來源：冰鑑科技研究院
最近有一份關於AI和銀行業的榜單被引用次數越來越多。該榜單對歐美最大的23家銀行排名，總資產至少1萬億美元才夠資格入選。
這份榜單名為“銀行AI指數（Evident AI Index）”，由諮詢公司Evident Insights發布，算是公開可查的、第一次對銀行人工智能成熟度（AI maturity）進行排名的榜單。
銀行AI指數榜單前十：
資料來源：Evident Insights，冰鑑科技研究院整理
為了做這個榜單，Evident Insights收集了數百萬個數據點，基於銀行財報和一系列第三方數據源的公開數據，在50多位領先的人工智能和銀行業專家的參與下，建立起這個榜單。
每家銀行都根據四個方面的142項單項指標進行評估，這四方面分別是人才、創新、領導力和透明度。人才的佔比權重最高，達到40%。
在Evident Insights看來，AI人才的數量和質量，很大程度上影響了這些頂級銀行的未來競爭力。排名第一的摩根大通，擁有銀行業最多的人工智能員工，佔僱員總數超過10%並且還在加速招聘。 2023年2-4月間，摩根大通發布的人工智能和數據核心職位的招聘廣告數量，佔榜單上所有銀行發布數的至少20%。
在對LinkedIn等招聘網站信息進行搜羅分析後，Evident Insights還發現一個有趣的現象：在生成式人工智能如此火熱的當下，這23家銀行只有不到2%的AI相關職位描述，明確提到了生成式AI的技能，比如大語言模型（LLMs）或ChatGPT。
冰鑑科技研究院在分析Evident相關報告及上榜銀行後也發現，GPT雖然已成顯學，但這些國際大銀行並沒有認為其包治百病。由於對人工智能技術投入早、佈局深，很多銀行已有的深度學習財富管理系統已相當成熟，並沒有一窩蜂去追GPT熱點。
相反，榜單中提到的“透明度”指標，受到很多大行的重視，比如負責任的人工智能(Responsible AI)或可解釋人工智能（Explainable AI, XAI）在大行的財報中出現比例越來越高。
摩根士丹利：用GPT-4做知識管理
在銀行AI指數榜單上勉強擠進前10的摩根士丹利，在GPT應用方面顯得最為高調，其“創新”分項的排名是第4。儘管如此，大摩對GPT的應用也仍停留在試驗階段，並未進入生產環境，且試驗領域並不寬泛。
今年3月OpenAI正式推出GPT-4時，將摩根士丹利的財富管理應用當成典型案例一併推出。
具體而言，摩根士丹利擁有一個數十萬頁的內容庫，涵蓋投資策略、市場研究和評測以及分析師觀點——如此大量的信息分佈在許多內部網站上，大部分以PDF 形式存在，需要財務顧問（FA）瀏覽大量信息，才能找到特定問題的答案，顯得相當低效。
從去年開始，該公司和OpenAI開始合作探索，如何利用GPT 的嵌入和檢索功能最大化其“智力資本”——超過10萬份文檔。
GPT-4將為公司內部的聊天機器人提供支持（注意並沒有對外），該機器人可以對財富管理內容進行全面搜索整合，然後給財務顧問們提供想要的答案。
摩根士丹利有超過1.5萬名財務顧問，可能會對內部聊天機器人提出這些問題：
*投資建議（我們對Alphabet 股票的看法是什麼，其未來表現是牛是熊市？）
*常規業務（IBM 的五個主要競爭對手是誰？）
*流程問題（如何將個人退休金賬戶納入不可撤銷的信託中？）。
摩根士丹利以10 萬份文檔作為訓練語料庫，針對類似問題“微調（Fine-Tune）訓練”了GPT-4。
據《福布斯》雜誌報導，有300名摩根士丹利的FA正在幫助模型“強化學習”——當他們得到聊天機器人的答案後，可以給出贊成或反對的意見，或者根據需要提供更詳細的反饋。
ChatGPT一個廣遭詬病的問題是，常常會毫無事實依據地產生“幻覺（hallucinations）”內容，這對於財富管理服務而言是致命的。針對此，摩根士丹利正在限制FA 可以輸入系統的提示/問題類型，將主題限制在與業務相關的問題範圍，這可以確保輸出的內容來自其已有的知識文檔。
