本報告旨在呈現全球AI財務服務調查的內容，目標為分析並瞭解財務服務產業中AI人工智慧的使用程度，並發現共同的趨勢。本研究發現AI在未來將造成許多財務服務產業的典範轉型。

一、 前言
(一) 界定人工智慧：此報告認為AI定義具有整套技術的特性，並能展現某種程度的自主學習並具備辨識特徵、預測、客製化、決策擬定與互動的能力。
(二) 調查方式：於2019年第二季對金融服務單位所做的調查，包含六個主要領域：存款與貸款、保險、投資管理、市場基礎建設與專業服務提供商，以及資本市場，共計收到來自33個行政區151份有效問卷。受訪者以中國、美國與英國最多，分別占整體問券調查的17%、15%與14%，以領域別來看以存款與貸款最多，占40%，次之為市場基礎建設與專業服務提供商(25%)、投資管理(15%)。

二、金融服務領域對AI的接受度
(一)AI接受度的狀態及發展
在所有的調查案例中，85%曾運用過AI，其中又以金融科技(FinTech)產業中最多案例使用（90%）。
本報告將AI在財務服務的應用分為下列五類：風險管理、產生潛在收益、客戶服務、製程重新規劃及自動化、客戶獲取。
(二)特定的AI應用領域
利用AI創造新產品及流程，以產生新的潛在收益。AI賦予金融機構許多建立全新價值服務的機會，運用的正是具備收益潛力的數據。利用AI創造收益潛力的案例，主要都是使用AI賦能的數據分析，同時配合運用另類數據以產生全新的見解。
(三)AI賦能產品，及製程創新方法
根據調查，金融科技業者對AI的運用多屬開發新產品及服務，而既有業者則主要運用AI來強化現有產品及服務。這樣的差異主要來自公司體制的複雜度及成熟度。
然而，調查也顯示多數的AI領導者（AI Leader），不論是科技金融業者或是既有業者，都有一個專門執行數據分析的部門。這也代表財務服務業者可能認為發展公司內的研究部門是必須的，並將AI的用途由開發新收益來源轉型為增進公司內的長期技能。
(四)投資AI
在多數公司內，投資AI仍然不是研發部門的主要資金流向。僅有40%的調查案例在AI開發上投入超過研發總預算的10%。然而，多數公司預期在短期內將會提升投入的資金，尤其是對於本來已經投資超過20%的公司。如果這個預期成真，則對AI高投資的公司與低投資的公司之間的異質性將會越來越高。
儘管無法完全肯定地說投資AI的成長必定與收益的倍數成長有關，但兩者的同時成長可能來自下列兩個原因：看見效益後的利及性投資、以及主力經營AI的公司造成的加成效應。這樣的關係顯示制霸AI的競賽，最終結果可能會由投資多寡決定，而非公司是既有業者或新興業者。

三、應用人工智慧產生的市場意義
(一)對工作機會的衝擊
有研究顯示AI造成的自動化將在2020年威脅多達25%的職位。根據世界經濟論壇（World Economic Forum, WEF）估計，2027年時，中國金融部門中將有23%的職位被AI取代，或轉型成新的職位。然而，那些不受影響的職位反而會在AI的幫助下產生更高的效益。
此調查則發現這些對喪失工作機會的擔憂可能過於誇大了，報告認為大約僅有9%的職位將在2030年被AI取代，且在金融科技產業的新職缺將會彌補這些工作機會短缺。
總結來說，儘管AI對求職的衝擊難以準確量化，不過衝擊的確存在。另外，AI的衝擊並不只是在表面上工作機會的數量，可能反而在許多工作的業務內容上影響更大。
(二)造成破壞性競爭的潛在風險
AI不僅代表著大幅度的創新，也可能對既有業者的價值主張造成干擾。儘管如此，報告發現AI其實可能並不會造成像大眾所想得那麼強大的衝擊。
然而，如果將AI領導者及AI落後者相比，AI領導者則十分有信心自己能夠對財務服務造成衝擊。或許不意外地，多數參與調查的公司認為市場基礎建設及專業服務是兩個最可能受到衝擊的領域。
(三)科技巨頭公司產生的衝擊
報告發現，近半數的受測公司認為科技巨頭加入財務服務產業將會帶來嚴重威脅。下列皆為科技巨頭公司入主財務服務產業的案例：Facebook在2019年宣布旗下虛擬貨幣Libra、Uber設立財務服務部門、Amazon對財務服務業務（電子支付、中小企業貸款）的持續發展。
科技巨頭公司加入財務服務產業，來自歐洲（不含英國）及中國的公司最強烈感受到威脅。由於中國金融科技業造成的市場衝擊、以及科技巨頭公司對競爭者及數據隱私的敏感性，這樣的結果或許不是很讓人意外。另外，來自英國的受測公司認為受到「極高程度」威脅的比例為所有區域中最高的。

