根据麦肯锡的一份报告，生成式人工智能每年可为全球经济增加2.6万亿至4.4万亿美元的价值。银行业被认为是受生成式人工智能影响最大的行业之一(占其收入的百分比)。报告称，该技术“如果用例得到全面实施，每年可提供相当于2000亿至3400亿美元的额外价值”。
对于各行各业的企业来说，当前的挑战是将任何新技术所带来的炒作与它可能带来的真正和持久的价值区分开来。这对金融服务公司来说是一个紧迫的问题。该行业已经广泛且不断增长地使用数字工具，这使得它特别有可能受到技术进步的影响。这份《麻省理工学院技术评论》洞察报告探讨了生成式人工智能在金融领域的早期影响，以及它开始应用的领域，以及从长远来看，为了成功部署它需要克服的障碍。
本报告的主要结论如下:
企业在金融服务领域部署生成式人工智能在很大程度上仍处于起步阶段。最活跃的用例围绕着通过将员工从低价值、重复的工作中解放出来来削减成本。公司已经开始部署生成式人工智能工具来自动化耗时、繁琐的工作，这些工作以前需要人类来评估非结构化信息。
对可能更具破坏性的工具进行了广泛的实验，但商业部署的迹象仍然很少。学者和银行正在研究生成式人工智能如何在资产选择等有影响力的领域提供帮助改进的模拟，以及对资产相关性和尾部风险(资产表现远低于或远高于其过去平均表现的概率)的更好理解。然而，到目前为止，一系列实际和监管方面的挑战阻碍了它们的商业应用。
传统技术和人才短缺可能会减缓生成式人工智能工具的采用只是暂时的。许多金融服务公司，尤其是大型银行和保险公司，仍然拥有大量老化的信息技术和数据结构，可能不适合使用现代应用程序。然而，近年来，随着数字化的广泛应用，这个问题有所缓解，并可能继续存在继续这样做。与任何新技术的情况一样，在整个经济中，专门从事生成式人工智能的人才都很短缺。目前，金融服务公司似乎在培训员工，而不是从稀缺的专业人才库中竞标招聘。话虽如此，寻找人工智能人才的难度已经开始下降，这一过程将反映出随着云和其他新技术的兴起而出现的情况。
更难以克服的可能是技术本身的弱点，以及在某些任务中推出的监管障碍。一般的、现成的工具不太可能充分地执行复杂的、特定的任务，例如投资组合分析和选择。公司需要训练自己的模型，这个过程需要大量的时间和投资。o一旦这样的软件完成，它的输出可能是有问题的。人工智能中存在偏见和缺乏问责制的风险是众所周知的。寻找验证生成式人工智能复杂输出的方法尚未取得成功。当局承认，他们需要更多地研究生成式人工智能的影响，而且从历史上看，他们很少在工具推出之前批准它们。
下载报告全文。
本文内容由《麻省理工科技评论》的定制内容部门Insights制作。这篇文章并非由《麻省理工科技评论》的编辑人员撰写。
