2025 年金融服务和保险业人工智能的 3 个趋势
Posted: Sat Mar 01, 2025 7:14 am
约翰·麦坎布里奇
随着 GenAI 技术的成熟和当前一代模型的成本效益提高，出现了三个核心用例。代理仍然是最前沿的用例，许多公司可能会采用快速跟随策略：任何金融机构向公众部署一个独立的 AI 代理系统（利用人机控制）都将是一个重大的转折点，标志着在整个行业部署它们的真正开始。这种情况在 2025 年发生的可能性很高。
同时，检索增强生成 (RAG)和自然语言处理 (NLP) 将继续主导 GenAI 的用例空间，并通过直接的控制提供直接的价值。
1. 什么阻碍了人工智能代理在金融领域的发展？
独立的人工智能代理尚未在金融服务和保险行业部署，原因有二：技术限制和治理限制。
技术限制与以下现实有关：只有 GPT-4 及更高版本的模型才能有效用于代理工作流。这些模型按每个 token 计算运行成本很高，而代理工作流本身需要大量 token 才能成功执行。在能够部 巴哈马 Whatsapp 数据 署高吞吐量、可用于生产的大型语言模型 (LLM) 管道的公司中，它们倾向于使用更便宜、更老的 GPT-3.5 时代模型。随着 GPT-4+ 模型在 2025 年变得更加实惠且更常用于生产，这一限制将会消失。已经能够部署这些较新模型的公司一旦解决了另一个限制：治理，就可以立即尝试 AI 代理工作流。
治理限制更加模糊。行业内存在合理的“红线”，企业不能越过这些红线，最明显的是客户和人工智能代理（人机不参与）之间不受约束的互动。然而，即使在达到这些红线之前，对于使用人工智能代理支持（人在环）与客户互动的控制和培训要求也并不明确。行业先行者将承担监管和公众对这些工作流程投入生产的反应的不确定性。鉴于可以获得的大幅效率提升，这一限制不会阻止企业前进，但它会将范围缩小到那些愿意成为先行者而不是追随者的企业。
随着 GenAI 技术的成熟和当前一代模型的成本效益提高，出现了三个核心用例。代理仍然是最前沿的用例，许多公司可能会采用快速跟随策略：任何金融机构向公众部署一个独立的 AI 代理系统（利用人机控制）都将是一个重大的转折点，标志着在整个行业部署它们的真正开始。这种情况在 2025 年发生的可能性很高。
同时，检索增强生成 (RAG)和自然语言处理 (NLP) 将继续主导 GenAI 的用例空间，并通过直接的控制提供直接的价值。
1. 什么阻碍了人工智能代理在金融领域的发展？
独立的人工智能代理尚未在金融服务和保险行业部署，原因有二：技术限制和治理限制。
技术限制与以下现实有关：只有 GPT-4 及更高版本的模型才能有效用于代理工作流。这些模型按每个 token 计算运行成本很高，而代理工作流本身需要大量 token 才能成功执行。在能够部 巴哈马 Whatsapp 数据 署高吞吐量、可用于生产的大型语言模型 (LLM) 管道的公司中，它们倾向于使用更便宜、更老的 GPT-3.5 时代模型。随着 GPT-4+ 模型在 2025 年变得更加实惠且更常用于生产，这一限制将会消失。已经能够部署这些较新模型的公司一旦解决了另一个限制：治理，就可以立即尝试 AI 代理工作流。
治理限制更加模糊。行业内存在合理的“红线”，企业不能越过这些红线，最明显的是客户和人工智能代理（人机不参与）之间不受约束的互动。然而，即使在达到这些红线之前，对于使用人工智能代理支持（人在环）与客户互动的控制和培训要求也并不明确。行业先行者将承担监管和公众对这些工作流程投入生产的反应的不确定性。鉴于可以获得的大幅效率提升，这一限制不会阻止企业前进，但它会将范围缩小到那些愿意成为先行者而不是追随者的企业。