱进,通过人工智能的应用大大提升监管效率,同时也应以更包容的心态和市场参与者一起为人工智能驱动的金融领域创新留足空间。