金融科技风口转向：区块链降温，探路云和生成式AI
21世纪经济报道记者骆轶琪 广州报道
全球经济环境承压背景下，金融行业如何拥抱科技正成为重要命题。
近日的一次分享中，Gartner高级研究总监颜晶指出，在全球经济逆风时期，金融机构的IT预算反而在增长。Gartner分析认为，这是由于银行CEO的第一目标是增长，顶尖银行会通过技术更好支撑业务服务；“同时一些银行CEO也认识到，IT其实是利润和建立竞争优势的关键资产，这在疫情期间也得到了验证，比如银行可以通过数字渠道、产品等，拓展他们的业务量或提供线上客户体验。”她表示。
Gartner将科技金融趋势分成三大类：成熟技术的重塑，如云技术、超级自动化、Open API技术；谨慎对待还未成熟的技术，包括生成式人工智能、嵌入式金融技术、实时跨境支付和计算；新兴技术，包括数字资产和交易所、平台技术、物联网创造新的客户洞察。
整体来说，银行CIO对人工智能技术乐观，但对区块链和数字孪生犹豫不决。
热潮与退潮
Gartner统计发现，从新冠大流行到经济逆风时期，银行的客户行为发生了很大变化，主要表现在：客户购买力在衰退，客户价格敏感度在提高。
那么CIO正面临着“三重压力”：来自新兴金融科技公司的竞争，交付数字化成果的压力，部署新兴技术专业化人才的稀缺。
对于银行CIO关注的技术趋势，颜晶进一步分析，“我们发现，云技术、人工智能是热门的两项技术。尤其是云，借助专门针对金融服务业相关的‘云’，银行可以减少对本地数据中心的依赖并且可以获得规模经济。人工智能/机器学习是已经被视为可以支持银行数字化愿景的关键技术，可以帮银行创造更高的个性化服务、风控及预测。”
“资产管理公司是金融行业中最早采用‘云’的一类机构，但初期的‘云’主要是围绕计算、存储、网络等基础设施展开。这两年我们看到有投资机构，已经从‘基础云’的功能延伸至新的业务方向。”她补充道。
至于CIO认为价值不高的技术，“区块链对智能合约代理银行NFT有一定价值，但是当我们进入经济逆风期时它能发挥的业务价值对于银行来说非常有限；数字孪生技术目前我们看到是对制造业等实体产业的价值会更高，但是对于银行来说似乎能够落地的案例不多，因为银行大部分的产品已经是数字化了的，包括货币本身。”她进一步表示。
这也包括前两年火热的Web3.0技术，颜晶对21世纪经济报道记者表示，在经济逆风环境下，整体区块链技术对银行整体业务，尤其是利润支持方面带来的作用并不大。
“Web3.0也属于一种区块链技术。Web3.0的好处在于：控制力强，客户可以更好控制在线的身份和数据；个性化；去中心化。”她分析，但这恰恰也可能成为一些劣势。比如Web3.0是分散的，如果基于Web2.0去开发Web3.0将非常难融合。而全球大部分经济体目前都采取了中心化的金融管理模式，如果真正实施Web3.0又不能改变它最底层的“去中心化”，银行面临的问题还非常多。
“我们也看到Web3.0的缺陷。比如因为它的系统主要依赖于受信赖的第三方节点，来保证账本安全，但如果有人要恶意篡改其账本，就会对整个系统带来很大安全漏洞。此外，很多大型交易所把Web3.0用在了钱包上，但盗窃和欺诈行为依然很多。2021年加密货币整个盗窃损失大概有140亿美元，所以对银行来说，Web3.0最大的威胁是安全性。”她说道。
寻路生成式AI
对于快速迭代成长的AI类技术，2022年Gartner在一项金融服务调查中就发现，已有27%的投资机构表示已经部署了这项人工智能技术，另有56%的机构表达会在中短期积极参与AI。
颜晶介绍，生成式AI作为一种新兴科技，机构采用时的策略差异非常大。Gartner归纳为三类：第一类属保守型，是一种偏快餐型产品，例如微软和谷歌推出的办公室助手，其采用成本非常低、但实施成功率非常高，问题是它不可能为金融机构带来竞争性优势。
第二类是拓展型，一些金融机构尝试用AI做拓展性实验，比如在财富管理类，可以生成一些人工智能辅助的财务顾问，这可以取代部分人类客服的工作，帮助客户进行资产管理，尤其是在财务顾问不在位的情况下。这类人工智能项目投入成本偏高，且需要更多时间才能对业务产生一定影响。
第三类是颠覆型，探索用人工智能创造新的商业模式或颠覆该行业，这类投资会非常昂贵且风险巨大，但同时也会带来可观的回报。
整体来看，颜晶对21世纪经济报道记者表示，AI大模型的兴起，会从五个方面对金融科技行业带来影响：第一，会在前台和服务方面提出较大转型，目前机器人已经可以在部分服务职能方面替代人力；第二是营销，例如一些金融机构在通过大语言模型为客户提供定制化广告信息；第三是运营，银行已经在探索如消费者责任知识管理方面，用生成式AI进行能力支撑；第四数据管理，大部分金融机构还只能用生成式AI的结构化数据提供服务，但已经有美国公司可以用AI结合非结构化数据，帮助银行做风控提前预警；第五是围绕人工智能的合作伙伴也会发生变化。
尤其是在做大模型训练时，目前主要集成在云平台完成，未来会有两方向变化：银行不愿意把敏感数据交给第三方公司训练大模型，所以未来的模型架构不会是厂商统一管理的模式，而是有一部分权限交给银行自主操作执行；此外一些行业敏感数据将未必上云，而是放置在边缘端设备中。基于这一逻辑，未来的AI大模型有望以小而美模型的方式被配置在边缘化设备中，对一些垂直类应用而言这类数据将更好释放价值。
当然，拥抱生成式AI进程中也要对其可能带来的风险做好预期。颜晶拆解道，需要注意其中可能带来的不准确信息、系统性偏见、隐私和安全风险、道德风险、被泄露风险等。
