尽管对人工智能 (AI) 的投资不断增加，但大多数金融机构仍难以将其人工智能计划转化为可衡量的商业价值。
根据 咨询公司Quinlan and Associates的最新报告显示，95%的传统金融机构正在积极探索或已经采用业务解决方案。然而，其中近 71% 的机构在从这些投资中实现明确的投资回报 (ROI) 方面面临挑战。
报告指出了这一进展的三个主要障碍。首先，在确定需要解决的具体业务问题、工作流程和期望结果之前，组织常常急于部署人工智能工具，而没有明确的策略和人工智能解决方案的选择。
Quinlan and Associates 警告说，虽然这种急于部署人工智能的行为可能会产生明显的势头和媒体关注，但没有战略规划的举措往往无法提高核心业务绩效。
人工智能计划缺乏价值和投资回报率的另一个重要原因是人们倾向于将风险视为事后的想法。
Quinlan & Associates 建议，随着基于大规模语言模型 (LLM) 的解决方案包含越来越敏感的数据并获得更大的自主权，必须尽早识别风险，以避免控制差距、昂贵的修复和项目取消。
该报告表明，许多人工智能计划最终将被取消。只有 56.6% 的人工智能举措得到成功实施。在动员起来的人中，只有21.1%完全实现目标，35.5%部分实现。
最后，人工智能缺乏价值和投资回报率的另一个关键原因是现有模型不具备管理、实施和扩展人工智能的能力。很多时候，人工智能被定位为寻找问题的解决方案，导致工作流程围绕人工智能进行修改，而不是专门为了满足工作流程要求。因此，这些工作流程通常无法充分利用人工智能功能。
此外，人工智能能力可以分配给不同的任务，从而使团队组建自己的代理。这会导致部署分散、重复工作和协作能力有限。
另一个问题是评估过程不一致和质量指标不明确。当前的商业模式通常缺乏标准工作流程、人工检查点和具体绩效指标 (KPI) 来评估和验证人工智能结果。
最后，现有的培训和变革管理工作通常不会随着员工角色的变化而发展。这意味着员工可能缺乏在其角色中有效使用人工智能的技能和信心，导致整个组织中这些工具的利用不足并限制了投资回报率。
昆兰及其同事的研究结果与其他研究一致。波士顿咨询集团 (BCG) 对全球 1,250 多家公司进行的 2025 年研究 成立 只有 5% 的受访组织真正大规模实现了人工智能的价值。
相反，在该范围的另一端，60% 的受访者表示，尽管进行了大量投资，但收入并没有显着增加，但成本增长却微乎其微，没有带来实质性的价值收益。另外 35%（比 2024 年增加了 13 个百分点）加大了努力并取得了一些回报，但许多人承认他们的进展不够远或不够快。
全球金融服务人工智能支出
到 2025 年，全球金融服务业将在人工智能相关举措上投资 750 亿美元。据 Quinlan and Associates 估计，到 2030 年，这一数字将达到 1320 亿美元，并且每年增长 12%。
目前，人工智能主要用于辅助场景，例如通过文本或语音处理客户询问的聊天机器人，以及嵌入业务应用程序中的人工智能助手，让专业人员能够在企业环境中更好地执行日常任务。
另一方面，人工智能代理和代理系统尽管意图很高，但尚未得到广泛采用。 根据 根据 Nvidia 在 2025 年第三季度进行的一项调查，在接受调查的 800 多名行业专业人士中，有 42% 的人使用或评估过该机构的 AI。其中，49% 或 21% 的受访者表示，他们的组织内已经部署了代理。 41%（占总调查人口的 18%）表示，人工智能代理将在明年内部署。
56% 使用或评估人工智能代理的人将知识管理和搜索视为人工智能代理的首要用例。其次是内部流程优化（52%）和客户支持自动化（43%）。
特色图片：由新加坡金融科技新闻编辑，基于图片 托纳奥尔赫 通过华丽