当AI快速融入资管与财富管理行业的链条，每一家行业机构都不得不重新回答一个问题，自己的护城河到底是什么
文｜财经》记者 黄慧玲
编辑｜郭楠 陆玲
“有了AI以后，我们第一次真正意义上了解客户没有说出口的需求。他跟你说‘没事，我可以承担风险’，但真正风险来的时候，他就要骂你了。”盈米基金董事长肖雯惊讶地发现，AI对客户行为数据的深度挖掘，包括操作习惯、持仓时长、咨询内容甚至浏览记录，使得他们获得了远超以往的客户洞察能力。
从辅助工具到核心环节
AI时代，什么不可替代？
AI落地的瓶颈
对行业而言，当前更现实的命题是，AI如何更好地在财富管理业务中落地。何华给出了一个直截了当的判断：AI落地的真正瓶颈已不在模型本身。“AI本身不重要，大模型太方便了。真正想实现从投资资管角度的价值，更缺的是底层数据和底层模型。”何华与大量金融机构打交道后的判断是，国内约80%的金融机构尚未做好底层数据和底层模型的搭建。“海外金融机构在二三十年前就开始了数字化转型，我们的数字化转型是过去五年里的事。当机构开始拥抱AI的时候，会发现底座很松动，没办法真正实现它的价值。”这一判断与肖雯的实践观察吻合。她提出，很多企业把模型安装了但是用不起来，只能做OA办公自动化，根本原因在于数字化能力不够。“如果没有数字化的基础，AI智能化是没有基石的。我们跟合作伙伴合作时，一般做的第一个项目就是数据治理，把企业所有孤岛数据、分布在不同部门的客户和业务流程数字化，这样才有智能化的基础。”数字化底座之外，Alpha来源的转移也带来了新的挑战。过去数年行业的主流方法论，包括多因子模型、量化选股、行业轮动等建立在可标准化、可回测的信息之上。当AI令这类信息的获取与分析成本急剧降低，大量策略面临Alpha衰减。“真正可能留存甚至放大的Alpha，是来自私域数据、内部纪要、投决会经验等不可标准化环节的超额收益。”何华说。然而，私域数据治理、隐性经验的结构化等下一阶段的基础设施，在多数机构中远未建成。这是当前投研端最突出的能力断层。何华还特别指出，进入生产系统后容错率极低，“卖方研究是各家讲各家的故事，但生产阶段的容错率是相当低的，金融机构没办法为出错买单”。组织端的阻力更为隐蔽，也更为顽固。肖雯援引一家在AI应用方面领先的金融机构的判断：“我说组织用AI比个人用AI的难度要大10倍，结果那位负责人跟我说，要难100倍。”肖雯用马具、缰绳和马鞍比喻AI进入企业的条件。“一匹千里马如果没有缰绳和马鞍，人骑不上去。”肖雯表示，过去三年，行业经历了从拼模型到拼上下文再到拼工程的范式演进，安全围栏、权限管理、数据治理等一系列驾驭工程，是AI从个人工具走向企业级应用的先决条件，正是部署过程中最容易被低估的环节。这种阻力不仅来自技术层面。徐志良分享了阿里云自身的反思：新工具往现有系统上堆叠时遇到的阻力，相当一部分来自组织和管理惯性，而非技术本身。“过往的成功会不会成为未来发展的绊脚石？”徐志良观察发现，创新点往往来自中小机构，而大机构更倾向于在过去的成功之上“嵌入”AI能力。“我们觉得应当堆叠，不应当嵌入。大机构需要警惕过去的成功，中小机构则应善用大厂和云厂商的能力。要在海上造船，不要在沙滩上建塔。水涨船高，沙滩上的塔肯定被淹掉。”百度智能云金融事业部解决方案总监吴文彦则从技术实施角度提供了一个判断：“未来形态10%的技能由核心工具厂商开发，真正解决问题的90%的Skills，需要贴近一线业务人员用平台工具去研发。”这些不同角度的观察指向同一个结论：AI落地的瓶颈在组织自身的变革意愿与执行能力。肖雯将AI转型总结为名副其实的“一把手”工程，并提出业务人员和IT人员的融合是关键。“我们总是‘甩锅’给IT，说AI不行。不是的，是你没有学会。真正厉害的是业务团队跟科技团队的融合，他们紧紧抱在了一起。”
热门跟贴