1. 生成式AI的实施：近80%的银行机构正在战术性地实施生成式AI，尤其在风险与合规以及客户互动领域取得进展。8%的银行采取更系统化的方法，更广泛地在多个业务领域实施生成式AI。
2. AI优先事项：银行决策者认为风险控制、合规报告和客户互动是生成式AI的高价值领域。数据隐私和客户信任是成功互动的关键。
3. AI治理的重要性：银行高管需要成为AI风险管理者，面临网络安全漏洞、法律不确定性、结果准确性控制和模型偏差等挑战。
4. 生成式AI的潜力：生成式AI可以重新定义银行在客户关系领域的竞争优势，改进核心银行业务，加强网络安全，并提高生产力和效率。
5. 宏观经济影响：利率上升和通胀对银行业造成影响，银行需要在控制短期衰退风险与促进长期增长之间找到平衡。
6. 客户体验：改善客户体验是金融服务CEO的首要任务之一。数字化渠道成为客户互动的主要平台，客户期望获得全渠道的一致体验。
7. 技术投资：银行业的技术投资占全球技术支出的14%，但技术支出与财务绩效之间的联系并不直接。技术的有效利用对提高服务价值和客户支付意愿至关重要。
8. 生成式AI在IT开发中的应用：生成式AI可以加速软件开发，提高开发效率，帮助识别编码错误和安全漏洞。
9. 风险与合规：生成式AI对风险承受能力和风险因素组合带来挑战，但同时也有助于增强网络安全和减轻合规负担。
10. 可信AI平台：建立可信的AI平台对于管理价值、创新和风险至关重要，需要强大的技术和文化基础以及切实可行的AI治理方法。
11. 行动指南：报告提出了十项行动指南，帮助银行探索AI优先事项，整合数据和AI到核心业务流程，并扩展AI用例。
12. 技能缺口：生成式AI可以帮助解决技能缺口，提高竞争力，但需要重新培训和采用新的人才组合。
13. AI相关风险管理：银行需要重新思考数据和隐私的处理方式，考虑GDPR和知识产权保护等因素。
14. 案例研究：报告提供了多个案例研究，展示了生成式AI在银行业的实际应用和潜在价值。

更多推荐：创新研报｜AI技术展望2024-拐点：重塑人类潜力 (runwise.co)