如果FA在使用過程中發現內容不對勁，還可以查閱原因代碼——引用鏈接到內容出處的底層文章——這比大多數大語言模型都要更完善可信。
最終做內容把關的還有合規審核人員，在該公司正常的知識管理流程中，就有合規人員審查投研內容，更不用說FA們想對外提供的內容。
事實上，摩根士丹利的財富管理部門，已花費多年時間研究出“Next Best Action”系統（NBA），這才是用機器學習武裝1.5萬名FA的現實工具。
NBA系統通過機器學習發現個性化的投資想法，並通過其CRM 系統向特定客戶分發。 NBA系統設置了三個不同的目標功能：
一是為客戶提供投資意見並幫助決策，既提供被動投資，也可以根據客戶的意願提供個股和債券投資選擇；
二是提示操作警報，比如低現金餘額警報以及客戶投資組合價值大幅變動的提示等；
三是生活事件規劃，比如若能確認客戶孩子患病，系統可以推薦當地最擅長醫治該疾病的醫院和治療財務規劃，以建立其與客戶的附加價值關係。
領導GPT-4相關業務的摩根士丹利數據和創新主管Jeff McMillan對《福布斯》表示，NBA系統“推”（push）的方法可能與基於GPT 提示答案的“拉”（pull）的方法很好地配合。
根據財富顧問行業垂直網站AdvisorHub在7月的最新報導，摩根士丹利預計在今年第三季度，向其超過1.5萬名財務顧問推出生成式AI工具，今年3月以來還只有900個FA在試用。
在銀行AI指數榜單中，摩根士丹利的人才分項排名只有11。摩根士丹利從下半年開始加速AI人才招聘，其最新的招聘職位，是為人工智能和機器學習平台延攬新的財富管理主管——據LinkedIn，該職位的基本年薪在18萬至26萬美元之間。
AI冠亞軍銀行：增強既有機器學習系統
排在榜單冠軍位置的摩根大通，對GPT有一些宣言式的計劃，但並未透露太多應用細節；而作為黑馬出現在亞軍位置的加拿大皇家銀行（RBC）則從未提及GPT。
據CNBC報導，摩根大通正在開發一款類似ChatGPT的軟件服務。摩根大通提交的文件顯示，該行5月為一款名為“IndexGPT”的產品申請了商標註冊。 IndexGPT將利用“使用人工智能的雲計算軟件”來“分析和選擇適合客戶需求的證券”。
商標註冊文件指出，IndexGPT使用了以ChatGPT為代表的人工智能技術，摩根大通全球技術主管Lori Beer表示，該行已經僱傭了1500名數據科學家和機器學習工程師，正在測試GPT技術的“多個使用案例”。
在5月22日摩根大通投資者日會議上，該行資產與財富管理部門首席執行官Mary Callahan Erdoes在談到AI時表示：“這將成為人們如何管理資產的聖杯。”
“我們已經加載了30年來所關注的所有公司的專有數據，”Erdoes在描述自己部門最近的工具開發時說，“然後，我們將其與每天獲得的數百萬個數據點進行匹配，我們已經看到瞭如此巨大的提升。”
她進一步透露稱，摩根大通有自己的內部資產管理業務，類GPT模型在其Spectrum投資組合管理系統上運行。
銀行AI指數榜單的亞軍是來自加拿大的RBC，該行將深度學習和強化學習技術用於財富管理已有多年增持，特別在“創新”和“透明度”分項指標排名中都名列前3。
RBC專門成立了一家名為Borealis AI的人工智能研究中心，既為母行服務也從事人工智能的前沿研究。 Borealis AI的負責人Kathryn Hume在接受畢馬威訪談時，詳細介紹了其團隊如何將強化學習應用於銀行客戶服務：
Borealis AI與RBC資本市場團隊推出了基於強化學習的交易執行系統。 “我們希望了解如何使用機器學習來幫助擁有大額或批量訂單的客戶更好地安排交易順序，從而獲得最高回報。事實證明，我們創建的模型非常動態，能夠比傳統交易算法更靈活地實時響應波動性的變化。”
Borealis AI還成功幫助零售和商業銀行將昨天的業務流程轉變為明天的未來產品。例如，構建了現金流預測工具，幫助財務顧問主動與客戶互動，了解即將到來的財務需求，並提供更有針對性的建議。還通過創建應用程序來幫助零售客戶管理財務，並受益於最新的個性化機器學習技術。
