1、全球银行与证券咨询业务 人工智能技术已成为世界不可或缺的一部分。银行应规模化部署AI技术，在组织各个层面进行全方位转型。唯有此，才能与时俱进，续写成功。2020年12月 Getty Images作者：Suparna Biswas，Brant Carson，钟惠馨（Violet Chung），Shwaitang Singh，Renny Thomas 2016年，AlphaGo机器人击败了曾18次问鼎世界围棋冠军的李世石。围棋是高度复杂的棋类游戏，需要强大的直觉、想象力和战略思维，长期以来这些能力一直被视为人类所独有。时至今日，人工智能（AI）技术已取得更为长远的进步1，给许多行业带来更深远的变革

2、。AI支持的机器可根据个人品味和偏好给出量身定制的数字化建议、为时尚零售商设计产品线、甚至在癌症检测上已开始赶超经验丰富的医生。麦肯锡估计，AI技术每年可为全球银行业创造高达1万亿美元的增量价值。然而，许多银行仅围绕零星用例开展AI试验，难以实现全组织范围的大规模应用。背后的原因可能是银行缺乏明确的AI战略、核心技术僵化与投资不足、数据资产分散以及运营模式过时（阻碍了 业务和技术团队间的协作）。而新冠疫情加速了数字化互动趋势，金融服务领域已成为科技巨头进军的下一个相邻市场。要赢得竞争并蓬勃发展，传统银行必须成为“AI先行”机构，并将AI技术作为打造新价值主张和独特客户体验的基础。为帮助金融机构

3、领导者阐释清晰的愿景并制定“AI先行”转型路线图，本文将探讨以下四个问题：1.银行为何必须“AI先行”？2.未来的AI银行何种面貌？3.哪些因素阻碍银行大规模部署AI能力？4.要做到“AI先行”，银行如何转型？几十年以来，银行不断采用最新的技术革新并重新定义客户互动方式。银行在1960年代推出了ATM，在1970年代推出了基于卡片的支付方式。在2000年代，24/7全天候在线银行普及，2010年代，基于移动技术“随时随地办业务”模式广泛出现。如今，很少有人会否认我们已处于AI赋能的数字化时代，数据存储和处理成本不断下降，信息获取与互联程度普遍提升，人工智能技术飞速发展。AI技术能提高自动化程度

4、，在风险控制得当的情况下，能提升人为决策的速度和准确度。其在各个行业的价值创造潜力无与伦比，例如AI技术每年可为银行业带来1万亿美元的增量价值（图1）。超过25个用例表明3，AI技术能够为客户（和员工）带来更多个性化服务，从而提升营收。通过提高自动化程度、降低错误率和改善资源利用率实现效率提升，从而降低成本。此外，基于更强的海量数据处理能力与洞见获取能力，AI技术还能发现新的、尚未实现的机会。更广泛而言，颠覆性AI技术能够显著提高银行在以下四方面的能力：利润提升、大规模个性化、独特的全渠道体验以及快速的创新周期。未能把AI技术置于战略和运营核心的银行，将面临被竞争对手超越、被客户弃用的风险，而

5、当前的四大趋势进一步加剧了这一风险：1 AI可以定义为机器执行与人类思维相关的认知功能（例如感知、推理、学习和解决问题）的能力，这包括多种能力，例如机器学习、人脸识别、计算机视觉、智能机器人、虚拟主体和自动驾驶汽车。请参见2019年9月文章“Global AI Survey:AI proves its worth，but few scale impact”，McK2“The executives AI playbook,”McK.3 交互式浏览请参见: 随着数字银行的广泛应用，客户预期不断提高。在新冠疫情暴发的最初数月，各个国家/地区使用网上银行和手机银行的人数估计增加了20至50，并有望在疫

6、情消退后继续维持在这一较高水平。危机结束后，全球各个市场预计将有15至45的消费者减少对实体网点的造访。4随着更多消费者使用数字银行服务，他们的服务预期也在不断提高，而且会对标领先的消费互联网公司。而这些提供卓越数字化体验的领先公司还在不断提高个性化水平，有时甚至能预测客户潜在需求，并在适当时间通过适当渠道为其提供量身定制的服务。领先金融机构稳步增加高级AI技术应用。麦肯锡全球人工智能调查报告5中，近60的金融服务业受访者表示，他们的机构已经整合了至少一项AI功能。最常用的AI图 1总年均价值潜力，十亿美元资料来源：“The executives AI playbook,”McK.（“银行业务

