【中国银行】全球银行业展望报告2024年年报（总第57期）.pdf

2023-12-12

60页

1MB

由IBM发布了《2024年全球银行和金融市场展望》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。生成式 AI 并不仅仅是今年的流行词。首先，生成式 AI 可以重新定义银行在客户关系领域的竞争优势，改进和简化核心银行业务，并加强网络安全。

1.颠覆性技术：生成式 AI 如何变革银行和金融业

随着生成式 AI 的强势崛起，人工智能引起了全世界的关注。高管们要么对光明的前景兴奋不已，要么对“反乌托邦”的场景感到悲观，董事会讨论呈现出两极分化的趋势。许多银行高管正在集思广益，讨论如何评估和对 AI 的经济潜力及预计采用成本进行排序，以及管理在企业范围内快速扩展 AI 的相关风险。

当前最重要的问题是：生成式 AI 等技术创新如何帮助银行改善财务绩效？这是一个需要仔细评估的问题。金融机构需要思考如何利用大语言模型 (LLM) 的发展和潜力来提高生产力、减少客户摩擦以及改善员工体验。由此产生的见解有助于避免不必要的概念炒作，评估生成式 AI 对银行业务模式的真正影响，并制定降低相关风险的行动计划。

我们的观点汇总如下： – 关键时刻。随着利率上涨影响到商业和经济预期，短期收入增长可能会带来长期的痛苦。 – 沟通成为客户体验的驱动力。生成式 AI 可以解决客户沟通这一核心问题，助力银行建立客户关系优势。这将充分利用长达十年的云计算和 AI 投资来打造数字化和个性化的客户关系。 – 重塑员工体验助力提升生产力并重新平衡成本。生成式 AI 可以推动核心银行转型和运营模式简化。 – 风险与合规：双刃剑。生成式 AI 对金融机构的风险承受能力和风险因素组合带来了挑战，同时有助于增强网络安全并减轻合规负担。 – 建立可信 AI 平台以管理价值、创新和风险。要在整个银行内扩展 AI 以创造成功的未来，强大的技术和文化基础是必不可少的。切实可行的 AI 治理将指导银行持续开展创新和扩展应用场景。 – 行动指南。我们概述了涵盖探索、整合和扩展这三个领域的十项行动指引和相应的管理方法。

2.关键时刻

伴随着利率飙升和持续通胀，2022 年和 2023 年的宏观经济状况发生了意想不到的变化。后疫情时代对全球经济健康状况的重新评估以及地缘政治风险的急剧回升加剧了这一形势。国际供应链的去全球化释放了十多年来一直被宽松货币政策所抑制的通胀压力。除中国和日本外，各国央行均迅速采取干预措施，通过加息将通胀控制在可接受的目标范围内。在控制短期衰退风险与促进长期经济增长目标之间，央行必须要找到一个合理的平衡点。长期以来一直受制于超低利率甚至负利率环境的金融服务业开始受益于加息政策。在负利率下运营的金融机构收获了损益表的强劲复苏。这主要是因为金融机构可以重新定价贷款来实现更高的利率收入，而存款利率的上调需要更长的时间。

2023 年，主要发达经济体和欧盟经济体的大多数银行的平均股本回报率 (ROAE) 要高于全球金融危机后的平均水平，这是衡量银行每一美元股东权益能产生多少收入的关键绩效指标。而与此相反，其他发达经济体和新兴经济体的银行在 ROAE 上受到的影响较小，同时这些银行的加息幅度也较小。这些经济体在疫情后也表现较弱，这是因为疫情后政府担保不足使得当地银行更容易受到恶化的信贷周期的影响。

尽管 2023 年的银行利润率可能令人满意，但考虑到更长期的信贷风险，全球银行的经济前景可能会失去光彩。利率上升速度比预期更快可以增加银行的利润，但也会对银行的财务状况和运营产生不利影响，从而引发风险管理方面的重大担忧。这种新的形势已经在考验客户对新贷款的需求，影响银行偿还现有债务的能力，并对经济增长构成威胁，从而可能导致信贷紧缩。

根据欧洲央行 (ECB) 的数据，自 2022 年以来，欧元区银行大幅收紧了信贷标准（例如，银行的内部指导方针或贷款批准标准）。同时，企业和家庭对贷款的需求也急剧下降，达到 2003 年欧洲央行启动银行贷款调查以来的历史最低水平。2 根据纽约联邦储备银行的分析，在持续通胀的环境下，美国每位持卡人的平均信用卡余额达到了 6000 美元，这是 10 年以来的最高水平。2023 年第三季度，信用卡拖欠率上升至 3%，这与信用卡余额达到总计 1.08 万亿美元的历史新高存在相关性。这种增长在千禧一代以及拥有汽车或学生贷款的人群中尤为显著。3

