川海智库

报告概述

本报告基于2025年10月全球主要金融机构董事和高管会议讨论，聚焦金融机构在生成式AI规模化部署中的现状、挑战与机遇。报告覆盖AI应用从生产力提升到转型潜力的多个阶段，分析了遗留系统、数据架构、领导力、文化变革等关键议题，并前瞻性探讨量子计算对金融业的影响。为金融机构董事会和管理层提供战略参考，帮助其平衡技术投入与商业价值。

报告的核心结论

生成式AI当前主要提升生产力，转型潜力尚未释放

金融机构已从生成式AI投资中获得初步效率回报，如软件开发效率提升30%，但多数机构仅使用了AI基础功能的10%，代理式AI应用仍处实验阶段。潜在成本节约可观，但根本性变革尚未实现。

AI规模化需要突破遗留技术、数据与人才瓶颈

数十年遗留系统和碎片化数据是AI部署的主要障碍，云迁移成为关键路径。同时，高管层对AI认知不足，全员AI素养亟待提升，业务领导者需主导AI应用，核心支持团队应赋能而非集权。

董事会应推动AI战略从效率转向增长与机遇

当前机构过于关注内部效率，而竞争对手已从外部客户、代理方视角布局。董事会需帮助管理层拓宽视野，鼓励投资新业务模式和收入来源，并建立治理机制实现试点规模化。

量子计算即将来临，金融机构需提前布局防御

量子计算在欺诈检测、保险超个性化等领域潜力巨大，但安全威胁不容忽视。多数董事会尚未投入大量时间，建议将量子防御方案纳入预算，探索内部人才与外部合作。

报告回答的关键问题

金融机构生成式AI部署处于什么阶段？

金融机构仍处早期阶段，主要集中在生产力提升和成本节约。多数机构已部署数十个成熟用例，如代码生成、客户服务，但代理式AI（自主决策系统）仅在10%-20%的银行中有所涉猎，保险业略快。整体上，AI推动根本性变革的潜力尚未释放。

阻碍金融机构规模化AI的关键因素有哪些？

主要障碍包括：遗留系统与数据碎片化（数据丰富但洞察匮乏）、高管层AI认知不足（前200位领导者中理解AI者不及半数）、员工AI素养缺乏（多数人只会用AI写邮件），以及缺乏业务主导的治理机制。数据清理和云迁移是基础，但实施难度大。

代理式AI在金融服务业的应用前景如何？

代理式AI仍处实验阶段，保险业进展稍快（27%的保险公司已选择性整合），银行仅有10%-20%涉猎。初步应用集中在后台运营等监管风险较低领域。业界预期比例将增长，但实际业务规模尚有限。

量子计算对金融服务业有哪些具体影响？

量子计算可将欺诈识别率提升25%-30%，并推动保险产品超个性化定制。但同时也带来加密数据安全风险，需提前部署后量子加密技术。当前量子计算成本高昂、商业可行性低，预计2031-2035年可能实现突破。

报告中的代表性数据

30%

生成式AI开发效率提升

2025年，在软件开发领域，生成式AI为数千名开发人员带来的即时效率提升，来自与会高管分享。

10%至20%

银行代理式AI应用比例

2025年，与会高管指出，仅10%至20%的银行在代理式AI应用方面有所涉猎，保险业进展稍快。

10%

AI基础功能使用率

2025年，与会者指出，多数金融机构仅运用了其现有AI基础功能的10%，多数甚至未将最低版本AI工具推广至全体员工。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 与会者名单：详细列出参与会议的全球主要金融机构董事、高管及安永专家，便于了解报告参与方背景。
  • 会议背景与规则：采用查塔姆宫规则修订版，确保讨论内容匿名性，提升观点真实性。
  • 关于金融服务业领导网络与安永的支持角色：介绍FSLN的宗旨与安永在董事会治理方面的持续承诺。
  • 完整数据与趋势图表：包含报告中未展示的更多数据细节，如量子计算模拟实验的具体结果等。
  • 战略框架与模型：可能包含AI部署成熟度模型或转型评价维度，帮助机构定位自身阶段。
  • 案例与方法：与会机构分享的具体AI应用用例、提示词工程培训经验等细节。
  • 新兴技术影响预测：量子计算商业化时间线、监管政策走向等深入分析。
  • 配套报告《视点》链接：报告提及的深度观点可参阅配套报告，涉及政治与市场波动对金融机构的影响。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告