7、”-“价值与评估”页面下）AI与分析技术每年为全球银行业带来的潜在价值可高达1万亿美元1,022.4(销售占比15.4%)传统AI与分析技术高级AI660.9361.5高级AI技术所推动的价值占比，按职能划分100500营销和销售：624.8363.8 261.1风险：372.9288.6 84.3人力：14.28.6 5.7财务与IT：8.00.0 8.0其他运营职能：2.4 0.0 2.44 John Euart，Nuno Ferreira，Jonathan Gordon，Ajay Gupta，Atakan Hilal，Olivia White所著文章“A global view of f

8、inancial life during COVID-19an update”，McK，2020年7月5 Arif Cam，Michael Chui，Bryce Hall所著文章“Global AI Survey:AI proves its worth，but few scale impact”，McK，2019年9月3展望人工智能银行:当银行遇到AI技术包括：处理结构化运营工作的机器人流程自动化（36）；用于客户服务部门的虚拟助手或对话界面（32）；以及用于检测欺诈行为并支持贷款审批与风险管理的机器学习技术（25）。虽然对很多金融机构而言，人工智能应用仍然较为零星，且往往只针对特定用例，但越

9、来越多银行业领军者已开始通过系统性方法部署高级人工智能，并将其整合到贯穿前后台的全生命周期之中（图2）。数字生态系统正在推动传统金融服务脱媒。通过统一的访问点即可获取多元的服务组合，数字生态系统已经深刻改变了消费者发现、评估和购买商品与服务的方式。例如，中国的微信用户不仅可以收发消息，还可以用同一款App预定出租车、网购食品、预约按摩、畅玩游戏、向联系人转账以及获取个人信贷额度。同样，在其他国家/地区，非银企业和各种“超级App”正将金融产品和服务整合进自己的客户旅程，为客户提供极具吸引力的体验，不断颠覆获取金融产品与服务的传统方式。因此，银行需要重新思考如何参与数字生态系统，并通过AI技术充

10、分利用从新来源获取的数据。图 2Web Exhibit of 银行正扩大对技术的使用以改善客户体验与后台流程前台后台“微笑支付”面部扫描以发起交易微表情分析与虚拟贷款专员生物识别（语音、视频、指纹）进行身份验证和授权 检测欺诈迹象和网络安全攻击的机器学习算法对话型机器人处理基本的服务请求网点服务客户的人形机器人 用于扫描和处理文件的机器视觉与自然语言处理用于风险监控的实时交易分析4展望人工智能银行:当银行遇到AI 科技巨头正进入金融服务市场，并将其视为核心业务之外的关键领域。在全球范围内，领先的科技巨头已建立起非凡的市场优势：庞大且高度互动的客户网络；海量数据资源让其对客户个体的了解越发可靠和

11、准确；开发和扩展创新技术（包括AI技术）的天然优势；以及低成本的资金获取渠道。在过去，科技巨头不断激进地探索相邻业务，以寻找新的收入来源并通过一系列新产品保持客户黏性。大型科技企业已经在特定的金融服务领域中立足（尤其是支付业务以及一部分贷款和保险业务），他们将很快寻求扩大优势，加深影响力并扩展规模。在AI赋能的数字化时代，要满足客户不断提高的预期并在竞争中取胜，“AI先行”银行所提供的主张与体验应当：智能化（推荐最优行动、预期关键决策并实现决策或任务自动化），个性化（实用、及时且基于对客户过往行为和背景的细致了解），全渠道（无缝覆盖多个设备，包括实体和线上情景，并提供一致的体验），并将银行的能

12、力（包括银行业务范围以外）与相关产品和服务融合在一起。图3展示了AI银行如何全天候与零售客户互动；图4展示了 小型企业所有者或中型企业财务主管的银行业务体验。图 3AI技术如何变革零售客户的银行业务姓名：Anya年龄：28岁职业：专业人员 个性化 全渠道银行业务及更多 智能与非银行App无缝整合银行App识别Anya的消费方式，并推荐附近咖啡店的咖啡人脸识别进行无障碍支付Anya使用微笑支付发起付款分析支持的个性化优惠报价Anya基于其运动和睡眠习惯得到2%的健康险保费优惠个性化现金管理解决方案App提供现金管理与储蓄解决方案，并优先进行刷卡支付汇总每日活动概览Anya收到由增强现实支持的当日

