本文编译自GARP风险智库 Technology - Risk Weighted 主题博客“Generative AI Has Made Banking Cheaper - But Has It Made It Better?”一文。作者Tony Hughes是一位资深的风险建模专家，在北美、欧洲和澳大利亚有超过20年的高级风险管理经验，专注于模型风险管理、模型构建/验证以及气候风险量化解决方案。他在UnpackingClimateRisk.com网站上定期撰写有关气候风险管理的文章。
像ChatGPT这样的大型语言模型引领了新一轮的人工智能（AI）浪潮，它们有望为银行节省时间和成本，甚至在某种程度上降低风险。然而，对于生成式AI的长期影响，人们也持有理性怀疑态度。
自20世纪50年代诞生以来，人工智能的发展经历了几次乐观的高峰期和悲观的低谷期。
过去十年，随着能够理解和生成自然语言的计算机系统崛起，人工智能迎来了迄今为止最具影响力的繁荣时期。然而，生成式AI的持久力现在成为了一个热门话题，许多人认为这些进展远未达到最初的预期。
这些新工具已经成为银行业的重点关注对象。然而，在银行业中，这些工具究竟带来了多大的收益？对生成式AI的怀疑情绪是否会迅速蔓延？
对ChatGPT及其他生成式AI系统的主要担忧在于，它们有时会给出令人失望或令人困惑的结果——这被称为“幻觉现象”。尽管对此问题的研究仍在继续，但这种现象被形容为“无法解决的3%问题”。
另一方面，也有迹象表明，生成式AI对银行生产力的提升具有巨大潜力。例如，花旗全球视野与解决方案（Citi GPS）的一份报告估计，54%的银行岗位可能会因AI而被取代——但或许他们只是对新技术的潜在好处抱有过高的期待？
同样，银行需要遵守许多监管规定，这些合规工作虽然带来成本，却对利润贡献不大。如果生成式AI能够帮助银行以更低的成本完成这些合规任务，对股东来说，将带来显著的回报。
去年，我曾设想，AI可能有助于解决某些产品中存在的数据不足问题，甚至能够拓展金融服务的覆盖面，惠及那些目前服务不足的群体。此外，生成式AI在欺诈检测方面也有巨大的潜力，这种问题通常难以通过结构化建模来解决。
然而，从数据上看，这些潜力实现的程度仍然难以辨别。如果银行在信贷业务中取得了显著的进展，利息收入的差额应该增加。然而，自上世纪90年代中期以来，美国银行业的整体净利息收益率（NIM）一直呈下降趋势，且在2023年，大多数大型银行的这一指标仍在继续下滑。
简言之，如果生成式AI要真正颠覆银行业，它不仅需要取代大量低价值的岗位，还必须超越简单地通过自动化完成枯燥的监管任务，或仅仅为银行节省一些成本。
生成式AI：跨行业的演变
在我自己最初使用ChatGPT进行零售和企业信用风险评估的过程中，我发现这项技术令人印象深刻，但也有其局限性。我们还可以通过观察其他行业的商业应用，来更好地了解生成式AI的影响。
在今年3月发表的Substack文章中，AI早期的怀疑论者Gary Marcus指出，生成式AI的商业应用仍然非常有限。除了能够生成一些不太稳定的文本外，这一工具对程序员来说是有些帮助的——我最近发现这一点，当时我想重拾已久未用的编程技能，以便进行“大数据”统计探索。根据我的经验，在调试阶段需要非常谨慎，但毫无疑问，生成式AI是一个重要的时间节省工具，甚至是帮助那些随着年龄增长而放弃编程技能的人重新启用的工具。
在早期，生成式AI在写作和学术领域也留下了印记。有报道称，部分由ChatGPT撰写的文章已经出现在了同行评审期刊上。如果有意愿，本科生似乎也找到了一种新的方式作弊——这种方式几乎难以被繁忙的教授们察觉。
但更高效的编程和帮助本科生作弊显然不足以支撑与AI相关股票的巨大估值。由于对输出准确性的持续质疑，且尚未出现能够彻底改变我们生活的“颠覆性应用”，人们担心这股资金热潮可能无法带来预期的回报。
如Marcus所指出的，除非ChatGPT的第五个版本很快推出，并且能达到业界的预期，否则他认为这一泡沫可能破裂，新的失望谷底将不可避免。
进一步的想法
那么，生成式AI的影响是否被过度宣传了？可能是的。目前来看，银行业预期的收益在现实世界的数据中尚难以察觉。银行也没有免于Marcus观察到的那种经济困境。
我怀疑，AI要么会迅速消退，要么迎来爆发！正如Marcus所说，这可能取决于下一次重大突破的成功与否。
如果AI的泡沫真的破裂，那么这个时代的讽刺标志或许将是硅谷银行的倒闭。在AI乐观浪潮达到顶峰时，距离这一中心最近的银行却宣告破产。
我不想打破这股热潮，但这会是一个预兆吗？还是AI浪潮会继续推动银行业的变革？只有时间会给出答案。
行动起来，获得FRM®认证，向顶级雇主展示你的金融风险管理技能。
点击阅读原文登录GARP官网了解更多有关FRM的信息。
