《麥肯錫》最新文章強(qiáng)調(diào)，生成式人工智能(gen AI)在銀行業(yè)具有巨大的潛在價(jià)值，全球范圍內(nèi)可為各產(chǎn)業(yè)每年增加2.6萬(wàn)億至4.4萬(wàn)億美元的價(jià)值。在這其中，銀行有望獲得年度潛在利潤(rùn)達(dá)2000億至3400億美元，相當(dāng)于運(yùn)營(yíng)利潤(rùn)的9%至15%。

　　為了充分利用這一有價(jià)值的技術(shù)，銀行需要進(jìn)行g(shù)en AI的規(guī)�；�。文章指出，在銀行進(jìn)行g(shù)en AI規(guī)�；瘯r(shí)，需要采取傳統(tǒng)變革管理的方法，確保領(lǐng)導(dǎo)層對(duì)齊、業(yè)務(wù)單元負(fù)責(zé)、用例以價(jià)值為中心、目標(biāo)清晰等。然而，與其他規(guī)�；�過程不同的是，gen AI的規(guī)模化涉及到多個(gè)領(lǐng)域，要求管理團(tuán)隊(duì)了解并適應(yīng)一系列先進(jìn)分析能力和應(yīng)用，其中包括諸如強(qiáng)化學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)等術(shù)語(yǔ)。

　　其次，gen AI的規(guī)�；�使得銀行在數(shù)據(jù)和分析方面面臨更大的挑戰(zhàn)。文章指出，盡管大多數(shù)銀行在使用結(jié)構(gòu)化數(shù)據(jù)方面具有較強(qiáng)的能力，但許多銀行在利用非結(jié)構(gòu)化數(shù)據(jù)方面仍存在困難。這與gen AI對(duì)非結(jié)構(gòu)化數(shù)據(jù)的重度依賴有關(guān)，而銀行的數(shù)據(jù)戰(zhàn)略和架構(gòu)可能無法勝任這一任務(wù)。不過，gen AI本身具有自然語(yǔ)言處理等能力，可以從非結(jié)構(gòu)化數(shù)據(jù)中提取信息，為銀行提供更深入的見解。

　　在gen AI規(guī)模化過程中，人才也是一個(gè)重要因素。文章指出，一些領(lǐng)先的銀行已經(jīng)建立了專業(yè)的團(tuán)隊(duì)，包括量化分析師、模型師等，這些團(tuán)隊(duì)通常具有人工智能的專業(yè)知識(shí)。然而，其他銀行可能需要通過培訓(xùn)和招聘來增強(qiáng)其人才隊(duì)伍，以適應(yīng)gen AI的需求。

　　為了確保gen AI規(guī)�；�的成功，文章提出了七個(gè)關(guān)鍵維度，包括戰(zhàn)略規(guī)劃、人才、操作模型、技術(shù)、數(shù)據(jù)、風(fēng)險(xiǎn)控制和變革管理。這些維度涵蓋了銀行在規(guī)�；痝en AI過程中需要關(guān)注的各個(gè)方面，是成功實(shí)現(xiàn)gen AI潛在價(jià)值的關(guān)鍵要素。