13、活动概述以及账单提醒储蓄与投资建议Anya收到综合投资组合概况以及一系列可能增加回报的行动建议借助增强现实技术，Anya接到当日交易活动一览以及待付账单提醒借助增强现实技术，Anya接到当日交易活动一览以及待付账单提醒5展望人工智能银行:当银行遇到AI在内部，“AI先行”机构将通过手动任务的极致自动化（“零操作”概念）以及在银行运营的各个领域以高级诊断引擎替换或增强人为决策，从而提高运营效率。运营绩效提升带来的收益，将从广泛的传统和尖端AI技术应用（例如机器学习和人脸识别）投资，流向对庞大而复杂的客户数据（近乎）实时的分析上。未来的AI先行银行也将拥有当今数字原生企业的速度和敏捷性。银行将快速

14、创新，在数天、数周而非数月的时间内发布新功能。银行还将与合作伙伴广泛协作，提供覆盖各个旅程、技术平台和数据集、无缝整合的全新价值主张。图 4AI技术如何变革中小企业客户的银行业务姓名：Dany年龄：36岁职业：小型制造企业财务负责人 个性化 全渠道 银行业务及更多 智能定制化贷款解决方案用于贷款审核的微表情分析Dany填写简短的调查问卷;App扫描其面部动作申请获批后资金划入公司账户银行与客户业务管理系统集成Dany基于公司预计的现金流获得贷款无缝的存货与应收账款管理App给出续订物品建议、提供虚拟应收账款报告Dany收到定制化的发票贴现、保理等解决方案用于寻找供应商和买家的中小企业平台Dan

15、y在寻找和选择供应商与合作伙伴上得到协助银行业务以外的支持服务Dany拿到预填的税务文件进行审核与批准;可一键提交AI支持的虚拟顾问提供服务AI支持的虚拟顾问解决问询Dany寻求对一笔贷款要约专业咨询6展望人工智能银行:当银行遇到AI传统银行面临两套目标，初看上去两者似乎存在矛盾。一方面，银行需要追上金融科技企业的速度、敏捷性与灵活性；另一方面，他们必须满足传统金融服务企业规模化、安全性和监管上的要求。尽管金融业每年在“银行变革”技术举措上投入数十亿美元，但很少有银行能够成功地在全组织范围推广和扩展AI技术应用。在银行所面对的各类阻碍中，缺乏明确的AI战略最为常见6。很多银行也面临另外两项挑战

16、，首先是核心技术和骨干数据薄弱，其次是运营模式与人才战略过时。银行的核心技术系统最初以稳定性为目的，其表现堪称良好，特别是在支持传统支付和贷款业务方面。然而，银行必须先解决旧系统固有的弱点，才能开始大规模部署AI技术（图5）。第一，闭环AI应用有特定的可变计算、数据处理和实时分析要求，而传统系统往往缺乏支持上述需求的容量与灵活性7。核心系统也很难做出调整，其维护需要花费大量资源。此外，在许多银行，数据存储分散在多个孤立部门（分离的业务和技术团队），分析工作仅针对独立用例。若没有集中的数据骨干，要在适当时候分析相关数据并生成智能推荐或产品建议几无可能。如果说数据是AI应用的基本原料，那么银行应在

17、保证安全性的前提下，对数据进行有效管理，让整个组织在“决策点”上（近乎）实时、规模化地为数百万客户分析内外部数据。最后，为规模化部署各类分析和高级AI模型，银行需要一套可靠的工具和标准化流程，通过可复制、“工业化”的方式构建、测试、部署和监控模型。银行的传统运营模式阻碍了持续性创新。大部分传统银行的组织架构是基于不同的业务线，技术和分析团队则作为成本中心集中化管理。业务负责人单方面确定目标，与企业的技术和分析战略（若存在）通常缺乏统一、或协调性较差。孤立的工作团队以及瀑布式开发流程往往导致延误、成本超支和绩效欠佳。此外，很多组织缺乏“测试-学习”观念以及有力的反馈循环，无法推动快速试验与迭代。