正如《2023 年全球展望》中所述，当前的利率上行不太可能预示着银行会重返稳定和健康的利润水平，因为宏观经济状况已大不相同，大多数银行的效率比率也仍处于较低水平。成本收入比 (CIR) 就是衡量运营效率的一项指标。在主要发达经济体和欧盟经济体的银行中，这一指标仍处于高位。2023 年，成本收入比的中位数要比其他地区（不包括中国）高出 12%。而如果包括中国，这一差距将扩大到 16%。4 传统银行业务模式的经济弱点快速体现在资本市场中。自 2008 年全球金融危机爆发以来，投资分析师一直不看好银行股，从而压低了银行的市净率 (PBR)，这是衡量银行特许经营价值的一个关键指标。许多金融机构的市净率低于 1，这表明投资者对股东价值存在担忧，从而导致选择发行额外股权的银行面临更高的资本成本。5 在主要发达经济体和欧盟经济体中，只有加拿大和美国银行的市净率高于 1。6 这些银行在全球金融危机爆发后受益于更快的重组和更高的利率。

3.沟通：客户体验的驱动力

2023 年，IBM 商业价值研究院 (IBM IBV) 开展的一项调研表明，53% 的金融服务 CEO 将改善客户体验列为首要任务，仅次于网络安全 (58%)。8 在数字化日益加速的时代，提供极具竞争力的客户体验对于银行至关重要。长期以来习惯于通过移动应用管理大部分个人和商业生活的客户正在重塑金融服务的格局。我们询问了全球范围内的 12,000 名消费者，了解他们更倾向于在哪里存放工资和储蓄。9 目前，16% 的受访消费者表示已经习惯了无银行网点的全数字化体验，而且在其他发达经济体和新兴经济体，这一比例更高。例如，在巴西，有 29% 的受访者在新兴银行开设了主要账户，这些新兴银行致力于提供应用、软件和其他技术来简化移动和在线银行业务。10

在申请贷款、做出投资决策或购买/续购汽车保险方面，大多数受访消费者更倾向于使用移动应用和网站：贷款申请的比例为 63％，做出投资决策的比例为 69％，购买汽车保险的比例为 56％。在选择汽车保险公司时，消费者更有可能因为良好的索赔体验而选择特定的保险公司，其影响力要比品牌声誉或承保范围等其他因素高 44％。11 客户期望数字生活与现实生活之间实现无缝集成，获得一致的全渠道体验，特点是实时、全面的个性化关系。当消费者考虑更换主要银行账户时，客户服务质量是一个非常重要的因素。事实上，客户服务质量更有可能影响消费者决策，其影响力要比便捷的移动应用或银行分支机构距离等其他因素高 20%。

尽管分支机构在银行中仍然发挥着关键的渠道作用，但其数量自 2012 年以来一直在持续减少，这一趋势在主要发达经济体和欧盟经济体中尤其显著（见图 5）。13 这主要归因于频繁的并购活动以及过去 10 年低利率环境带来的需求下降和的收入压力。与此相反，其他发达经济体和新兴经济体的分支机构网络呈持续增长趋势，这种增长受到多种因素的推动，包括经济财富增加、银行盈利能力提升以及银行服务扩展至以前未使用银行服务的人群和地区。1

尽管利率上行提振了全球银行业的利润，但考虑到便捷、高效的数字银行对客户的吸引力，全球银行普遍回归到扩张分支机构网络的趋势是不太可能的。银行如何应对客户日益增长的数字化需求，以及如何从分支机构转向移动联系点，为客户提供更丰富、更出色、焕然一新的体验？随着指数技术的成熟，银行已经采取了三种策略来打造更出色的客户服务。每个阶段均对应于银行技术投资组合中的不同投资重点。

7.重塑员工体验助力提升生产力并重新平衡成本

银行业的技术投资并不仅限于用户界面，还涉及重新设计端到端架构方面的需求。根据 Gartner 在 2023 年的分析，这些技术投资占全球技术支出的 14%，总额超过 4.5 万亿美元。23 2022 年，平均而言，银行业的技术支出占总营业支出的 7%，而这一比例在不同地区有所不同。24 除技术以外，总营业支出还包括员工团队、物业和其他费用。

