FOREXBNB獲悉，IDC近日發布了《IDC FutureScape：全球零售銀行2025年預測——中國啟示》。其中提到，GenAI為財富管理提供了一條有意義的進化道路。到2027年，鑑於生成式AI的個人化的見解和量身定制的建議可以更好地滿足客戶的需求，使得個人理財諮詢提供者的客戶保留率得以提高45%。
預測一
生成式AI理財助手(GenAI Hybrid Wealth Advisory)
到2027年，鑑於生成式AI的個人化的見解和量身定制的建議可以更好地滿足客戶的需求，使得個人理財諮詢提供者的客戶保留率得以提高45%。
GenAI 為財富管理提供了一條有意義的進化道路。透過將GenAI應用於該領域，能構有效提升客戶分析、財務計劃的超個性化水平，有效幫助金融機構實現超個人化的財富管理服務。例如，在投資策略的自動化方面，透過GenAI 產生財務計劃、GenAI 驅動的情境和壓力測試以及GenAI 驅動的市場預測，使得金融機構能夠以可接受的成本提供高客戶服務水平，也可以為金融知識較少的客戶提供AI驅動的金融知識服務，從而吸引並留住廣泛的客戶群。
預測二
非AUM平台服務(Non-AUM Platform Services)
到2029年底，因為AI所能提供的進階分析和數位參與工具，使得25%的數位理財諮詢平台將從訂閱費模式中獲得 50%+ 的收入，並能提供獨立於資產管理規模的價值。
人工智慧在財富管理領域中應用，使得金融機構可以提供先進的個人化分析以及數位參與工具，其有助於將產業商業模式轉向類似訂閱服務的模式，並慢慢脫離傳統的依照管理資產規模百分比 (AUM) 費用結構。而訂閱模式可以提供客戶可預測的成本/費用結構，并且通常被认为比其他費用結構更公平。同時，高度可訪問、按需和數位化交付的服務促使金融機構可以更方便地為用戶提供GenAI驅動的財富管理服務，有利於滿足不同使用者的差異化需求，進而提升用戶AUM。在中國，現階段針對產品提供者的通路費或管理費收入分成仍是主流。訂閱費種模式相對還不成熟，未來有較大的探索空間。
預測三
合成身份貸款詐欺(Synthetic Fraud Loan Applications)
到2028年，由於GenAI和個人資料在暗網上的可用性，使得犯罪者可以更容易藉助生成式AI來合成身份，這將使貸款申請成長70%。
隨著AI技術在中國的高速發展，以及越來越多的貸款申請轉向線上，這為欺詐者提供了更多的機會。他們可以利用科技手段來掩飾自己的行為，同時也可以透過遠端身分認證等方式繞過傳統的風控措施。犯罪分子能夠利用被盜的個人資訊來創造高度逼真的合成身份。這些身分可以透過偽造的身分證件、AI 產生的影片和其他偽造的證據來支持犯罪行為，這使得傳統的詐欺偵測系統越來越難以辨識它們。同時，先進技術和廣泛的資料外洩為複雜的詐欺創造了肥沃的土壤。低成本的商業級 GenAI可以大幅降低生成合成身分的犯罪分子的進入門檻。
預測四
負責任的AI合規(Responsible AI Regulation)
到2029年，中國40%C20銀行的治理及風險合規部門(GRC)將建立專門的AI合規職能，並採取全面的方法來應對日益嚴格的負責任的AI合規。
IDC 將負責任的AI (RAI)定義為設計、開發和部署AI的過程中，需確保公平性、可靠性、安全性、隱私性、包容性、透明度和問責制。RAI 強調開發和使用符合使用者期望、組織價值以及社會法律和規範的AI解決方案。負責任的AI對於金融服務業確保隱私和安全、建立客戶信任和促進公平等方面發揮著至關重要的作用。負責任的AI合規要求金融機構以實用、可擴展和適應性強的方式負責任地使用 AI。這不僅關乎金融機構如何成功實施AI科技，也關乎金融機構如何確保合規性，以及如何履行對使用者和社會的責任。
預測五
透過聚合平台支付(Payments Through Aggregator Platforms)
到2027年，利用開放銀行或開放API的銀行數據聚合平台將佔據中國30%的線上消費者對企業的支付市場份額。
許多現有的銀行支付解決方案都是使用國內銀行間支付軌道，導致支付處理效率較低，並且可能需要一個繁瑣的消費者註冊過程。然而，透過將數據聚合與日益普及的即時支付系統相結合，有望讓直接透過銀行進行支付(即繞過傳統的第三方支付服務)變得更加簡單、快速且易於使用。開放銀行的資料存取機制為簡化消費者到企業的支付提供了機會。例如，它可以提供即時的帳戶驗證、帳戶間的直接支付(繞過傳統支付網絡)以及更透明的交易記錄。這樣的優勢可能讓更多企業轉向這種支付方式。目前，部分銀行正在設計應用程式來簡化流程，利用開放銀行和開放API的平台來改善消費者與顧客的產品使用體驗。尤其是在數位錢包的市場中，使得付款變得更快、更輕鬆。