18、由于过往项目和试验效果不佳，业务高管在关键功能上往往倾向于依靠第三方技术提供商，导致内部人才和能力逐渐枯竭，无法建立起竞争优势。6 Michael Chui，Sankalp Malhotra所著文章“AI adoption advances，but foundational barriers remain”，McK，2018年11月7“闭环”是指：将智能模型（近乎）实时地应用于传入数据，该数据继而实时地完善向用户呈现的内容。7展望人工智能银行:当银行遇到AI图 51应用程序接口。投资核心技术对满足日益增长的可扩展性、灵活性和速度需求至关重要 云数据API1挑战 云计算带来的助益核心/遗留系统难

19、以充分实现规模化（例如，每秒150笔以上的交易）维护基础设施需要大量时间、工作量和团队人员开发和测试环境的准备时间漫长（例如，某些情况下需要40天以上）通过基础设施虚拟化实现更高的可扩展性以及服务和平台韧性 降低IT开销，实现多项基础设施管理任务的自动化，并支持开发团队“自助工作”加快上市时间；通过提供托管服务显著减少用时（例如，在几分钟内而非几天内设置新环境）错误率高；刷新率差；缺乏关键事实口径多个不同用例难以及时访问数据困于多个部门孤岛之中，难以与外部数据源整合 确保高度准确性和单一事实口径，且具有成本效益实现相应角色对不同用例的及时访问（例如，监管、大规模商业智能、高级分析和机器学习、探

20、索性用例）实现全组织的360度视图，支持通过决策算法和模型产生更深刻的洞见 挑战一流的数据管理带来的助益上市时间较慢，内部团队之间代码和软件的重复利用性有限 难以与外部伙伴协作或合作；整合用时漫长用户体验欠佳 难以在多个部门孤岛间整合数据与服务，以提出统一的价值主张挑战API带来的助益支持获取精细服务（内部和外部），促进重复利用并加快开发速度降低复杂度并加速与外部伙伴的协作支持跨团队及时获取数据与服务，提升客户体验；通过减少协调需求与跨团队测试加快上市时间8展望人工智能银行:当银行遇到AI银行需通过系统性方法部署AI技术，以克服在全组织范围部署时面临的阻碍。要做到“AI先行”，银行必须对综合功

21、能栈中全部四个层次的转型能力（图6）进行投资，这包括：互动层、AI支持的决策层、核心技术与数据层以及运营模式。后文将阐释，这些相互联系与依赖的层次如果能够协同运转，将推动银行为客户提供独特的全渠道体验、实现大规模个性化、并加快创新周期（对于在当今世界保持竞争力至关重要）。每一层次都有其独特作用，对任何一层投入不足都会造成薄弱环节，从而影响整个企业。本文后续各节将探讨银行在上述功能栈的每一层次所要做出的具体变革。第1层：重构客户互动层越来越多的客户要求银行参与终端客户旅程，了解其应用情景与需求，从而时刻提供无缝的卓越体验。很多银行业务（例如支付、某些类型的贷款）正在“隐形化”，因为旅程的起止常常

22、发生在银行平台以外的客户界面。要让银行全方面覆盖客户生活，通过全渠道满足客户潜在与新的需求，银行需要重新构想与客户的互动方式并做出几项关键转变。首先，银行不应局限于提供高度标准化产品，而应该以最大化满足客户需求为目标提供综合性的产品及服务8。这要求银行在核心客户旅程中嵌入个性化决策（提供什么，何时提供，通过何种渠道提供）、设计核心银行产品之外的价值主张、并引入能够代客自动执行决策与业务的智能技术。此外，银行应整合相关非银产品与服务，与核心银行产品一起满足客户的综合性需求。金融科技公司Tally帮助客户应对管理多张信用卡的困扰，其过程很好地展现了“最大化满足客户需求”。该金融科技公司解决了客户多

