研究显示，金融业的人工智能（AI）采用率已升至81%，整体上正从试点走向普及。不过，AI是否真正带来盈利增长和运营效率提升，并不只取决于企业有没有采用AI，更与组织的AI成熟度、技术应用深度以及投入力度密切相关。

据FintechNews Switzerland当地时间6日报道，剑桥大学Judge商学院旗下Cambridge Centre for Alternative Finance发布了一份关于金融业AI应用现状的研究报告。

本次调查于2025年10月至2026年1月开展，覆盖151个地区的金融机构、AI供应商和监管机构，共有628家机构参与。结果显示，81%的受访机构已在不同程度上采用AI，其中40%表示其AI应用已进入“扩展”或“变革”阶段，显示出AI正逐步成为金融业提升效率、强化风险管理和改善客户服务的重要工具。

从机构类型来看，金融科技公司在AI转型上的进展明显快于传统金融机构。处于“变革”阶段的金融科技公司占比为19%，而传统金融机构仅为6%，差距超过3倍。相比之下，传统金融机构仍更多停留在初期阶段，其中“探索”占21%，“试点”占44%。报告认为，与原生具备数字化架构的金融科技公司相比，传统金融机构面临遗留系统、整合复杂度高以及安全要求严格等制约，导致AI规模化应用推进较慢。

从技术类别看，传统机器学习仍是当前最普遍的AI应用形式。75%的受访者表示已采用机器学习，主要用于欺诈检测、信用评估以及反洗钱（AML）中的可疑交易识别。与此同时，生成式AI采用率已升至71%。此外，能够在设定目标后自主完成多步骤任务的代理型AI，采用率也达到52%，应用已延伸至自主交易、动态投资组合再平衡和实时风险缓释等场景。

在机构内部，AI应用目前首先集中在运营和后台环节。最成熟、覆盖最广的场景是流程自动化，采用率为79%；数据可视化和软件开发均为75%。在前台场景中，AI客户支持以73%居首，其后为销售、客户关系管理和客户触达（67%），以及营销和个性化服务（64%）。

随着AI应用水平提升，不同企业之间的业绩表现也开始明显分化。在AI成熟度较高的企业中，64%表示盈利有所改善；而成熟度较低的企业中，这一比例仅为33%。另有56%的金融科技公司表示生产效率得到提升，传统金融机构的这一比例则为34%。

投入规模同样对结果产生明显影响。最近一个财年AI投入超过10万美元的企业中，61%表示盈利实现改善；投入低于10万美元的企业中，这一比例为40%。同时，采用自研或深度微调AI模型的企业，盈利改善比例为54%，高于主要依赖通用产品或外部供应商方案的企业（39%）。报告指出，AI能否带来财务回报，与其说取决于“是否采用”，不如说更取决于企业对技术的掌控能力和投入力度。

从就业层面看，AI目前带来的直接影响仍相对有限。74%的受访者表示，过去3年AI应用并未导致人员规模明显增减。但放眼2030年，行业更关注的是再培训和岗位转型。25%的受访者预计将推进员工再培训和岗位转换；若加上预计岗位净增的10%，合计35%的受访者认为AI将带来岗位变化或正面影响。另一方面，也有四分之一的受访者预计，到2030年岗位数量将出现净减少。其中，支付与结算领域最为悲观，21%的受访者预计岗位将出现较大幅度下滑。

在AI加速普及的同时，行业瓶颈也愈发清晰。数据可用性和数据质量被认为是最大障碍：66%的AI供应商、46%的监管机构以及40%的行业受访者都将数据问题列为关键制约因素。AI供应商认为，与客户合作时面临的最大难点在于数据质量和完整性；遗留系统、割裂的工作环境以及数据共享受限，也被视为主要掣肘。监管机构则更关注AI培训和能力建设不足（48%）、人才短缺（47%）以及技术和基础设施限制（45%）等问题。

报告认为，金融业下一阶段的竞争重点，正在从“是否采用AI”转向“AI能否真正深入业务体系”。金融机构与金融科技公司之间的表现差距，也将继续在这一维度上拉大。随着生成式AI和代理型AI加快扩散，数据质量和内部能力建设的提升，仍将是决定盈利改善与生产效率提升的关键变量。