不过，将银行技术支出的影响与财务绩效联系起来绝非易事。与其他行业相比，银行的传统商业模式高度依赖于宏观经济状况，而且监管规定更明确地定义了应用领域。最重要的是，总支出金额这一项因素无法决定能实现多大的业务成效。相反，有效利用技术支出将发挥更重要的作用。例如，有效利用的技术支出可以增加服务的价值，从而激发客户为优质体验付费的意愿，保护经济价值免受网络攻击的侵蚀，并将生态系统互动嵌入非银行平台。

与假设相反，欧洲议会 ECON 委员会委托进行的一项研究显示，一些 IT 支出较低的银行表现优于支出较高的银行，这突显了高效利用 IT 支出的重要性。25 此外，CIR 动态表明，许多银行难以将效率导向的举措转化为结构性收益。同样，创新投资在生产力方面的收效也不达预期。在过去 15 年中，总运营支出一直在增加，但技术支出的百分比变化要小于其他支出领域。例如，员工团队成本占运营支出的百分比增加了近 5%。26 为了大幅改善财务绩效，技术投资必须同时解决自动化和为员工赋能的问题，以重新平衡银行对利润的贡献，并让每位员工创造出更多的业务价值。

AI 技术的最新发展大幅扩展了其能力边界。尽管尚未实现生产力方面的重要影响，但早期迹象表明 AI 有潜力成为一项颠覆性技术。不过，要充分发挥 AI 的优势，可能需要采取非常人性化的应对方式：行业和监管机构需要开展合作，同时还要全面重塑商业模式和工作流程。27

5.风险与合规：双刃剑

稳健的金融机构需要与客户共同应对金融和经济不确定性，而有效的风险管理是一项基本原则。银行的利润依赖于熟练的风险管理。这本质上让每一位银行员工都成为风险管理者，负责产生可持续的、风险管控后的价值，从批准贷款、提供投资建议到管理 IT 运营。其中一项关键挑战就是针对运营复杂性的风险管理。自 20 世纪 80 年代推出利率衍生品以来，利率飙升，金融创新加速，导致风险管理能力与 IT 响应能力之间出现差距。技术投资往往是一场你追我赶的游戏，业务需求缺乏企业级视角和一致的架构设计。

结果是，银行不仅将新技术层层叠加到薄弱的架构基础上，而且开发更多注重战术层面而非战略层面，并产生了孤岛。随着银行继续开展创新，其后台和中台运营的复杂性就会持续增加，从而限制其控制成本收入比 (CIR) 的能力。金融危机后，随着大多数衍生品合约简化和集中清算的监管要求，“金融创新”的步伐开始放缓。但银行并未充分把握机会，迅速简化错综混乱的后台和中台架构。随着“金融科技创新”的兴起（更少关注合约收益，更加注重客户与技术的互动），银行意识到在让运营适应开放数字世界方面存在巨大的架构差距。

由于许多银行机构仍处于核心业务现代化的中间阶段，其加速转型的能力遇到了另一项障碍。超过 50% 的银行高管表示，面对场景金融等生态集成战略的竞争压力，API 标准欠缺和核心银行系统模块化不足是一项主要挑战。34 与硅谷的竞争对手和合作伙伴相比，运营风险的分层以及业务和技术方面的限制使得银行的软件开发成本更高，而且速度也慢得多。凭借创建、测试和部署代码的能力，生成式 AI 可以为银行重建迫切所需的大规模软件开发实力。然而，基于薄弱架构基础的加速开发体验可能会导致系统复杂性迅速增加。其中既有潜力，但也存在危险。想象这样一个场景，生成式 AI 加速了软件开发生命周期，但没有相应的清晰架构视图来掌控业务领域、防范合规漏洞以及避免企业级依赖关系。结果可能会加剧安全和韧性风险。

例如，考虑由复合关系创建的复杂性指数曲线。正是因此，在转型加速的同时，架构设计和平台治理在衡量运营风险方面比以往更加重要，以避免所谓的“事件视界” — 这是一个迅速消耗任何增值可能性的黑洞。生成式 AI 技术的快速发展也带来了一系列极具挑战性的运营风险，特别是当通过“即服务”模式使用大语言模型时。庞大的数据供应链通常由来自公共领域的大量未经过滤的数据组成，对大数据模型之间相互作用的可见性有限，因此需要对输出进行专门监督和严格控制（请参阅“观点：生成式 AI 供应链”）。此外，这种扩大的攻击面也加剧了第三方风险和网络安全担忧。事实上，当被问及哪些问题阻碍了生成式 AI 在企业中的采用时，88% 的受访银行首席执行官认为难以控制数据沿袭是最大的合规挑战。这一比例要比其他行业的首席执行官数据高出 27%。35

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）