23、个痛点，包括决定哪张卡优先还款（根据其每月收入和支出预测）、何时还款以及还款金额（最低还款额vs本金偿还），客户自己通常无法高效处理这些复杂事务。第二个必要的转变是将客户旅程无缝整合到合作伙伴生态系统与平台中，从而使银行能够在应用场景与客户互动，并在此过程中利用合作伙伴的数据与渠道平台来提高客户参与度和使用率。印度工业信贷银行（ICICI Bank）在WhatsApp（印度流行的通讯平台）中嵌入了基本的银行服务，并在发布后的三个月内将其扩展至100万用户9。当今消费者和企业日益依赖数字生态系统，银行应决定参与各类生态系统的方式（自建、统筹协调或合作），并相应地调整其互动层功能。第三，银行需要重

24、新设计整体客户体验和全渠道互动中的特定旅程。这包括实现客户在同一旅程中多种模式（例如，网页、移动应用、网点、呼叫中心、智能设备）间的无缝切换，保留并不断更新最新的互动情景。领先的消8 Clayton M.Christensen，Taddy Hall，Karen Dillon，David S.Duncan所著文章“Know your customers jobs to be done”，哈佛商业评论，hbr.org，2016年9月9“ICICI Bank crosses 1 million users on WhatsApp platform”，Live Mint，2020年7月7日9展望人工智

25、能银行:当银行遇到AI图 6要成为AI先行机构，银行需精简其功能栈以实现价值创造重新构想互动层AI支持的决策层核心技术与数据层经营模式与工作方式未来的AI银行盈利能力大规模个性化全渠道体验速度与创新面向客户和员工的智能产品、体验与工具银行内部的渠道与旅程 （例如网页、App、移动端、智能设备、网点、物联网银行外部的渠道与旅程(例如生态系统、合作伙伴、分销商）智能服务与运营 数字化营销 新客获取授信决策服务与互动留存与交叉/追加销售监控与催收高级分析 AI能力 核心技术与数据层A.未来技术战略（内部构建差异化能力vs购买产品服务，内部人才计划）B.AI世界的数据管理 平台运营 模式A.自治型“业

26、务+技术”团队 B.敏捷工作方式 C.远程协作D.现代化人才与招聘E.文化与能力价值获取 1234C.现代API架构D.智能基础设施 (AIOps Command、混合云设等）E.精简核心（核心现代化）F.网络安全和管控级别5 678910 新客获取人脸识别区块链 机器人技术 行为分析 计算机视觉虚拟主体/机器人语音脚本分析10展望人工智能银行:当银行遇到AI费互联网公司已凭借O2O业务模式改变了客户预期。一些银行正奋力推进全渠道旅程设计，但大多数银行在这方面仍需努力。重新构想AI银行的互动层需要银行对非银渠道客户互动拥有清晰的策略。银行在其平台内外构建客户体验时，需要采用设计思维，互动界面接

27、口的设计应保证灵活性，从而满足客户定制化与个性化需求。后端流程也需要重新设计，并确保将数据捕获漏斗（例如点击流）精细地导入到银行的互动层中。所有这些都旨在更细致地了解客户旅程，并持续改进10。第2层：打造AI支持的决策层要在各互动渠道中（近乎）实时地向数百万用户和数千名员工提供个性化消息与决策支持，银行需开发由AI支持的大规模决策层。在银行的各业务领域中，人工智能技术往往可以完全替代或增强人为判断，从而显著改善业务结果（例如，更高的准确性与速度）、提升客户体验（例如，更具个性化的交互与产品）、赋能员工（例如，首先与哪个客户联系并给出下一个最佳行动建议）以及加强风险管理（例如，更早发现可能的违约

28、和欺诈行为）。为建立强大的AI支持决策层，银行需要跳出开发特定用例和单点解决方案的思维模式，制定在所有业务领域部署高级分析（AA）/机器学习（ML）模型的全行路线图。举例而言，仅在无担保消费贷款领域，就有超过20项决策可以实现自动化11。为推动大规模开发决策模型，银行需要让开发过程具备可重复性，从而保证解决方案的有效和准时交付。除了 业务团队和分析人才之间的紧密协作，银行也需要强大的工具进行模型开发、提高流程效率（例如，跨项目重用代码）、以及跨团队传播知识（例如，知识库）。除了跨业务领域大规模开发决策模型，路线图还应将AI整合到日常业务流程。这项工作常常被低估：整合AA/AI模型的目标业务流程

