亚太地区的金融机构正进入人工智能应用的新阶段，从试点项目和纯技术投入转向追求可衡量的业务价值，以满足客户对更快、更个性化且全天候服务的需求。
在2026年华为泰国数字与AI峰会上，华为泰国企业业务金融销售部高级解决方案架构师Martin He表示，除非人工智能能产生明确的运营和商业成果，否则银行仅靠开展多个AI试点项目获益有限。
“未来的赢家不属于拥有最多AI试点的银行，而属于能够将AI转化为实际成果的银行。”他强调。
AI推动实时经济
He将2026年描述为一个转折点，指出AI正从被动等待指令的工具演变为“生产力智能”，具备规划、协作、执行任务并伴随人类学习的能力。他认为，这一转变将通过更深层次的数字化和更智能的决策重塑银行业。
这一变革的核心是他所称的“实时经济”，即即时支付和即时零售之后的下一阶段。
在许多中国城市，消费者已经可以订购生鲜、日用品或急需药品，并在30分钟内收到。其意义不仅在于快速配送，更在于客户、商户、仓库、物流提供商和金融服务之间建立了实时连接。
对银行而言，该模式要求全天候交易、实时数据处理以及更敏捷、就绪云化的应用。即时支付改变了人们的付款方式，而即时零售正开始改变更广泛经济的运作模式。
“该模式在各市场的表现可能有所不同，但方向是一致的：业务正变得实时化。”He指出。
银行寻求AI的可衡量回报
智能体AI（Agentic AI）可进一步推动这一进程，帮助金融机构在客户需求出现时即时响应。He预见了一个未来：客户将获得更个性化的服务，而员工将与AI驱动的助手协作，更高效地处理信息、做出决策并完成任务。
AI的应用正不再局限于孤立的功能，而是日益贯穿银行价值链的各个环节，从内部生产力和运营，到营销、风险管理和客户服务。
峰会公布的数据显示，亚太地区金融机构的人工智能投资有望增长约八倍，从2025年的4.4亿美元增至2030年的35亿美元。
报告还引用了星展银行（DBS Bank）的案例，其数据分析和机器学习生成的经济价值从2022年的1.8亿新元增至2025年的约10亿新元。
在He看来，这些数据体现了该地区从单纯投入AI资金向追求可衡量AI价值的广泛转型。然而，他同时警告，投资本身并不能保证回报，许多企业AI项目仍难以产出可验证的成果。
他认为，最显著的收益将出现在AI与业务成果紧密结合之时，包括提升客户体验、加快运营效率、强化风险控制以及支持更明智的决策。
技能短缺仍是关键制约因素
然而，金融业AI的扩张也暴露出一个重大瓶颈：缺乏具备构建、运营和治理该技术的技能型人才。
He强调：“除非人才储备同步扩大，否则AI无法规模化发展。”他指出，缺乏合格专业人才是金融行业客户最常见的担忧之一。
华为计划在未来三年内，通过战略研讨会、实操培训和高管、业务团队、技术人员及AI从业者的专业认证，在全球培训超过10000名金融行业专业人士。
He还强调，仅靠技术是不足的。金融转型需要创新、强大的工程能力、开放的合作伙伴生态、有效的本地化交付能力，以及懂得如何负责任地将AI应用于实际业务问题的员工。
因此，下一阶段金融业AI的衡量标准，将不再是银行启动的模型数量或试点项目数。而是看机构能否将智能系统与专业人才相结合，在日益实时化的经济中提供工作效能更高、决策更优、服务更好的银行体验。
AI必须解决真实的客户与业务痛点
KASIKORN LINE首席数据官Dr Theerachai Chanyaswad认为，金融AI的下阶段成效，将取决于其能否将数据转化为更快的决策、更广泛的信贷获取以及更敏捷的客户响应。
LINE BK长期以来利用替代数据评估信用记录有限的申请人。他指出，这一经验表明，只有当数据应对明确定义的客户或业务需求时，才能创造价值。
“无论我们是否愿意，AI现已深入每个人的生活。”他补充道。但他强调，采用AI不应从技术本身开始。“起点应当是痛点——客户的痛点和业务的痛点。”
他指出了AI有望推动金融服务向实时运营靠拢的领域，包括大规模审查客户互动、更快识别服务问题并实现更个性化的沟通。
过去依赖小样本或冗长人工检查的任务，正日益能够基于完整的客户交互数据集进行评估。
目标不仅是自动化现有工作，更是帮助金融机构在控制运营成本的同时加快响应速度。
“我们希望扩展客户群和业务规模，而不让成本以同等速度飙升。”他解释道。
保险销售无法再依赖过去的速度
DataOne Asia (Thailand)首席执行官Sochipun Vajropala认为，保险业也正朝着实时、个性化服务迈进，因为客户期望公司能理解其需求并即时响应。
传统保险模式侧重于计算和赔付理赔。新兴模式则更强调风险预防、成本控制，以及围绕个人状况定制的服务，而非孤立地销售标准保单。
她指出，年轻客户尤其期望数字服务能几乎无延迟地响应。
这一转变正在改变保险产品的内涵。例如，健康保险正日益与预防性护理、医疗咨询、诊所和药品获取相挂钩。在退休规划、投资和电动汽车等领域，随着客户寻求贴合日常生活的服务，新的机遇正在涌现。
AI在处理客户信息、评估风险和以市场所需速度个性化服务方面发挥着核心作用。然而，Sochipun强调，人类参与对于复杂或高风险决策而言仍然不可或缺。
风控必须跟上实时金融的步伐
TrustDecision Thailand客户经理Keerawan Panyasen关注实时经济的另一后果：金融犯罪的速度已与合法交易持平。
她警告称：“欺诈已不仅是安全问题，而是影响业务、运营和合规的瓶颈。”
客户越来越期望银行及其反欺诈系统能在账户持有人技术上已授权转账的情况下，识别出可疑行为。未能及时干预将损害信任、减少收入，并拖慢整个数字金融服务转型的步伐。
挑战在于，欺诈不再表现为单笔异常交易。犯罪网络可能跨账户、设备、会话和渠道运作，而旧有的基于规则的系统只能孤立地评估每个事件。
这会导致调查人员被大量误报淹没，无法及时阻止真正的威胁。
Keerawan认为：“真正的挑战不在于检测出更多欺诈，而在于更快发现、更准确判断，并减少对真实客户的摩擦。”
AI可帮助金融机构分析客户在整个数字旅程中的行为模式，并在资金转移前识别异常。但在实时系统中，速度决定成败。
她还警告不要将敏感决策中的人类判断完全移除。可疑或复杂案件仍需经验丰富的调查员、清晰的治理机制和可审计的记录。
文/Jarupong Krisanaraj
Jarupong是一名专注于科技与可持续发展的记者兼翻译。
邮箱：[email protected]
