创业项目分析6月21日，财联社携手华夏基金在苏州举办“蓄势而发逆风起势”第三届财富管理论坛暨华尊奖颁奖典礼，会上，麦肯锡全球董事合伙人马奔以《技术在财富管理领域应用的前景和实践》为主题，围绕当下热门概念“生成式AI”发表了主题演讲，并带来了关于

　　马奔表示，自2022年底ChatGPT正式上线以来，生成式AI受到了广泛关注，并迎来了爆发式增长。不过，他认为该技术从商业应用的角度仍处于早期阶段，“当一种技术仍在百花齐放的探索和高速发展期时，通常意味着其尚未成熟。因此，尽管生成式AI技术目前已为大众所知，其商业前景和潜力尚未完全发挥。”

　　根据麦肯锡的分析，生成式AI对软件行业的影响最大，其次是金融行业（包括银行、保险、证券、财富管理和资产管理等领域）。金融行业因生成式AI技术带来的业务提升和成本节约潜力，预计将代表着2500亿至4100亿美元的相关收入。马奔指出，金融行业在生成式AI技术的应用方面具有巨大潜力。

　　一是智能客服（Customer journeys）。目前，生成式AI在客户服务中的应用具有显著优势。如今，许多公司已经在使用客户服务机器人，但之前的传统客服往往依赖于预设剧本，无法深度理解和多次精准回应复杂问题。生成式AI则能够大幅度提升客户服务的智能化水平，提升其服务的广度和深度，带来了更高的客户满意度。

　　二是虚拟专家（Concision），在财富管理行业，虚拟专家的应用前景尤其令人期待。未来，客户经理背后的投资顾问可能不再是真人，而是由生成式AI组成的虚拟专家Co-Pilot。这些虚拟专家能够实时基于客户需求生成高水平的专业建议

　　三是创意内容（Creative Content），生成式AI使超个性化内容创作成为可能。以为例，他们拥有大量的客户标签和分群数据。生成式AI可以根据这些数据，生成针对每个客户的定制化服务内容或者营销内容。这种能力不仅降低了内容生产的成本，还大幅提升了内容的精准度和适配度，从“千人千面”走向“一人一面”

　　四是编码（Coding），生成式AI正在改变传统软件开发的方式。许多企业正在重新评估其技术规划和科技人力资源结构。随着生成式AI的应用，编码工作将发生重大变化，优质程序员的效率将显著提高，生成式AI相关的科技开发将需要专业背景差异化的科技开发和产品经理人才，对科技业务的双向融合提出了更高的要求，企业科技部门的技能结构也会随之调整。

　　马奔强调，目前，生成式AI技术还处于商业应用的早期阶段。对大多数企业而言，这是一项全新的技术，涉及全新的业务场景识别、排序和试点、科技基础设施、数据和人才的综合能力提升需求，随着技术潜力和应用场景的逐步释放，越来越多的企业能够从中受益。

　　如在培训场景方面，马奔认为生成式AI具有重大业务赋能价值。“代理人的培训可以通过生成式AI虚拟培训师来实现。这些虚拟培训师能够与代理人进行对话，模拟客户互动场景，并在过程中提供自动生成的即时反馈。训练内容来自优秀代理人和客户的真实对话记录，生成式AI可以大幅提升培训的定制化程度和效率。”

　　再如营销方面，生成式AI使得每个客户的体验更个性化。“一家在向客户推销信用卡时，可以根据客户的交易行为生成定制化的邮件或微信推送。这种‘一人一面’的内容生成方式，极大地提升了营销的精准度和客户满意度。”

　　一是客户交互。马奔解释称，生成式AI在财富管理客户交互方面有着显著的应用潜力，包括虚拟客服和自动化交互内容的生成。比如，通过分析客户的基金购买行为、风险偏好以及当前的盈亏体验等信息，生成式AI能够为每个客户提供个性化的客户服务内容。这样的超个性化内容不仅提升了客户体验，也加强了客户对财富管理公司专业度的信任。