29、需要重塑；AI决策应能够“解释”给最终用户；处理员工观念转变和技能差距的变革管理计划也需就位。为了在首次部署后推动持续改进，银行还应建立基础设施（例如，数据测量）与流程（例如，对性能的定期检查、AI模型的风险管理），以强化反馈回路。此外，银行需要利用新的功能（例如自然语言处理、计算机视觉技术、AI主体与机器人、增强或虚拟现实）强化核心业务流程中的本地AI模型。上述前沿能力中很多都拥有从根本上改变客户体验和/或运营效率的潜力。尽管许多银行可能缺乏相应人才以及自行开发上述技术的必要投资意愿，但他们至少能通过API支持的系统架构，以最快速度从专业提供商处采购并集成这些新能力，并在沙盒环境中持续推动对

30、这些技术的试验，从而测试和优化应用程序并评估潜在风险，继而决定大规模部署哪些技术。10Jennifer Kilian，Hugo Sarrazin，Hyo Yeon所著文章“Building a design-driven culture”，McK，2015年9月11 Renny Thomas，Vinayak HV，Raphael Bick，Shwaitang Singh所著文章“Ten lessons for building a winning retail and small-business digital lending franchise”，McK，2019年11月11展望人工智能银

31、行:当银行遇到AI为实现上述决策和功能并与客户在整个生命周期互动（从获客到追加销售与交叉销售，再到客户留存与挽回），银行需建立企业范围的数字营销机制。该机制的关键在于将决策层产生的决策与洞见转化为互动层一系列协同性干预措施，其中几项关键要素包括：从银行内部（例如，来自App的点击流数据）和外部（例如，与电信提供商的第三方合作）的多元数据源捕获各类数据的提取管道；汇总、开发和维护360度客户视图、并让AA/ML模型能够近乎实时运行和执行的数据平台；跟踪过往行动并在互动层全渠道范围内统筹协调前瞻性干预措施的活动平台。第3层：加强核心技术与数据基础设施在整个组织内部署AI功能，银行需要一系列可扩展、

32、有弹性且适应性强的核心技术组件。核心技术骨干薄弱以及现代化技术投资不足，大大降低了决策层和互动层的有效性。核心技术与数据层包含六个关键要素（图7）：未来技术战略。银行应拥有与业务战略紧密结合的统一技术战略，并就关键问题做出战略性选择，即哪些要素、技能组合和人才应留在内部，哪些则应通过合作伙伴或供应商获得。此外，技术战略需阐明目标架构各个组成部分如何支持银行成为“AI先行”机构，以及如何与功能栈的每一层进行交互。AI环境中的数据管理。银行数据管理必须确保数据的流动性，即访问、提取和操纵数据的能力，这是决策层产生任何洞见与决策的基础。打破部门孤岛可提升数据流动性，让多个部门更好协调对同一数据的操作

33、。数据价值链的起点即从所有相关内部系统和外部平台中获取数据。这包括将数据提取到数据湖中，清理并标记各类用例所需的数据（例如，监管报告、大规模商业智能、AA/ML诊断），以及对立即用于分析的传入数据（从现有或潜在客户处）与待清理标记以备未来分析的数据进行分离。此外，在设计和构建集中式数据管理基础设施时，银行应开发其他控制和监控工具以确保数据安全性、隐私性和监管合规性（例如，全行各部门对不同用例的及时访问）。现代化API架构。API类似于结缔组织，能实现对银行内外部服务、产品和数据的可控访问。在银行内部，API可减少建立孤岛的诱因，提高技术资产的可重用性，并促进技术架构的灵活性。在银行外部，API

34、可促成建立外部合作的能力、解锁新商机并提升客户体验。API确实能够带来巨大价值，但必须首先确定其使用领域并建立集中化的治理机制以支持其开发和管理。Renny Thomas，Vinayak HV，Raphael Bick，Shwaitang Singh所著文章“Ten lessons for building a winning retail and small-business digital lending franchise”，McK，2019年11月12展望人工智能银行:当银行遇到AI图 71应用程序接口。在核心技术与数据层，云计算的使用日益增加、旧有技术则不断减少能力我们的观点未来技术