四、財務服務中的人工智慧相關法規
(一)人工智慧：新生的全球性規範議程／共識
在宏觀層面，G20國家在2019年夏季同意了一項非強制性原則，「人本」AI。這樣的共識和經濟合作暨發展組織（OECD）與其他國家在該年稍早的共識互相呼應：
1.接納性成長及永續性發展
2.人本價值和公平性
3.透明度及易解釋性
4.穩健、穩定且安全
5.責任性
在國家級層面，透明度與易解釋性逐漸變成法規的重點。性別、族裔及年齡等特質，在過往常常會與關鍵性決策變數掛勾，例如收入、職業、取得保障或教育水平。運用含有這些過往社會影響因子的數據來訓練AI，可能會造成結果的失衡。

(二)法規負擔之外
調查顯示法規可能會對運用AI的公司造成負擔。然而，這樣的衝擊並不大，且許多公司（包含多數AI領導者）認為AI相關法規是有好處的。雖然法規可能造成成本提高及產品發展變慢，但也會提升使用者的信賴度，並增加投資。
同時，此調查也指出金融科技業者比既有業者更常認為法規為他們帶來優勢。多數的正面回饋來自AI造成的市場基礎建設效率提升。但支付領域的反應就大相逕庭，法規在該領域和AI發展進程的關係較為受限。

(三)支持性法規產生的比較性優勢，還是法規不足造成的不平等優勢？
儘管前述的發現顯示法規對AI應用有所助益，這樣的情況在不同區域卻並不一致。不到四分之一的美國及歐陸公司及不到三分之一的英國公司認為法規對收益有所幫助，在中國則有超過一半這樣認為。中國方面的正面感受可能來自該地區長期的法規缺漏。

(四)法規對AI的應用是助益還是絆腳石？
AI領導者對法規的整體影響力評價較其他AI應用較少的公司正面，然而當被問及特定領域及案例時，AI領導者對衝擊的評價就變得較為負面。
自動化程度越高的公司因為AI相關法規而感受到的阻力反而是最低的。然而，此調查仍然可能低估了法規造成的負擔。

(五)與法律執行部門的關係
AI主要不僅受到專門為該領域設立的法規影響，更有受到其他科技、金融產品等更廣泛領域的法規影響。近年來，政府部門、法律執行單位及保全公司越來越擔憂新科技──特別是點對點加密系統──會令他們難以追蹤罪犯。
多數的公司認為資訊分享及後門存取的要求造成他們的負擔，對於金融科技業者的影響特別強烈。部分金融科技業者將形象塑造成挑戰者、革新者，因此使得他們的顧客群對他們與法律執行部門的關係信賴感較低。

五、結論與未來展望
(一)財務服務產業中的概括發現
有效率的AI模型是由下列的共同素質建構而成：
1.運用正確的數據進行AI模型訓練
2.運用競爭壁壘（Moat）
3.對數據的需求日益提升，客戶與供應商之間的關係越來越緊密
儘管AI領導者相較於AI落後者運用更複雜的科技，這樣的高成熟度其實是由於AI領導者能夠較容易地透過這些科技創造有效益的案例，也比較容易克服困難。
(二)發展AI技能：財務服務提供者必備？
調查結果為長期以來的假設，提出強而有力的證據：多數的金融機構都認為AI將為其機構未來發展扮演重要角色。然而，儘管多數公司都期待成為AI領導者，不過AI的權力角力中，先行者會占有極大的優勢。
調查也顯示多數的金融機構主要仍然持續使用內部數據，也因此越早開始AI化的公司有越多數據、也越有利發展。但這不代表AI落後者就無法發展AI系統。
(三)AI賦能科技的未來
儘管科技是推動AI應用的重要基礎，此調查指出這個問題目前並不是太大的阻礙，因為運用AI的財務服務供應商尚未完全運用許多已經存在超過五年的科技。
高度成熟的AI科技在許多方面都逐漸變得容易取得：
1.由於許多高階的機器學習資料庫，即使只有少許科技知識也能夠建構高度成熟的深度學習演算法
2.經過提前訓練的機器學習演算法顯得十分有價值，因為這類演算法去除了統整蒐集大型數據庫或建立複雜類神經網絡的需求
3.另外也能透過簡化介面來增進AI的易使用度
(四)財務服務產業的未來權力角力
儘管此調查明確指出既有業者及金融科技業者在運用AI科技方式的不同，對於AI未來將如何形塑金融服務產業的競技場，此調查則沒有肯定的答案。既有業者、金融科技業者、及科技巨頭業者都為這個產業帶來不同且互補的能力：
1.金融科技業者從零開始打造低價且符合他們需求的IT系統
2.既有業者則擁有大量的客戶，並應該繼續維護客戶的信賴，同時不忘記創新
3.科技巨頭業者多半擁有大量的數據、客戶互動及如何用AI打造成功商業模式的優越知識

雖然難以預測這些元素會如何互動，但有下列幾點可能性：
1.金融科技業者和既有業者合作運用技能抗衡科技巨頭業者
2.既有業者試圖打造新的科技金融業
3.金融科技業者與科技巨頭業者合作，融合金融科技業者對金融產品的知識和科技公司的規模
4.部分既有業者可能會探索與科技巨頭合作的可能性，例如蘋果公司（Apple）和高盛（Goldman Sachs）合作的Apple Credit Card