人工智能（Artificial Intelligence或AI）在現今科技層面已不是一種全新概念，就此方向的發展雖然還未達成熟階段，但在不同行業領域已達一定程度的成效。要舉例板塊有零售、網上娛樂、教育，甚至專業範疇如會計，也能找到愈來愈多涉及AI在日常的應用。無可否認，AI和機器學習（Machine Learning）已逐漸被大眾接納為主流工具予以運用。
但相比其他行業，金融投資範疇就AI方面的發展卻仍停留於相對初期的萌芽階段。在表面上，AI於金融業發展進度看來不及其他行業，但實際原因是金融業的結構相比其他行業複雜，而且風險監管嚴密，業務範圍更廣泛，要在目前行業架構上全面發展AI，一定較其他行業困難，也需要更多人才、時間和經驗。但同樣因為目前的緩慢發展和技術性的障礙，未來能利用金融科技開拓的市場也是在眾多行業裏更具潛力和空間。
提供服務突破限制
要在日趨競爭激烈的金融體系佔一席位，擔任金融服務業的各方如銀行、經紀、保險公司，以至基金經理和託管公司，也需要認真考慮如何有效運用人工智能以提升服務質素和效率。需知道傳統的營運模式於資源方面有不同限制，舉例如客戶經理要制定投資建議，也要依據客戶對象的個別需要而作出獨立判斷，因此人力資源是一個限制。故基於成本因素，傳統銀行往往只能替最高級別的VIP客戶提供貼身的優質服務，並就多變的市場動向給少數客戶適時的投資建議。
但現今在人工智能科技逐漸普及的前題下，繁複的工序也有可能透過有系統的機器學習，使電腦也能模仿人類思維，並根據個別情況複製分析結論並紀錄下來作日後參考，讓原本耗費資源的個人化銀行服務，能有規模地帶給全線客戶而不再只是VIP尊享，商業形象和服務範圍也能隨之提升，這可是未來金融業界長遠的發展方向。
整合系統工程巨大
能在AI技術達至上述層面的公司，相信目前在市場上還是少數。之所以此技術還未能廣泛普及，原因主要是開發者需要投放巨額資源建立有關客戶的數據庫，並給予適當的處理及保養，務求保持數據的精確度和公司未來業務的關聯性。對於某些固有機構來說，要從舊式系統摘取有用資料，或是整合公司經過合併收購事項後不同業務客戶的資料和其相容性，的確是一項龐大而昂貴的工程。要是公司有決心發展AI於金融業的高效率應用，企業內部必須集中人力財力革新固有運作模式，並配合以數據為主導的新工作思維。數據將會是金融企業新的核心價值。
儘管AI技術能帶給金融行業莫大的裨益，但此看法卻不是一致地被業界接納。其中較為明顯的爭辯是，部分從業員相信成熟的人工智能科技將會顛覆行業生態，並促使機器取代人類就業，帶來反效果。從企業監督的角度看來，發展完善的AI的確有改變流程及精簡人手的可能性，但從業員也必須認清當初發展科技的原意──科技的發明本質不是要取代人類，而是要提升人類的成就界限。要是AI能取代人力完成繁複工序，被騰出的人手將會有更多的靈活性去執行更複雜工序，或為客戶提供更有價值更優質的服務，最終也會成就高質素業務的動力。
業務數據化添優勢
當然業界也須恰當地發展和調配個人技能，以充分利用高端技術。明白當前不是所有金融機構也有資源開發人工智能科技，但其後發展方針也應以數據為主導。要是業務最終也決定不以人工智能技術為發展骨幹，可是其他金融科技範疇也離不開運用數據的事實。看來把業務數據化是金融業難以避免的一步，與其繼續耽擱業務改革以致阻礙長遠發展，何不早日着手享其市場先驅者的優勢？
張劭聲
