金融行业AI落地的痛点与价值 | F观点

“技术不是命运的判决者，而是自由的量尺。”《AI赋能》中的这句话，精准勾勒出当下AI技术与金融行业融合发展的核心逻辑。

在中欧FMBA“智慧金融•科创未来”招生启动会上，方跃教授发表主题讲座，从GPT-5折射的行业战略调整，到AI在金融领域的落地探索，再到企业与个人面临的机遇挑战，带领大家重新审视AI为金融行业带来的可能性与复杂性。

一、AI技术：竞争态势与战略转向

8月8日发布的GPT-5虽然技术上进步很大，但效果并没有市场预期般的“惊艳”，实际上背后反映出了一个非常大的、以OpenAI为代表的行业龙头企业在战略上的调整。

OpenAI原来的思路是希望打造“通用人工智能”AGI，认为只要构建出能力超强的通用模型，垂直领域与具体应用的探索都将失去意义。然而，AGI的实现难度远超想象，加之市场竞争压力凸显，OpenAI意识到，若一味执着于长远理想，可能会错失当下市场的主动权。因此，GPT-5在功能上侧重编程领域优化，标志着行业从“追求终极技术理想”转向“兼顾落地价值与市场竞争”。

过去三年，AI技术不断突破，飞速发展。从LLM（Large Language Model，大语言模型）创新的关键参与者来看，有以OpenAI为代表的标杆企业，引领大模型研发方向；有谷歌、微软等移动互联网大厂，凭借技术积累与资源优势快速跟进；还有Deepseek等企业，依靠技术突破在细分领域占据一席之地。

当下，对AI人才、芯片、投资等核心资源的争夺战已非常激烈，AI的发展已进入理性阶段：一方面，多领域展现实用价值（如编程辅助、客户服务）；另一方面，市场对AI的认知从“技术崇拜”转向“价值务实”。

那么通用人工智能（AGI）到底何时能实现呢？AGI不是单纯的工具，而是被定义为“数字员工”甚至“数字团队”，能够自主完成复杂任务。行业对AGI实现的预期从2020年的50年，缩短至如今的5年，这一变化对企业与国家意义重大：企业需提前布局技术储备与组织调整，避免在AGI时代落后；而国家层面，AGI发展已成为科技竞争的核心指标。

二、AI认知：持续变革与实践探索

AI技术在发展，企业对AI的认知也在变革，“AI不可逆转”已成为行业共识。具体来看，企业对AI的认知呈现三大趋势：

一是“AI First”：将AI置于战略优先地位，在资源分配、人才招聘、投资决策中向AI倾斜，确保技术对业务的核心驱动作用。

二是“All in AI”：尽管部分企业存在“战略表述与实际行动脱节”的情况，但这一趋势足见行业对AI的重视已上升至生存发展层面，是一种“拥抱AI”的表态。

三是“+AI”“AI+”“AI原生”等概念，它们的区别在于：“+AI”是现有业务加AI提效；“AI+”是借AI创造新的业务模式；而“AI原生”则借鉴“互联网原生”的逻辑，强调企业从创立之初就以AI为核心构建架构，而非后期嫁接技术。

面对AI浪潮，中欧也进行了一系列实践。2022年11月，ChatGPT-3.5发布仅四个月，中欧便举办了国内商学院首场大型AI论坛，邀请到微软、百度、字节跳动、京东的四位嘉宾，以闭门会议的形式深入探讨企业家们眼里的AI。

随后，中欧成立AI教育探索与实践小组，从数百名校友中选出50名AI领域从业者、科技公司创始人或企业AI业务负责人，聚焦“如何应对AI浪潮”、“如何避免行业落后”、“中欧在AI时代的责任”等实际问题。当然后续中欧还开展了非常多的主题活动，对AI的认知也快速提升，我们认为商学院有义务肩负这种责任，带着大家一起往前跑。

三、AI落地现状与核心价值

第一个问题：大家都用AI来干什么？

当前AI落地应用的“生态图谱”已经非常丰富了，To C与To B领域都有很多产品。To C领域，AI产品已经融入日常生活，比如智能语音助手、图像生成工具等，其普及速度远超预期；To B领域，不同行业的应用差异显著——制造业、金融等数据密集型行业应用比较多，而传统行业因数字化基础薄弱，应用相对滞后。

