近日，IDC在全球范围内进行的年度“CIO关键词”调研数据显示，位列2024年度CIO关键词第一的关键词为“转型（Transformation）”。这一次“转型”再一次被提上CIO的议事日程，其关键动因是生成式AI（Gen AI)的出现。通过大模型在金融业务场景的落地以提升银行金融机构的数智化能力，这将全面重塑数字金融的新业态与新模式。2024年IDC全球银行业十大预测围绕客户体验，反欺诈及实时支付为核心内容展开。并于近日发布了《IDC FutureScape：全球银行业2024年十大预测——中国启示（Doc# CHC50977424），2024年1月》，报告根据中国的具体情况给出了本地化解读，详细内容如下：

　　预测1：生成式AI与客户忠诚度（ Gen AI in Banking）

　　预计到2026年末，30%的前100家银行将高度个性化客户奖励和忠诚度计划。

　　在零售银行业务中，奖励和忠诚度（Reward & Loyalty，R&L）是留住客户和保持市场竞争力的机制之一。精心设计的 R&L 计划应该在相关性、灵活性和透明度之间取得平衡。在近期 IDC 的 AI Survey 中，52.6% 的 CIO 认为忠诚度和客户保留率是衡量人工智能 （AI） 项目是否取得成功的标准之一。在我们的研究中，我们发现这也是银行业在生成式AI（Gen AI）应用的主要领域之一。

　　预测2：欺诈与生成式AI （Fraud and Gen AI）

　　欺诈专家预测，使用生成式AI的欺诈将会增加，因此反欺诈解决方案需要在2025年左右具有相应的识别能力。

　　有些犯罪欺诈者会通过Gen AI这一强大的工具寻找银行流程中可以利用的漏洞。一些反欺诈领域专家预测，使用Gen AI的身份欺诈每年将超过2亿美元。目前，生物识别（语音和面部识别为主）已经广泛使用在客户身份验证的过程中。根据行业进行的一些早期测试，使用Gen AI能力合成的的语音和数字面孔有很大一部分能通过这类自动识别流程。

　　这些传统的生物识别保护将需要以某种方式得到增强，以提高检测Gen AI生成的生物识别标识符的使用和欺诈者使用的能力。

　　预测3：智能化信用评估（ AI in Credit）

　　到2025年初，50%的金融机构将在其贷款业务中集成企业级智能，这将使得信贷决策时间缩短50%以上。

　　信贷业务是银行创收的核心，但其流程分散且高度依赖人工干预。IDC 认为银行将企业智能融入业务运营，通过大语言模型（LLM） ， Gen AI 增强和业务流程自动化将显着提升业务效率。除了AI能力的提升之外，银行还应充分利用国家 级数据计划，寻求数字化国家身份识别并扩大综合信用数据的覆盖范围。所有这些都意味着银行可以做出更好的决策，从而获得更高的准确性和数据透明度。

　　预测4：实时客户情绪 （Real-time Customer Sentiment）

　　到2028年中，借助于边缘端客户体验分析的能力，实时情绪分析将有效提升20%的客户参与度，为银行机构带来10%的客户忠诚度和保留率的增长。

　　当前的客户体验通常发生在事后，通过调研的方式了解客户的情绪与体验。当银行洞察到来自客户的负面情绪并尝试联系客户时，这个“时刻”已经过去。如果银行能够动态调整其参与度以实时满足客户情绪，通过客户体验解决方案将这些分析带到交互时刻，通过对情绪数据进行分析，在客户仍在参与时采取行动， 这样就有机会超越客户的期望。

　　预测5：实时跨境支付（Cross Border Payment）

　　到2027年，5%的跨境支付将实现实时结算。

　　跨境交易仍然主要属于legacy系统的领域，其中许多系统依赖于代理银行业务，可能需要数天时间才能结算。但这种情况即将改变。已经上线的如美联储的FedNow、欧盟的SEPA Instant等项目表明，未来跨境支付将更加快捷。由于大多数实时支付网络都是围绕 ISO 20022 消息传递框架构建的。占主导地位的跨境支付报文系统SWIFT正在将其报文格式更新为ISO 20022格式，承诺与实时结算系统更紧密地集成。这一系统的更新在中国还在进行中。

