金融服务正变得更加“个性化”、自动化，并以人工智能为中心进行重组。但有人指出，实际推广的最大障碍并非技术本身，而是“信任”。这是因为，在涉及敏感金融数据的行业特性下，即使是微小的错误也难以被容许，而且人工智能必须能够解释其基于哪些数据得出了何种结论。
根据最近在亚马逊云科技（AWS）金融服务研讨会前夕公布的行业讨论，金融机构的关注点正从开发更大的人工智能模型，转向构建“可信赖的系统”。据评估，银行、资本市场企业和保险公司虽在加快引入人工智能，但若未能建立数据质量、治理和合规应对体系，则很难转化为实质性成果。
TheCube首席分析师罗布·斯特雷凯指出，金融服务领域的“代理型人工智能”已不再是打造最大模型竞赛。他将数据访问权限、存储位置、决策可解释性及风险控制列为核心挑战，并诊断认为，成功的企业应将人工智能视为“数据平台架构”问题，而非单纯的模型问题。
67%的金融机构连投入AI的营收数据都不信任
市场的不信任也通过数据得到了证实。相关调查显示，67%的企业表示，无法确信自身用于人工智能应用的营收数据的可靠性。美国消费者也对基于人工智能的金融服务表示出较大担忧，隐私保护和透明度仍被视为首要标准。
TheCube首席分析师斯科特·赫普纳强调，当前人工智能虽能生成答案，但更关键的是金融机构能否做出经得起外部检验的“判断”和“决策”。他解释道，最终决定金融业人工智能投资回报率的关键货币，已变成了“信任”。
Atacama金融服务部门首席数据官拉里·亨特也提出，“数据信任”是提升消费者信任的核心要素。他解释说，如果说过去数据被信息技术部门视为“黑箱”，那么现在已进入首席执行官和董事会直接讨论能通过数据创造何种价值的阶段。据评估，人工智能的近期普及更进一步加速了这一变化。
AWS扩大面向金融机构的“代理型AI”，挑战在于遗留系统整合
亚马逊云科技正加速开发面向金融机构的代理型服务。据亚马逊云科技介绍，人工智能代理能够超越重复性任务自动化，整合客户数据，甚至反映与银行交易相关的重要背景。这意味着它正超越简单的聊天机器人，向辅助实际金融业务或支持部分决策的方向演进。
不过，实际落地仍处于早期阶段。Forrester受亚马逊云科技委托进行的调查显示，57%的金融服务组织表示仍在构建内部能力，以充分利用代理型人工智能的潜力。最大的障碍之一是“遗留系统”的整合。这意味着，在将现有计算环境转换为云原生架构的过程中，围绕成本、安全和运营稳定性的担忧依然存在。
因此，业界认为，采用将人工智能作为补充而非与现有客户服务相冲突的路径至关重要。提升客户互动质量，优化金融运营工作流程，以及以更低成本为部分客户提供堪比高端财富管理服务的个性化指导，被视为现实可行的第一步。
比生产力更重要的，是金融机构的“制度信任”
赫普纳强调，金融业面临的问题不仅仅是生产力提升。对于银行、保险公司和资本市场企业而言，如果人工智能无法对其自行做出的决策进行论证、验证和控制，那么运营风险、合规风险和声誉风险都可能同时加剧。
最终可以有这样的解读：金融业人工智能竞争的关键胜负手，不在于更华丽的功能，而在于“可解释性”、“可验证性”和“治理”。虽然人工智能无疑正在改变金融服务的未来，但市场要求的下一步并非快速引入，而是“可信赖、可托付的人工智能”。金融机构越能满足这一标准，其人工智能实验就越有可能转化为实际业务成果。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行了摘要。正文主要内容可能被遗漏或与事实不符。