今年4月，RBC榮獲《數字銀行家》雜誌評選的最佳人工智能客戶體驗獎，獲獎理由是該行和Borealis AI共同開發的NOMI Forecast系統。
NOMI Forecast系統利用深度學習為客戶的現金流提供及時、準確的預測。在該行獨特的數據集支持下，相關模型經過訓練可以為RBC 客戶提供個性化體驗，包括賬單支付、電子轉賬、投資和工資支付等。
垂直大模型：適合的才是最好的
無論是大摩的NBA系統，還是小摩的Spectrum系統，抑或RGB自主研發的NOMI Forecast系統，都是由銀行增持的自有數據訓練出的各種模型組合。在嫁接GPT進行微調訓練後，增強通用交互能力，是這些國際頂級銀行相似的選擇。
無論國外國內，隨著開源大模型越來越多、模型訓練成本下跌，對於通用大語言模型的執念已經逐漸變淡。從剛剛結束的上海世界人工智能大會可以發現，新的敘事是：行業大模型、垂直大模型與“大模型賦能千行百業”。
最典型的例子是彭博推出的彭博社GPT，彭博把模型做小，500億參數左右，相比於GPT-3的1750億小了很多，雖然削弱了通用性，但在金融領域的各項表現明顯優於通用大模型。
金融行業的強監管和專業性，決定了在Know-How基礎上利用金融機構沉澱的專業數據訓練，才能打造出適合行業需求的垂直模型。比如冰鑑科技推出的本立道生（Origin One）大模型，依托多年服務銀行、保險客戶的算法模型經驗，正在智能客服、金融文檔處理、國外投資產品分析方面發力。
垂直模型的專業優勢在財富管理行業也會越來越明顯，GPT的出現將改變過去智能投顧是高淨值家庭“專屬服務”的概念，使長尾市場得到快速發展。摩根士丹利的1.5萬名財務顧問，在GPT-4的助力下服務客戶的數量和效率將提升多少倍？
除了這些頂級銀行以外，垂直大模型在應用層給了初創公司更多的機會去服務更多客戶。科技企業通過低門檻和獨立性吸引更多的下沉客戶，傳統大銀行則發揮自身優勢，瞄準存量客戶和推介各種產品組合，不同體量的機構決定了在智能投顧領域的不同打法。
從美國智能投顧市場看，主要包括三類參與主體：
一是以Wealthfront、Betterment為代表的初創公司利用自身的技術優勢與低門檻要求，挖礦長尾客戶價值；
二是以Vanguard、嘉信理財為代表的大型金融機構，發揮自有資本優勢、存量客戶優勢、品牌優勢以及競爭壁壘推出智能化投顧產品；
三是收購第三方公司，快速佈局智能投顧市場，例如貝萊德收購Future Advisor等。
根據信用評級公司CRISIL GR&A 測算，大模型在智能投研領域的應用有望節省22.5%的成本，將使財富管理惠及更多民眾。
更大的普惠同時也意味著更多風險。值得一提的是，RBC能超越眾多歐美大行，登上銀行AI指數榜單亞軍位置，還得益於其負責任的AI（Responsible AI）行動。 Kathryn Hume認為，人們越來越認識到AI可能加劇的道德風險。在世界各地，圍繞人工智能的道德和負責任使用的辯論日趨激烈。
可解釋的人工智能（XAI）將成為一項新興技術，或許與GPT 相對應。雖然ChatGPT 的算法見解完全是“黑匣子”，但XAI 允許用戶和監管仔細審查AI運作的基本原理，並且敦促開發人員磨煉算法，使其按預期工作。 XAI使財富管理公司和投資顧問能夠監控和證明人工智能衍生的財務建議，並使其符合監管要求和客戶的最佳利益。
參考資料：
Evident Insights: Evident AI Index for Banks Key Findings Report FORBES: How Morgan Stanley Is Training GPT To Help Financial Advisors AdvisorHub: Morgan Stanley to Roll Out AI Software to All Brokers in Third Quarter 平安證券:《從AIGC 看商業銀行數字化轉型》
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載