《麥肯錫》最新文章強調，生成式人工智能(gen AI)在銀行業(yè)具有巨大的潛在價值，全球范圍內可為各產業(yè)每年增加2.6萬億至4.4萬億美元的價值。在這其中，銀行有望獲得年度潛在利潤達2000億至3400億美元，相當于運營利潤的9%至15%。

　　為了充分利用這一有價值的技術，銀行需要進行gen AI的規(guī)�；�。文章指出，在銀行進行gen AI規(guī)�；瘯r，需要采取傳統(tǒng)變革管理的方法，確保領導層對齊、業(yè)務單元負責、用例以價值為中心、目標清晰等。然而，與其他規(guī)模化過程不同的是，gen AI的規(guī)模化涉及到多個領域，要求管理團隊了解并適應一系列先進分析能力和應用，其中包括諸如強化學習和卷積神經網絡等術語。

　　其次，gen AI的規(guī)�；�使得銀行在數據和分析方面面臨更大的挑戰(zhàn)。文章指出，盡管大多數銀行在使用結構化數據方面具有較強的能力，但許多銀行在利用非結構化數據方面仍存在困難。這與gen AI對非結構化數據的重度依賴有關，而銀行的數據戰(zhàn)略和架構可能無法勝任這一任務。不過，gen AI本身具有自然語言處理等能力，可以從非結構化數據中提取信息，為銀行提供更深入的見解。

　　在gen AI規(guī)�；�過程中，人才也是一個重要因素。文章指出，一些領先的銀行已經建立了專業(yè)的團隊，包括量化分析師、模型師等，這些團隊通常具有人工智能的專業(yè)知識。然而，其他銀行可能需要通過培訓和招聘來增強其人才隊伍，以適應gen AI的需求。

　　為了確保gen AI規(guī)�；�的成��，文章提出了七個關鍵維度，包括戰(zhàn)略規(guī)劃、人才、操作模型、技術、數據、風險控制和變革管理。這些維度涵蓋了銀行在規(guī)�；痝en AI過程中需要關注的各個方面，是成功實現(xiàn)gen AI潛在價值的關鍵要素。