　　二是员工效率和专业赋能。生成式AI能够显著赋能财富管理员工工作效率和专业能力的提升。“根据麦肯锡的全球调研数据，客户经理实际花在”真正产生客户业务价值“的时间仅占整体工作时间的40%左右，其余时间主要用于处理大量琐碎的文本工作和公司内部流程。如果生成式AI能够将面对客户的时间提升至60%-80%，就相当于员工的工作效率翻了1.5-2倍。此外，面对中国财富管理客户经理和投资顾问的专业能力参差不齐的问题，生成式AI作为Co-Pilot具有重要的赋能价值。”马奔举例。

　　他进一步阐述，生成式AI能够帮助投资顾问在与客户互动的各个环节中提供支持。例如，在与客户会面之前，生成式AI可以自动生成客户的详细画像，帮助顾问快速了解客户的特点并对精准建议的生成提供帮助。见面之后，生成式AI还可以快速总结会议内容并生成相应的方案文本，极大地提升了工作效率和客户互动质量。

　　三是产品创新能力。生成式AI推动了财富管理产品的创新。例如，未来的财富管理产品架构可能会从传统的货架式选购转变为基于问答的精准推送。这种创新将大幅度提升客户需求于产品匹配的精准度。

　　在全球范围内的调研和实践中，麦肯锡发现生成式AI在财富管理领域的应用前景广阔。马奔也就此提出了几个实际案例。

　　如一家全球领先的财富管理公司，它在过去两年中开发了两个助手：虚拟投顾专家助手和客户经理助手。其中，虚拟投顾专家助手通过生成式AI针对客户通常会询问的专业问题，为客户经理提供实时的专业问答建议；而客户经理助手则聚焦帮助客户经理提升工作效率，如帮助客户经理更好地准备客户会议，总结会议内容自动生成客户沟通邮件等。

　　“虚拟投顾专家的应用非常有趣，因为它解决了财富管理覆盖模式中的部分核心痛点。例如，当客户问及市场动态相关的高时效性专业问题时，生成式AI能够立即提供基于公司平台化研究知识库的专业建议，而不需要等待几天时间。此外，生成式AI还能确保提供的建议是公司级的观点，而不是投资顾问个人的观点，从而解决投资顾问专业能力参差不齐的问题。”马奔解释。

　　步骤一为数据准备，公司需要围绕财富管理应用场景形成知识库体系，包括但不仅限于研究内容、客户服务和专业沟通记录、市场信息、产品信息等。

　　步骤二为业务团队深度参与用例开发，生成式AI的模型训练不同于传统的科技开发，需要业务团队通过问答深度参与模型训练，以确保模型能够生成高质量的内容。

　　步骤三则要聚焦重点，在模型训练过程中，需要聚焦于客户在80%场景下最常问的问题，确保这些问题的回答专业、到位、合规。

　　步骤四需培训和推广，系统上线后，需要对所有客户经理和投资顾问进行培训，确保他们能够熟练使用生成式AI的Co-Pilot。

　　在中国，马奔认为财富管理公司面临的最大挑战之一是内部知识库的建设。“实时客户、市场和产品信息的分析、关联、提取和总结、高质量的客户历史对话数据对于财富管理生成式AI的成功应用至关重要，中国的公司需要投入更多资源来构建和维护这些数据。”

　　首先，客户交互体验、客户经理和投资顾问的效率与专业赋能，以及产品创新的加速，是生成式AI在财富管理规模化应用中的三大核心价值。

　　其次，在财富管理领域，直接利用生成式AI面对C端客户将面临合规、消保和数据安全等一系列问题。因此，通过生成式AI赋能客户经理或者投资顾问，再由他们服务客户，可能是更为可行的模式。

　　第三，生成式AI的自动内容生成和总结提炼能力使财富管理业务的客户服务和营销内容超个性化成为可能。

　　第四，财富管理公司内部的数据质量、数据治理水平以及专业知识库的积累，将直接决定应用开发的速度和质量。因此，原本专业能力更强的机构可能会开发出更有价值的应用。

　　最后，业务团队、科技数据团队和生成式AI训练专家的协同开发，将生成式AI融入财富管理的端到端业务流程，才能真正实现规模化的业务赋能。