第二个问题则更加关键：你用AI做的这些事到底给你带来了哪些价值？

企业在AI落地中的核心诉求包括提效、降本、创收、优化流程等等，但同时也面临多重现实问题：一是资源浪费与效率低下，国内部分大型银行囤积大量芯片，数据中心算力却未充分利用，这是“重储备、轻应用”的误区；二是技术与业务脱节，企业引入AI后，因缺乏针对性的培训与场景设计，AI工具与业务需求不匹配，难以发挥作用；三是风险防控压力，数据安全、模型生成不实内容、合规性等问题，都在制约着AI的规模化应用。

再从To C端来看，美国调研显示：消费者对手机AI功能的关注度，远低于存储、电池、镜头等基础功能，说明AI尚未成为用户决策的关键因素。一方面，智能手机制造商大力推动人工智能；而另一方面消费者仍然坚持基础需求。

MIT的相关报告也进一步揭示了AI落地的深层困境：企业在AI领域投入巨大，但在营收增长、效率提升、成本降低等核心指标上，未出现明显改善，这种“高投入、低产出”的调研报告引发了市场对“AI泡沫”的担忧。

所以“技术不代表价值”，AI的真正落地与企业文化、组织架构等每一个环节都息息相关，比如执行力如何？员工会不会担心被替代？这些问题不解决的话，技术就仅仅是技术，无法与价值相连。

四、AI时代的金融：从“+AI”到“AI+”

金融行业作为数据密集型领域，与AI的融合具备天然优势；但受到强监管与传统架构的制约，并未展现出超越其他行业的推进速度。

AI时代的金融，目前情况是“金融+AI”，即现有业务加AI优化，比如智能客服替代人工、AI辅助信贷审批等。其本质是流程和效率的提升，并未改变金融业务的核心逻辑。

而未来则是“AI+金融”，借助AI创造新的业务模式。例如用AI服务于传统投行不愿触及的中小企业市场，挖掘中小企业融资需求；通过AI完成合规审查、项目匹配、资金对接等环节等，这些才是金融行业AI应用所追求的方向。

那么如何实现从从“+AI”到“AI+”的根本跨越？要弄懂三个问题：

第一，AI与互联网的本质区别。

AI与互联网虽然都围绕“信息”展开，但本质不同。互联网实现了信息的数字化与连接，但决策与执行仍依赖人类。而AI则能基于数据自主决策并执行任务，形成“智能体”（Agent）。

这意味着，即便是互联网原生企业，也必须在AI时代重新定位自己，否则将迅速沦为“传统企业”。

第二，AI时代的“生产关系”与“生产力”。

生产关系主要是劳动力，今天的劳动力变成了三块——国务院最近的“人工智能+”行动意见明确地提了三类人：自然人、数字人、高智能机器人。自然人是指我们传统人类员工；数字人是指具备智能的AI代理；而高智能机器人则是具备一定自主能力的物理设备。

每家金融机构都会有越来越多的“数字员工”“入职”和“上岗”，成为人类员工的同事，与人类员的协作和融合是决定未来企业生产力的关键。

劳动力的变化会带来生产关系的变化。这三类“劳动力”共同协作，将带来组织架构与管理模式的根本性变革。例如，数字员工应由HR管理还是IT部门负责？如何界定其权责与法律责任？我们如何去跟数字人打交道？这些都是亟待回答的问题。

第三，从“AI原生组织”到“超级智体”。

“AI原生组织”具备三个特征：人智共创，带来业务流程重塑和组织形态的扁平高效；可以很好运用并驾驭AI技术和工具，使个体生产力大幅提升的“超级员工”；拥有人机共生的文化，“硅基员工”与“碳基员工”协作带来的包括工作语言、工作习惯等方面的变化。

而“超级智体”则是企业最终进化的方向，它由三部分组成：人人智体化，人也要进化；机器智人化，即数字员工；组织共智化，向大模型迭代。而企业走向超级智体一般会经历三个阶段：探索与试点，规模化落地，最终真正成为超级智体。

人工智能时代，“科技”与“产业”的界限正在消融，获胜的品牌不一定是市场规模最大的，而是那些赢得信任、快速行动并精确利用其专有数据的品牌。

中欧金融MBA作为中欧第一个专业方向的在职MBA课程，在金融AI演进中承担着“桥梁”角色——我们不培养AI技术专家，而是从管理与领导力的视角，帮助金融管理者理解AI趋势，应对变革挑战，培养“懂AI、懂业务、懂管理”的复合型领导人才。