AI+財富管理：國際頂級銀行如何應用GPT的策略

根據數據分析公司Evident Insights所發布的銀行AI指數排行，摩根大通以其強大的AI人才優勢取得領先地位。在進行排名時，參與者依據142個指標評估每一家銀行，這些指標主要包括四個方面：人才、創新、領導力和透明度，其中人才的權重最高，達到40%。摩根大通的人工智能員工數量為業內最多，佔雇員總數的10%以上。

然而，在當今生成式人工智能如此火熱的情況下，排名前23的銀行中只有不到2%的AI相關職位明確提到了生成式AI的技能。相對地，"透明度"指標更受到大銀行的重視。在許多銀行的財報中，負責人的人工智能（Responsible AI）或可解釋人工智能（Explainable AI，XAI）的提及比例越來越高。

在AI應用方面，摩根士丹利針對其大量的內部資料庫進行優化，利用GPT-4的嵌入和檢索功能最大化其"智力資本"。摩根士丹利已經有超過1.5萬名財務顧問，他們可以透過內部的聊天機器人提出各種問題，然後得到機器人的答案。

摩根士丹利除了使用GPT-4之外，還有自己研究多年的"Next Best Action"系統（NBA），這是一個現實中用機器學習武裝1.5萬名FA的工具。NBA系統設置了三個不同的目標功能，包括為客戶提供投資意見並幫助決策，提示操作警報，以及生活事件規劃。

而且，摩根士丹利的人才分項排名只有第11位，由此可見，該公司也在積極擴大AI人才的招聘力度。據LinkedIn信息，該公司最新的招聘職位是為人工智能和機器學習平台招聘新的財富管理主管，該職位的年薪在18萬至26萬美元之間。

在AI應用於銀行業的戰場中，摩根大通與加拿大皇家銀行（RBC）分別擠身冠亞軍位置，其在機器學習系統的強化與開發上，無疑代表了業界最頂尖的創新能力。

摩根大通憑藉全球技術主管 Lori Beer 的領導，正在開發一款名為"IndexGPT"的產品。這是一種利用AI的雲端計算軟體，旨在分析和選擇適合客戶需求的證券。該行已經雇用了1500名資料科學家和機器學習工程師來測試這項基於GPT技術的多重應用案例。

資產與財富管理部門首席執行官Mary Callahan Erdoes表示，這將成為管理資產的重要方式。她描述說：“我們已經載入了過去30年所關注的所有公司的專屬數據，並且每天獲得數百萬個數據點，我們已經看到了相當大的進步。”她進一步透露，摩根大通已經將類似GPT的模型運用在他們的Spectrum投資組合管理系統上。

在此之外，銀行AI指數榜單的亞軍是來自加拿大的RBC。該銀行在過去幾年的時間裡，將深度學習和強化學習技術應用於財富管理，特別在創新和透明度的表現上名列前茅。RBC甚至專門成立了一個名為Borealis AI的研究中心，不僅為母公司提供服務，也從事AI的前沿研究。

Borealis AI的負責人Kathryn Hume曾在接受毕马威的訪談中介紹過該團隊如何將強化學習應用於銀行客戶服務。例如，他們協助RBC推出了一個基於強化學習的交易執行系統。該系統可更有效地安排大額或批量訂單的交易順序，以獲得最高回報。

不僅如此，Borealis AI還成功地幫助零售和商業銀行將昨天的業務流程轉變為明天的未來產品。比如，他們建立了一個現金流預測工具，這讓財務顧問能夠主動與客戶互動，了解客戶的未來財務需求，並提供更有針對性的建議。

今年4月，RBC榮獲《數位銀行家》雜誌頒發的最佳人工智能客戶體驗獎，得獎理由是該行和Borealis AI共同開發的NOMI Forecast系統。該系統利用深度學習為客戶的現金流提供即時、準確的預測。在該行獨特的數據集支援下，相關模型經過訓練可以為 RBC 客戶提供個性化體驗，包括賬單支付、電子轉帳、投資和工資支付等。

