语势科技-语势主题观察：摩根士丹利首位AI主管技术背景不强-240321

　　事件：摩根士丹利近日宣布，将其财富管理部门的科技高管Jeff McMillan晋升为首位人工智能(AI)主管。http://www.hibor.com.cn【慧博投研资讯】去年，摩根士丹利成为华尔街首家使用OpenAI的GPT-4为员工提供解决方案的大银行，相关项目由McMillan负责。http://www.hibor.com.cn（慧博投研资讯）

　　这一决策反映了金融服务领域对人工智能技术日益增长的需求，特别是在生成式AI技术迅速发展的今天。尽管华尔街银行去年普遍裁员，但在人工智能领域，它们纷纷争夺人才，试图挖掘并培养AI人才。

　　一年以前，我们就关注到人工智能新一代技术改变了客户与金融服务公司互动的方式，需求转向更个性化和无缝衔接的客户体验。通过使用人工智能驱动的聊天机器人和虚拟助手，客户可以快速、高效地得到解答，无需人工干预。人工智能工具还可以帮助顾问更好地了解客户的需求、偏好和风险承受能力，从而为客户提供更个性化的建议和意见，这个转变涉及到公司业务整体转型。

　　经过过去几个月的摸索，华尔街投行已经以更多样的方式接纳了AI技术。其中，摩根士丹利财富管理部门与OpenAI启动了一项战略性的合作项目，开发定制财富管理解决方案，利用AI为财务顾问提供相关的服务内容和研究支持。这项服务运用OpenAI的技术处理和整合摩根士丹利大量的知识沉淀，为财务顾问提出问题和大量解决问题的内容及数据，所有生成的回答内容完全来自摩根士丹利的自研报告。大摩历史近100年了，每年都会发表数千篇关于资本市场、资产类别、行业分析和全球各地经济区域发展的研究报告。这种丰富的沉淀为摩根士丹利提供了一个独特的内部内容仓库，使用GPT-4进行处理和解析不仅充分发挥了公司原创沉淀的优势，也不会偏离公司内部控制的约束。这种整合不仅可以提高前台销售的工作效率，也压缩了重复生产、使用外部信息服务系统的成本。随着华尔街投行纷纷推出智能化解决方案，曾经红极一时的彭博GPT似乎已经没有了太多声音。模型之争的年代里，华尔街投行最先挤压的很可能就是传统金融科技和信息服务提供商。

　　作为华尔街财富管理的AI领跑者，摩根士丹利任命Jeff McMillan担任人工智能业务负责人，再次确认了公司对实践AI赋能整体业务的决心。西点军校毕业的McMillan在金融行业有着丰富的背景，但不是典型的科技背景。2016年以来，他一直担任摩根士丹利资产管理的首席分析和数据官，深度参与财富管理部门的创新工作。他还曾美林资产管理担任过其研究部门的董事总经理。华尔街此次科技创新启用业务“文科生”担纲也确认了本轮智能化改造更需要从场景交互入手，将最新的AI工具尽快落地公司整体应用。

　　大摩之外，摩根大通银行已经使用AI为其客户开发了金融规划工具。该银行已经为一个使用AI进行“个人财务规划”的系统提交了专利申请。该系统收集关于用户的消费习惯和财务目标的信息，并创建一个用户可能会遵循的财务计划。他们已经为一个使用AI进行“个人财务规划”的系统提交了专利申请。去年，摩根大通还为其企业客户推出了一款免费的现金流智能AI工具，这款工具已经帮助其中的一些客户将人工操作的工作量减少了近90%。这款工具的成功使得银行考虑未来可能会对其进行收费。

　　除了定制投资解决方案，JP摩根还与英伟达合作开发衍生品计算的产品，通过使用AI提升了其风险管理实践。这些常识不仅有助于提高运营效率，还使风险评估更为可靠。此外，银行一直在使用AI进行欺诈检测，通过机器学习模型来识别不寻常的交易模式和欺诈性交易。无独有偶，小摩推动AI业务的负责人也是来自前台业务背景，没有太多的科技背景。

　　AI进入财富管理、推动普惠创新不是新故事，但本次智能化的重点似乎指向了客户体验的差异化升级，这与互联网时期的肥尾传播存在根本的差异。华尔街投行转身普惠创新，发展的思路一直强调技术革新赋能投顾服务，而生成式AI似乎为这些期许加插上了翅膀。

　　生成式AI带来的变化涉及到金融行业的各类客户，尤其是资产管理和财富管理业务的零售客户，必然需要重新设计更符合年轻客户和技术升级场景的产品和服务体系，这种最后一公里的优势很可能决定了投行、券商有可能成为本轮AI创新最大的受益者。2024年，公众AI叙事继续紧盯大模型的功能“卷”功能，而金融机构已经开始启用投行老将开始重塑企业的商业模式。

　　语势科技在2023年的年度主题中提出了国内财富管理业务的方向不在规模，在普惠创新。2024年，中国监管通过降费和定位要求推动了财富管理行业站上了全新的起点：普惠理财与人工智能的结合成为了资产管理行业革新的最前沿。

　　如果人工智能进入金融行业带来的是颠覆变化，那我们就无法用AI为过往的业务模式和流程贴上创新的标签。未来几年，我们将持续跟踪人工智能推动财富管理业务的产品和流程再造。到那时候，我们可能已经记不起来大语言模型的演进步伐。