自20世纪50年代以来，人工智能（AI）经历了一段又一段的极度乐观期，其间穿插着几次极度悲观的时期。

过去十年见证了能够理解和生成自然语言的计算机的崛起，这或许是迄今为止最重要的时期。但生成式AI能否持续发展成为了现在的一个热门话题，许多人认为，这些技术进步的影响力远不及最初承诺的那么大。

新工具一直是银行业的关注重点。然而，这个行业究竟能从中获得多大的收益呢？随着时间的推移，人们对AI的怀疑态度是否会逐渐占据上风？

ChatGPT和其他生成式AI系统的主要担忧是，它们有时会提供令人失望、令人困惑的结果——即所谓的“幻觉”。尽管关于此事的研究仍在进行，但最近有人将“幻觉”难题描述为“没有人能解决的3%问题”。

另一方面，也有迹象表明，生成型AI在提高银行家生产力方面具有巨大的潜力。例如，花旗全球视角及解决方案最近的一份报告估计，54%的银行工作岗位可能会被AI取代——但或许他们只是在迎合人们对这项新技术所带来的好处的炒作？

银行被要求履行许多监管任务，这些任务会产生成本，但对底线收益却微乎其微。如果生成式AI帮助银行更经济地遵守规则，那么对股东的回报将是显著的。

去年，我曾思考AI是否有可能帮助克服某些产品中的数据缺陷，甚至可能扩大向未得到充分服务的人群提供银行业务的可能性。此外，在反欺诈方面，AI确实具有巨大的潜力，而欺诈的性质并不适合结构化建模。

然而，从数据中很难看出所有这些潜力的实现程度。你可能会认为，银行的放贷业务有了显著改善，其利差也会随之增加，但美国银行业净息差总额（NIM）自20世纪90年代中期以来一直在下降，大多数大银行的净息差一直持续下降到2023年底。

简而言之，如果生成式AI要真正改变银行业，它需要做的不仅仅是取代大量低附加值的工作，自动化繁琐的监管任务，并为银行节省一些资金。

生成式AI：跨行业变革

在我最初尝试使用ChatGPT进行零售和企业信用风险评估时，我报告称，这项技术令人印象深刻，却又模棱两可。通过研究其他行业的商业应用案例，我们也可以了解生成式AI的影响。

在今年3月发表在Substack上的一篇文章中，AI行业早期的怀疑论者 Gary Marcus 指出，这种新模型的商业应用案例非常有限。除了能够生成有点不靠谱的文本外，该工具对程序员来说是一大福音——我最近发现这一点是因为我需要重新激发自己长期沉睡的编程技能，以进行我想从事的“大数据”统计探索。根据我的经验，你在调试阶段一定要非常警惕，但毫无疑问，生成式AI是一个重要的省时工具，甚至对于那些年老编程技能退化的人来说也是如此。

在早期阶段，生成式AI也在写作和学术领域崭露头角。有报道称，ChatGPT撰写的（部分）文章出现在同行评议的期刊上。看来，本科生现在有了一种神奇的新作弊方式，这种方式几乎无法被他们的老师察觉。

但是更有效的编码和帮助大学生作弊并不能为与AI相关股票的巨额估值提供充分的理由。由于对输出准确性的持续质疑，以及缺乏能够彻底改变我们生活的“杀手级应用”，人们确实担心大规模资金涌入可能无法产生对应的回报。

正如Marcus指出的，除非ChatGPT版本5很快面世，并具备与行业炒作相匹配的能力，否则泡沫或将破裂，在他看来，这是不可避免的。

进一步的想法

那么，生成式AI的影响是否被过度炒作？可能是的。确实，银行从中获得的预期回报在现实世界数据中已很难看出来。银行业并不能免疫Marcus为整个经济观察到的疾病。

我怀疑AI很快就会走向衰落或者迎来爆发式的增长。正如Marcus所说，这可能取决于下一次重大突破的成功与否。

如果AI泡沫破灭，这个时代的讽刺性标志将是硅谷银行的失败。在前所未有的AI乐观情绪的顶峰时期，距离中心点最近的银行却失败了。

我不想破坏这种兴奋情绪，但这或许是个预兆？还是AI热潮会在银行业持续下去？只有时间能证明一切。