AI与金融融合的行业阶段 - AI与金融融合进入深水区，行业从探索期迈入价值验证期，市场焦点从“AI能做什么”转向“AI能带来多少增长” [1] - AI已从“试试看”走向“必须做”，正从成本中心转变为服务、营销与价值创造的核心 [1] - 真正的“AI原生”需要科技与业务深度融合，驱动从内外部协作、迭代研发、用户体验到组织关系的全面变革 [1] 不同类型金融机构的AI挑战与路径 - 头部金融机构核心挑战在于利用AI在合适业务范围内挖掘更大价值，解决AI应用在深度和特定层面的落地问题 [2] - 中小金融机构需求更务实，核心目标是解决业务增长难题，应对净息差收窄、营收增速放缓和同质化竞争的挑战 [2] - 区域性银行在与蚂蚁数科合作的金融机构中占比最高，达到三分之二 [2] - 预算有限的区域性银行可从场景应用入手，按效果付费，逐步加大投入 [3] - 部分银行优先升级手机App/小程序为AI手机银行，提升用户体验和活跃度，再分阶段累加智能体应用 [3] - 最理想模式是将AI作为一把手工程，构建自主“金融大脑”，推动端到端的业务流程重塑和组织升级 [3] “按效果付费”商业模式的设计与案例 - “按效果付费”模式核心逻辑是AI必须为客户带来实际业务效果，而非仅作为科技软件出售 [6] - 该模式旨在帮助中小金融机构减少对AI投资效果的担忧，更有决心尝试使用AI [7] - 模式适用于营销类、效果导向明显的产品，合作以具体业务结果为导向进行费用结算 [7] - 蚂蚁数科助力某城商行打造AI手机银行，降低操作门槛，提升老年客户满意度，业务转化率提升10% [7] - 有城商行通过合作系统性构建“算力－平台－模型－应用”全栈AI能力，为未来十年AI转型奠定基础 [7] 数据合规与AI模型训练策略 - 采用“两阶段训练”策略：第一阶段利用公开数据预训练模型，第二阶段由金融机构在自身环境中使用专属数据对模型进行再训练 [8] - 通过特定部署方式从源头避免数据跨主体流通带来的安全风险 [8] - 在数据互通层面，严格遵循监管，仅针对非敏感数据的必要流通，借助隐私计算、可信数据空间等技术保障数据不泄露且有效流转 [8]