35、战略AI环境中的数据管理现代API架构智能基础设施核心精简网络安全和管控级别通过强化内部技能基础打造内部差异化能力;仔细权衡购买、自建以及基于最佳解决方案组建模块化架构的选项升级数据管理和基础架构，利用云、流数据和实时分析技术支持大规模机器学习用例利用现代化云原生工具实现支持复杂业务流程的可扩展API平台，同时在整个生态系统中提升整体体验在本地和云环境中实施“基础架构即代码”；采用AI-Ops提高平台韧性，以支持深度诊断、自动恢复与自动扩展在整个企业栈中分配事务处理；有选择地识别可外部化的组件以推动更广泛的再使用、标准化和效率提升在混合基础设施中落实完善的网络安全架构；通过“零信任”设计原则与

36、集中式指挥控制中心确保数据与应用程序安全 Arul Elumalai，Roger Roberts所著文章“Unlocking business acceleration in a hybrid cloud world”，McK，2019年8月 智能基础设施。不同行业的公司纷纷增加在共有和私有基础设施上处理的工作比重，有充分证据表明基于云的平台可实现更高的扩展性与弹性，后者对于“AI先行”战略至关重要13。此外，基于云的基础设施能够降低IT维护成本，并支持开发团队的自助服务模式，从而通过提供托管服务（例如，在几分钟而非几天内设置新环境）加快创新周期。第4层：向平台运营模式过渡未来的“AI先行”银

37、行需要采用新的运营模式，从而在其他各个层次实现必要的敏捷性、速度并创造价值。尽管大多数银行的技术平台和资产都更加模块化、更灵活，但银行内部团队仍然在部门孤岛中以欠佳的协作模式运转，且对目标和重点缺乏统一认识。13展望人工智能银行:当银行遇到AISuparna Biswas是麦肯锡全球董事合伙人，Shwaitang Singh是麦肯锡副董事合伙人，Renny Thomas是麦肯锡全球资深董事合伙人，均常驻孟买分公司。Brant Carson是麦肯锡全球董事合伙人，常驻悉尼分公司。钟惠馨（Violet Chung）是麦肯锡全球董事合伙人，常驻香港分公司。作者感谢Milan Mitra，Anushi

38、 Shah，Arihant Kothari和吴伊虹（Yihong Wu）对本文的贡献。麦肯锡公司 2020 年版权所有。在平台运营模式下，跨职能的业务和技术团队构成了银行内部的一系列平台。每个平台团队都控制着自己的资产（例如技术解决方案、数据、基础设施）、预算、关键绩效指标以及人才。另一方面，这些团队向银行的最终客户或银行内的其他平台提供一系列产品或服务。在目标状态下，银行的平台团队原型可分为三类。业务平台是面向客户或合作伙伴的团队，致力于在消费贷款、对公贷款和交易银行等业务领域创造业务成果；企业平台提供专业化能力和/或共享服务，在整个组织中建立标准，包括催收、支付基础设施、人力资源和财务；支

39、持平台则让企业和业务平台能够实现跨领域的技术功能，例如网络安全与云架构。通过将业务和技术整合到由跨职能团队运营的共有平台中，银行可以打破组织孤岛、提高敏捷性与速度、并让全行在目标和重点上实现统一。迈向“AI先行”银行需要在功能栈全部四个层次具备转型能力。忽视任何一层的挑战或对任何一层投入不足都会波及全局，导致功能栈欠佳而无法实现银行的业务目标。务实的做法是先评估银行的战略目标（例如增长、盈利、客户互动、创新），以及如何通过一系列AI技术切实实现该目标，并确保AI目标与银行战略目标吻合。在达成一致性后，行领导应全面诊断银行在四个层次的现状，以确定所需的关键转变、额外投资和新型人才。之后可将这些见解转化为涵盖业务、技术和分析团队的转型路线图。针对组织特点量身定制执行方案同样重要。为确保变革的可持续性，我们建议银行采用双轨制，在能产生季度性业务价值的短期项目与迭代构建长期能力之间取得平衡。此外，根据自身市场地位、规模和目标，银行无需独立建设所有能力。他们可选择将差异化的核心能力保留在银行内部并从技术供应商与合作伙伴处（包括AI专家）获取非差异化的功能。对许多银行而言，在全行范围内大规模采用AI技术已成为战略必需。而能否在上述四个层次全面重构银行的技术能力将决定其未来成败。14展望人工智能银行:当银行遇到AI