　　预测6：可解释AI与信贷决策 （AI in Lending）

　　到2027年中，40%的金融机构将会增加信贷部门的人员配备，以应对监管机构在信贷决策中有遵守可解释AI原则的合规要求。

　　信贷决策及管理流程中大量使用了基于人工智能及其机器学习算法，如果大量的历史申请人信用数据包含对某些类别借款人的任何类型的偏见或偏袒，那么机器学习训练过程会将这些不公平的发现嵌入到其未来的信用决策算法中。AI决策的偏见及可解释性是各国金融监管机构重点关注并要求贷款机构做出合理应对的问题。负责任AI（Responsible AI, RAI）已经成为银行业智能化进程中必须要制定并执行的关键任务。

　　预测7：即时支付反欺诈 （ Instant Payment Fraud）

　　到2026年，20%的对公银行业务将引入“收款人确认”的方式来打击欺诈，这也将有助于为企业提供更为安全的B2B和B2C即时支付服务。

　　即时付款及结算虽然具有诸多优势，但需要认识到这种方式是不可撤销的。因此，制定降低相关风险的解决方案非常重要。为了最大限度地降低欺诈风险并增强客户对 IP 的信任，监管机构要求银行在帐号和收款人姓名之间进行控制（即 IBAN 名称检查或收款人确认 [CoP]）。CoP 可以帮助银行最大限度地减少欺诈。它正在成为付款验证的一部分，以确认付款人提供收款人姓名与预期收款人姓名及其真实银行账户相对应的真实性。

　　预测8：另类数据反欺诈（Fraud and Credit）

　　到2025年底，60%的银行将采用另类数据模型来补充传统的信贷审批和欺诈检测决策模型。

　　目前，根据世界银行的数据，世界上大约有30%的人没有银行账户。另一个重要数据与不断变化的人口结构有关，Z世代和千禧一代在很大程度上进入了零工经济。这一类客户群体，他们均不在传统征信审批结构的考察范围之内，需要替代数据来增强信贷决策的能力，从而更为有效地进行服务下沉。替代数据也可以考虑Gen AI通过生成合成数据的方式来进行补充。

　　预测9：韧性运营（ Operational Resiliency）

　　到2027年初，对运营弹性和网络安全的监管预期将继续深化，这类要求将会覆盖20%以上的银行。

　　运营弹性最重要的方面之一是网络安全，这仍然是金融服务领域的重大风险。监管机构正在通过针对金融机构的监管要求来应对这种日益增长的风险，要求他们进行测试和评估，以便机构进行分析，以帮助机构了解其运营弹性和网络安全风险状况，并优先考虑旨在增强其运营弹性和网络安全计划各个方面的行动。如2022 年底欧盟通过的《数字运营弹性法案》（DORA），该法案将要求欧洲银行进行运营弹性风险评估，并向相关监管机构报告重大网络安全事件，该法案将于2025年1月正式实施。

　　预测10：企业级流动性管理 （Enterprise Liquidity）

　　由于流动性导致的银行倒闭将促使超过25%的银行到2026年初通过AI的方式来实时监控和评估银行现金及流动性风险。

　　2023 年，美国几家大型银行倒闭，原因是经济环境瞬息万变、风险管理决策不力、缺乏管理监督，以及最关键的是无法对市场环境的变化做出足够迅速的反应。银行的风险管理制度和流程需要适应日益迅速的交易的可能性，以及这些交易可能对银行财务状况产生的潜在的影响。随着金融交易的实时化程度越来越高，银行必须拥有使用人工智能的软件解决方案，并能够对银行的财务状况进行复杂的实时分析，这对银行的生存至关重要。