top of page

亞太銀行業如何打破95%的創新失敗魔咒？


ree

一項來自MIT的最新研究揭示了一個足以引人深思的現實：高達95%的生成式AI試點項目最終都歸於失敗。其根本原因出人意料——企業錯誤地試圖消除「摩擦」，而恰恰是這種「摩擦」，才是創造價值、驅動成功的關鍵。

 

對於正以前所未有的決心擁抱AI的亞太地區銀行業而言，這一洞察無異於一聲驚雷。它揭示了多數AI戰略的根本性缺陷，並指明了通往成功的全新路徑。成功的5%不僅獲得了切實的投資回報，更透過深度整合高價值工作流程、設計記憶與學習循環，證明了擁抱並設計「有益的摩擦」才是明智之舉。

 

問題的核心，正如另一篇《福布斯》文章所指出的，在於銀行業必須完成從不透明的「黑盒」到可解釋的「玻璃盒」的範式革命。

 

那麼，該如何區分「有益的摩擦」與「無益的阻礙」？而「黑盒」AI又是如何將銀行引向失敗的深淵？


「黑盒」的悖論：扼殺有益摩擦，放大無益阻礙

許多金融機構被「黑盒」AI解決方案所承諾的光滑、無縫體驗所吸引，期望能一插即用，立竿見影。然而，這種對「無摩擦」的追求，恰恰是導致95%失敗率的根源。它製造了三大無法逾越的挑戰：

 

1. 無益的合規阻礙與信任赤字

當監管機構問詢一個AI信貸模型的決策邏輯，而銀行的回答是「我們不知道，它是一個黑盒」，這種不透明性便製造了巨大的合規阻礙——這是一種純粹的、無價值的「壞摩擦」。它不僅無法通過監管審查，更在組織內部侵蝕了對AI的信任，使其不敢被應用於核心業務。

 

2. 僵化的集成與失控的創新

「黑盒」方案試圖提供一種通用、平滑的解決方案，但這恰恰扼殺了MIT研究中提到的「有益摩擦」——即系統適應、工作流程重塑和治理成熟的過程。當銀行試圖將其與自身複雜的IT架構集成時，會產生大量技術衝突（壞摩擦）。更致命的是，它將銀行自身的量化專家、業務專家排除在外，他們無法將自己寶貴的知識和模型融入其中，無法進行迭代和優化。這種模式阻止了AI系統透過反饋進行學習和適應，最終淪為一個僵化的「囚籠」，而非進化的夥伴。

 

3. 數據主權的「圍牆」與「影子AI」的崛起

對於數據主權要求嚴苛的亞太銀行業，「黑盒」方案常伴隨著另一個致命的「壞摩擦」：數據安全風險。許多方案要求將數據傳輸至海外公有雲端處理，這直接觸碰了合規紅線。諷刺的是，當企業級試點因這些阻礙而失敗時，MIT研究發現，「影子AI」經濟正在興起——員工轉而使用個人AI工具來完成工作，並獲得了顯著的ROI。這雄辯地證明了，一線團隊真正需要的，是能夠讓他們親自參與、迭代、並施加「有益摩擦」的靈活工具，而不是一個封閉僵化的系統。

 

「玻璃盒」範式：為「有益摩擦」而生

要打破失敗魔咒，就需要轉換思維，從「避免摩擦」轉向「設計和擁抱有益的摩擦」。這正是「玻璃盒」範式的核心思想，它建立在三大原則之上，旨在將AI轉變為一個可控、可進化且能創造巨大價值的內生能力。

 

原則一：以徹底的透明度，為「學習循環」提供土壤

「玻璃盒」範式的基石，是徹底的透明度。它讓AI的決策過程不再神秘，銀行的風險、合規、審計乃至監管部門，都能清晰地審查其內部邏輯。一個理想的金融分析引擎，應當允許用戶檢視其源代碼，理解其決策路徑。這種透明度消除了合規的「壞摩擦」，更重要的是，它為MIT所強調的「記憶與學習循環」創造了先決條件。只有看得見，才能去迭代；只有能理解，才能去優化。

 

原則二：靠深度的可自訂性，將「摩擦」轉化為創新動力

這正是「玻璃盒」與「黑盒」的根本區別。一個開放的分析引擎，應被視為一個「工作台」，而非封閉的「工具箱」。它不僅提供豐富的標準模型庫，更允許銀行將自己耗費心血建立的知識產權模型無縫集成進來。這賦能了銀行的內部專家，讓他們能夠圍繞AI進行工作流程的重新設計、模型的反覆調優和業務邏輯的深度適配。這正是將「摩擦」轉化為價值的創造過程——一個由企業自己主導的、持續的創新循環。

 

原則三：用絕對的主權，構建安全的「創科試驗場」

「有益的摩擦」需要一個安全的環境來進行。真正的「玻璃盒」解決方案，必須能夠部署在銀行自己的數據中心或其指定的私有雲之上。這意味著，所有核心數據和模型迭代，都在企業自身的安全邊界內完成。這不僅徹底解決了數據主權的「壞摩擦」，更為企業提供了一個無後顧之憂的「創科試驗場」，讓團隊可以放心地利用最敏感的數據進行最大膽的嘗試和最深刻的洞察。

 

結論：從「選擇AI」到「選擇正確的AI哲學」

亞太銀行業的AI征程已行至分水嶺。真正的挑戰，已從「要不要用AI」轉變為「選擇何種AI哲學」。對「光滑但淺顯」的「黑盒」方案的迷戀，正是通往95%失敗率的路徑。

 

「玻璃盒」範式，代表了一種更成熟、更深刻的戰略。它承認並擁抱「有益的摩擦」，將其視為企業學習、適應和創造獨特競爭優勢的核心動力。它關乎信任、掌控與內生創新。當一個AI平台能夠賦能內部團隊去主動創造、迭代和優化時，其所帶來的長期投資回报，將遠非任何即插即用的「黑盒」所能比擬。

 

未來，在評估任何一項重大AI投資時，有三個戰略性問題值得深思：

  1. 該方案旨在消除一切摩擦，還是旨在駕馭「有益的摩擦」？

  2. 企業是否對自身的數據、模型和學習過程擁有絕對的控制權？

  3. 它是在賦能內部團隊成為創新的主導者，還是使其淪為被動的技術接受者？

對這三個問題的回答，將清晰地標示出通往那成功的5%的唯一路徑。

而這，也正是我們構建COMPASS所遵循的核心哲學。透過一個真正的開放模型金融數據分析平台，COMPASS將「玻璃盒」的理念變為了現實，把控制權、洞察力和創造力交還給企業自身。




如果您想獲得更多關於金融科技的信息，請關註我們的LinkedIn或訂閱 “金融科技透視。



參考文獻

  • Forbes. (2025). MIT Finds 95% Of GenAI Pilots Fail Because Companies Avoid Friction.

  • Forbes. (2025). From Black Box To Glass Box: Navigating Compliance Transparency In Banking AI.


免責聲明: 本文僅供參考，不構成任何投資或專業建議。文中所含資訊及觀點均源自公開資料，我們力求可靠，但仍不對其準確性或完整性作任何保證。所有內容可能隨時更改，讀者應獨立判斷並諮詢專業顧問，據此操作，風險自負。


Copyright © 2025 緯泓版權所有，不得轉載


bottom of page