預測六
跨軌道支付平台 (Rail-Agnostic Processor Platforms)
到2029年，20%的中國新的銀行支付系統將部署包括從單一支付處理到支援同業/跨卡支付處理、跨境支付處理的能力。
銀行支付整合平台或支付中心透過提供單一系統來處理多種類型的銀行間支付，這已經存在十多年。但同時，卡支付處理(包括金融卡、信用卡和預付卡)可能更加分散，大多數銀行為每種類型的卡片提供獨立的營運平台，慢慢地降低了支付處理效率。一些支付軌道提供者也認識到了處理支付訊息的能力對於提高支付效率的重要性。例如，ISO 20022標準提供了豐富的資料元素和結構，使得支付資訊能夠更全面、準確地描述和傳輸業務訊息。同時也能降低成本、提高授權效率、結算效率以及改善風險管理水平。例如，在跨境支付中，透過使用基於ISO 20022的訊息格式，可以簡化付款管理、提高自動化程度，並減少錯誤的發生。
預測七
客戶體驗升級 (Intelligent Integration for CX)
到2029年，30%的金融機構將在前台、中台、後台系統及營運系統中集成GenAI能力，以防止收入流失並提高客戶忠誠度。
IDC 研究表明，為了推動GenAI 在組織中成功實施需要透過資料共享和營運實踐等活動來創建一個更整合的組織，以確保大型語言模型 (LLM) 開發的資料完整性，並建立全公司範圍的指導方針來跟踪 GenAI 數據和模型的使用情況。為了提供個人化和預測性行為分析等高級 CX 服務，企業需要創建一個統一、可存取且安全的客戶資料平台，該平台由內部和外部數據以及結構化和非結構化數據組成，打破客戶資料孤島並在整個組織中查看這些資料的能力是實現企業範圍的 CX 視角的起點，同時，客戶數據平台將成為金融機構全面應用GenAI的核心要素之一。
預測八
個性化產品定價平台(Personalized Product Pricing Platforms)
到2030年，40%的C100銀行機構將對其產品開發、定價與管理平台進行現代化改造，以實現新產品創新。
產品創建和定價既是藝術也是科學，其往往涉及基於數據的高級分析，有助於組織能夠在適當的時機對產品做出快速反應，從而最大限度地提高客戶價值和機構收入。企業可以利用數據來識別市場機會，創造潛在的新產品和服務，並測試新產品的可行性，包括產品模擬、客戶區隔與成本分析，以幫助企業預估新產品的潛力。因此，金融機構透過即時分析市場數據和客戶行為，為產品定價提供支援是當前市場不可或缺的能力。其中，動態定價模型將成為關鍵競爭力。同時，透過更靈活的定價和優化的產品組合，銀行可更有效地捕捉市場機會，更快速回應客戶需求、提供高度個人化的產品服務能力。
預測九
計財現代化(Finance and Planning Modernization)
到2029年，20%的金融機構將在財務、ERP和規劃軟體中嵌入AI/ML和GenAI能力，以提高計財部門的工作效率。
隨著金融服務業在市場競爭和地緣政治壓力下的持續轉型，金融機構面臨監控其財務狀況以及技術的投入回報等方面的挑戰。而目前的財務規劃往往是透過較舊的系統和不完整的數據分析來完成的，這必然導致財務規劃與市場現況及趨勢不相吻合的結果。在現代財務系統和ERP系統中嵌入GenAI，亦可提升財務規劃的品質與效率，並大幅減少審查、內部和外部監管及撰寫審計報告所需的人力。今年以來，中國金融機構也積極將生成式AI應用於人力資源/計財等內部職能部門，以提高營運效率，降低營運成本。
預測十
RegTech報告自動化 (RegTech Reporting Automation)
到2026年，中國25%的銀行將使用嵌入GenAI的RegTech來支援銀行的日常風險管理或監理合規流程，從而簡化工作流程，提高報告產生效率。
目前，風險管理對金融機構的重要性日益增加，符合監管合規要求已成為金融機構的重要優先事項之一。許多金融資產，如貨幣和股票的波動較大，從而增加了可交易資產的市場風險。而目前诸多金融机构的合规运营实践和流程仍然是手动的，很容易出現流程錯誤。最重要的是，目前金融公司也面临着降低三道防线成本的压力，他們正在積極探索尋找解決該痛點的方法。例如，借助於AI (ML) 等工具高效率地監測來自日誌中的大量數據，以識別客戶的正常或典型行為模式，並偵測交易系統中的可疑活動或洗錢風險，從不斷簡化合規流程，並提升監管合規的自動化水平。
