川海智库

报告概述

本报告由BCG与谷歌云联合发布，聚焦于银行业在生成式AI和代理式AI领域的潜力与实际价值之间的差距。研究覆盖全球金融机构，并特别深入分析了印度尼西亚市场的独特挑战与机遇。报告基于对全球1,250名高管的调查、200多个AI和数字化转型项目的经验，以及对10多位印尼银行业领袖的访谈。内容涵盖AI对银行竞争格局的影响、五大关键价值差距（领导力、想象力、数据、技术栈、人才）、以及未来型银行的成功策略和可落地的技术架构。旨在帮助银行高管理解如何从AI试点走向规模化盈利。

报告的核心结论

多数银行尚未实现AI的规模化价值。

报告指出，仅3%的金融机构（未来型银行）已实现AI的规模化价值，48%处于早期试点阶段，而49%仍未看到显著回报。未来型银行在收入和股东回报上显著领先，收入增长快3.5倍，股东总回报高2.2倍。

领导层深度参与是AI成功的关键不同因素。

未来型银行几乎100%的高管深度参与AI项目，而落后者仅有11%高管参与。高层赞助使银行能有效解决系统性挑战，推动跨部门协作，并设立明确KPI追踪AI成果，从而加速价值实现。

银行需从个体效率转向重塑业务流程和发明新业务。

当前44%的AI投资聚焦于个体生产力提升，但未来型银行优先考虑重塑端到端流程（68%）和发明AI原生业务（23%），而非简单部署工具。这要求银行明确AI的业务价值，并从小规模试点开始证明。

数据和技术栈的现代化需与AI开发并行推进。

仅10%的银行拥有完全文档化的数据，20%具备稳健的框架。银行不应等待数据和技术就绪再启动AI，而应同步推进：通过优先解决高价值数据问题，同时部署云和模块化技术栈，形成自我强化的价值循环。

印尼银行面临独特的挑战，但可采用全球最佳实践。

印尼银行在数据主权、人才短缺和监管不确定性方面尤为突出。报告建议采用“买、借、建”的人才策略，并通过战略合作伙伴加速AI采纳。与平台提供商合作的银行采用AI代理的速度快2倍以上。

报告回答的关键问题

银行如何缩小AI价值差距？

报告指出，银行需从领导力、想象力、数据、技术栈和人才五个方面入手。具体包括：领导层转变为AI共造者、设定转型议程（重塑和发明）、并行建设数据基础与AI方案、采用云启用的混合技术栈、以及通过合作伙伴和内部培养解决人才短缺。

生成式AI和代理式AI在银行有哪些高价值应用？

报告列举了多个已产生实际效益的应用：私人银行中AI可将效率提升25%，客户服务中减少15%-20%通话时间并降低30%运营成本，营销中提升25%-35%流程效率。代理式AI则用于自主客户服务、实时贷款审批和反洗钱调查等复杂工作流。

未来型银行有哪些共同特征？

未来型银行在AI采用上领先，其共同特征包括：CEO和董事会直接主导AI项目、集中优先高影响力用例、跨业务与技术的联合所有权、持续追踪AI的ROI而非试点数量。他们收入增长快3.5倍，股东回报高2.2倍，并预计到2028年收入提升9.3%、成本降低12.3%。

印尼银行在AI推广中面临哪些主要障碍？

印尼银行面临的障碍包括：领导层“观望”态度、缺乏明确的AI投资回报量化、数据质量和治理薄弱、对云采纳持保守态度（因数据主权和合规顾虑）、以及AI人才极度稀缺。报告建议通过“买、借、建”策略和渐进式治理来克服这些障碍。

报告中的代表性数据

3%

实现AI规模化价值的银行比例

2025年BCG全球调研，全球范围内仅3%的金融机构（未来型）已实现AI价值的规模化，48%处于早期试点，49%仍未看到显著回报。

3.5倍

未来型银行收入增长倍数（对比落后者）

过去3年，未来型银行在过去三年收入增长是落后者的3.5倍，股东总回报为2.2倍。

44%

44%的AI投资集中于个体生产力

2025年调研，44%的AI资金用于提升个体效率（如会议纪要、代码辅助），而非公司层面的业务重塑或创新。

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

  • 全球及亚太区金融机构AI价值差距的详细分析图表，包括不同成熟度银行的收入增长和成本降低对比。
  • 五大价值差距的深度剖析：领导层参与、AI想象力、数据基础、技术栈碎片化和人才短缺，并附有印尼银行领袖的访谈摘要。
  • 银行AI高价值用例的详细清单，涵盖私人银行、客户服务、营销、风控等领域的实际效益数据和部署建议。
  • 未来型银行的成功策略框架：Think Big（顶层领导）、Start Small（灯塔用例）、Scale Safe（安全扩展），并附有相应的组织、数据和治理行动指南。
  • 银行就绪的AI参考架构：涵盖云基础设施、统一MLOps平台、代理式AI系统架构，以及安全控制和合规性设计（如机密计算、私有网络、不可变审计日志）。
  • 全球与印尼市场的监管环境对比，包括印尼个人数据保护法（PDP）和AI指南对技术选型的影响。
  • 人才战略详细方案：如何通过“购买、借用、建造”三管齐下的方式解决AI人才短缺，包括与平台提供商合作的最佳实践。
  • 可操作的AI规模化路线图：从高层承诺、技术基础、数据治理到持续监控的具体步骤和检查清单。
  • 关键行业术语解释：如RAG、SLM、MLOps、HILT等，帮助非技术读者理解核心技术概念。
  • 附录：BCG 2025全球调研方法说明、受访银行样本分布和访谈问题设计。

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