以上可見，無論是摩根大通還是加拿大皇家銀行，他們都已經成功地將人工智能和機器學習的應用範疇，擴大到了銀行業的各個角落，從而提供更好的金融服務給客戶。

垂直大模型：适合的才是最好的

在AI 銀行指數中，無論是摩根士丹利（大摩）的NBA系統，Spectrum系統，還是加拿大皇家銀行（RBC）自主研發的NOMI Forecast系統，都顯示了各家銀行傾向於利用自家數據來訓練模型並進行微調，以強化交互能力，而這也是各國際頂級銀行的共同選擇。

隨著開源大模型的增多，模型訓練成本的下降，我們可以觀察到，大型語言模型的熱度逐漸減淡。在剛結束的上海世界人工智能大會上，新的議題顯示，行業大模型、垂直大模型，以及“大模型赋能千行百业”將會是未來的主流。

一個明顯的例子就是彭博推出的BloombergGPT。相比於GPT-3的1750億參數，彭博模型的參數僅有500億，雖然通用性降低了，但在金融領域的表現卻明顯優於通用大模型。金融行業的強烈監管和專業性，使得只有在有專業知識的基礎上，再加上金融機構深度的專業數據訓練，才能創造出適合行業需求的垂直模型。

如冰鉴科技推出的本立道生（Origin One）大模型，依賴多年服務銀行、保險客戶的算法模型經驗，在智能客服、金融文檔處理、海外投資產品分析等領域積極發展。

專業的垂直模型在財富管理行業將越來越顯著，GPT的出現將改變過去對於智能投顧僅為高淨值家庭“專屬服務”的觀念，使得長尾市場得以快速發展。例如，摩根士丹利的1.5萬名財務顧問，在GPT-4的助力下，服務客戶的數量和效率將有多少倍的提升？

此外，垂直大模型在應用層面為初創公司提供更多機會去服務更多客戶。科技企業通過低門檻和獨立性吸引更多下沉客戶，傳統大銀行則發揮自身優勢，瞄準存量客戶並推介各種產品組合。

就美國智能投顧市場來看，主要包括三種類型的參與主體：

• 以Wealthfront、Betterment為代表的初創公司，利用自身的技術優勢和低門檻要求，來開發長尾客戶價值。

• 以Vanguard、嘉信理財為代表的大型金融機構，利用自身的資本優勢、存量客戶優勢、品牌優勢以及競爭壁壘，來推出智能化投顧產品。

• 購併第三方公司，快速佈局智能投顧市場，如貝萊德收購 Future Advisor等。

據CRISIL GR&A估算，大模型在智能投研領域的應用有望節省22.5%的成本，將使財富管理惠及更多民眾。

但同時，普及的程度越大，風險也越大。需要一提的是，RBC之所以能超越眾多歐美大行，位列銀行AI指數榜單亞軍，還得益於其對AI的負責任態度。Kathryn Hume認為，人們越來越認識到AI可能加劇的道德風險。世界各地對於人工智能的道德和負責任使用的辯論日益激烈。

因此，可解釋的人工智能（XAI）將成為一項新興技術，或許能和GPT相對應。雖然ChatGPT的算法見解完全是“黑箱子”，但XAI允許使用者和監管方細察AI運作的基本原理，並且促使開發人員修改算法，使其按照預期工作。透過XAI，財富管理公司和投資顧問能夠監控和證明AI衍生的財務建議，並確保其符合監管要求和客戶的最佳利益。

參考資料：

Evident Insights: Evident AI Index for Banks Key Findings Report FORBES: How Morgan Stanley Is Training GPT To Help Financial Advisors AdvisorHub: Morgan Stanley to Roll Out AI Software to All Brokers in Third Quarter 平安證券:《從 AIGC 看商業銀行數字化轉型》