Son Byungdoo:“金融公司将迎来被AI而非客户选择的时代”[2026金融论坛]
客户不再依赖应用程序 而是把财务策略交给AI
金融公司能否被“算法调用”成为新竞争力
发掘原本难以看见的创新企业与个人
成为实现“生产性金融·普惠金融”的最佳资本配置工具
必须打破国内金融公司“5大结构性壁垒”
监管范式也要转向以结果责任为中心
Son Byungdoo Toss Insight代表提出洞见称,未来将迎来由人工智能(AI)代理而非客户本人来选择金融公司的时代。原因在于,与其让客户亲自打开银行应用程序比较产品,不如让客户向AI代理请求为其寻找匹配的金融解决方案,这种体系更有可能成为主流。为此,他建议金融机构若想获得AI代理的“选中”,就不能只停留在简单提升算法性能层面,而应在全公司范围内对数据所有权和责任归属等问题作出明确规定,尽快建立起“数据治理(治理结构)”体系。
“金融范式将从产品销售进化为‘财务规划与执行产业’”
Son Byungdoo Toss Insight代表21日在首尔中区威斯汀朝鲜首尔酒店举行的“未来金融大转型:生产性资本时代与新的金融秩序”主题2026阿视亚金融论坛(Asian Financial Forum 2026)上,以“人工智能金融创新:改变资本流向的力量”为题进行演讲。2026.5.21 记者 Kim Hyunmin
View original imageSon代表21日在首尔中区威斯汀朝鲜首尔酒店举行的、以“未来金融大转型:生产性资本时代与新的金融秩序”为主题的2026阿视亚金融论坛(Asian Financial Forum 2026)上,在“AI金融创新:改变资本流向的力量”专题演讲中表示,如果说过去的金融是大规模生产并销售标准化产品的结构,那么今后的金融将演变为个性化财务规划与执行产业。
Son代表表示,全球领先金融机构已经在将AI作为基础设施而非可选项进行部署。麦肯锡的调查显示,生成式AI每年可创造的经济价值潜在规模最高可达4.4万亿美元,相当于全球排名前5位国家的国内生产总值(GDP)。在实践中,摩根大通引入AI合同分析系统后,每年节省了36万小时以上的工作时间,美国银行(Bank of America)的AI助手“Erica”累计咨询量已突破30亿次。高盛则在研究初稿撰写和风险分析中将生成式AI作为辅助工具使用,而中国金融科技行业则利用AI,在短短几分钟内即可完成实时贷款审查。
Son代表指出,“AI越强大,金融机构竞争力的衡量标准就越会从‘拥有多少员工’转向‘打造出多好的系统’”。他尤其认为,随着客户接触点从以应用程序为中心的平台转移到AI代理,金融竞争规则也将被重构。Son代表表示,过去重在通过营销直接说服客户,而今后则“被AI选中”要重要得多;与品牌号召力相比,AI算法会调用并推荐哪家金融机构的产品,将成为新的竞争力。
原本“隐形”的企业与个人被重新聚焦…缓解信息不对称
他同时描绘了这样一幅蓝图:当AI金融普及后,可以极大提升资本配置的精细度,从而实现“生产性金融”和“普惠金融”。长期以来,创新企业由于财务报表薄弱,且知识产权(IP)、专利权等无形资产占比高,在既有金融体系中筹资困难重重。然而,如果AI能够立体分析交易网络、销售模式、行业大趋势等非结构化数据,就有可能在早期发掘出具有高成长潜力的优质企业。就个人金融而言,他也认为,将更有能力把弱势群体纳入体制内,显著增强金融的包容性。
Son代表援引近期总统办公室政策室长在社交媒体上提到“金融很残酷”的言论,强调必须降低传统金融体系的门槛。对于交易记录不足的“薄信用人群(thin filer)”,如果不再依赖既有信用评分,而是将通信费、燃气费缴纳记录,四大社会保险参保信息,以及平台电商交易数据等交由AI进行综合分析,就有可能实现更立体的替代性信用评估。进一步而言,通过实时数据分析,在逾期发生前提前捕捉风险征兆,并与面向低收入群体的金融机构联动,构建“事前预防型金融系统”也将成为可能。
Son代表表示,“AI是一项能让原本看不见的客户和企业变得更加清晰可见的技术”,“从生产性金融的角度来看,AI最大的意义在于,能够准确判断资本应该流向何处,从而提升资本配置的精细度”。
韩国式“部门壁垒”成最大绊脚石…监管也应转向“结果责任”
不过,他也指出,AI难以在国内金融产业深度扎根的原因之一,是韩国社会特有的“烟囱式(部门壁垒)”现象等“五大结构性障碍”。具体包括:▲按部门、子公司分割数据并引发所有权冲突的烟囱式组织结构 ▲以已使用20~30年的大型主机为中心的传统遗留系统 ▲格式各异且错误频发的数据质量问题 ▲相信“事故成本大于创新收益”的监管与合规风险 ▲一旦AI失败责任归属不明、从而对创新裹足不前的保守决策文化等。
Son代表尤其严厉指出了数据质量问题。他批评称,即便国内金融机构投入巨额成本引入AI,项目时间的一半以上仍被浪费在“数据清洗”这一非高阶模型开发、而且各自为政的工作上。数据清洗固然是再耗时也必须完成的任务,但在经营现实中,各部门之间数据格式不统一、重复与错误并存、标准化不足的情况非常普遍,因此在他看来,应优先确立坚实的数据治理体系。
他表示,“对AI而言,关键不在于数据量,而在于数据质量”,“有金融机构反映,仅用于整理数据一项,项目时间就要消耗一半以上”。他接着指出,“金融机构应在思考算法之前,先把数据治理明确建立起来”,“传统金融机构在导入AI时遇到的困难,并非源于AI技术匮乏,而是僵化的组织结构、低质量的数据以及保守的文化所致”。
监管当局的规制范式也应转向“负面清单”
最后,他强烈呼吁金融监管当局也要实现监管范式转型。在现行“肯定式监管”体制下,除被允许的行为外一律禁止,每当推出新服务时都必须获得监管部门许可,这种模式无法跟上市场的学习速度。
Son代表表示,“今后的AI金融监管,应该从‘不要做什么’转变为‘要为什么负责’这一强化结果责任、以原则为中心的监管”,并强调,只有当企业切实履行了最低限度的程序性标准后,监管体系再通过对不确定结果予以免责的激励相结合,创新才有可能发生。
他同时指出,“监管的对象本身也将从人(员工)转移到算法(设计者与数据流)”,“监管范式将从过去传统金融中监督‘说明义务(说了什么)’的方式,演进为通过验证AI查看了哪些数据、通过何种路径作出推荐的日志记录,构建‘基于日志的实时监管体系’,并辅以按功能划分的监管”。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。