在新加坡,AI已经进入大多数金融科技企业,但它带来的实际回报,似乎还没跟上企业最初的期待。

一份近期发布的报告显示,86%的受访金融科技企业已经部署AI,但只有4%将创造新增收入视为AI带来的最大收益。相比之下,降低运营成本是更多企业的选择。

预期与现实的落差

从投资回报来看,新加坡金融科技企业对AI的预期与实际表现存在明显差距。

调查显示,61%的受访者原本预计,AI投资能够带来26%至50%的回报率,但实际达到这一水平的只有42%。与此同时,实际回报处于1%至25%区间的受访者占45%,是此前预期比例21%的两倍多。

换句话说,获得较高回报的企业没有预想中那么多,更多企业的实际收益落在较低区间。而且,目前最容易兑现的收益,主要集中在企业内部。

在被问及AI带来的最大收益时,41%的受访者选择降低运营成本,风险管理与合规、员工效率提升紧随其后,分别占28%和19%。相比之下,选择客户体验改善和创造新增收入的受访者合计只有12%。

这些收益的差异,与AI目前能够承担的工作密切相关。对于金融科技企业来说,代码编写、数据处理和客户服务等工作往往具有大量重复性任务,AI能够帮助企业减少人工处理工作量、缩短处理时间。

例如,新加坡财富管理平台Endowus已经利用AI客服机器人处理约30%的WhatsApp及应用内客户咨询,让员工能够将更多时间投入复杂问题和客户关系维护。

但这类效率提升未必能够直接带来新增收入。报告也指出,AI改善客户体验、提高用户留存率等收益,其具体贡献往往比运营成本节省更难单独衡量。

从后台到核心业务的门槛

AI在金融科技企业内部的应用程度,也呈现出明显差异。

目前,技术开发与工程、后台运营是AI应用最广泛的两个领域,相关比例分别达到99%和98%。但在融资、放贷和承销等涉及核心金融决策的业务中,AI应用比例只有约40%。

这样的差异与不同业务的风险要求有关。以客户服务为例,AI可以处理相对标准化的咨询,将复杂问题交由人工解决。但在贷款审批、金融交易或资产配置等业务中,AI的判断可能直接影响资金安全与客户利益,对准确性、可解释性和风险控制的要求也更高。

随着AI应用从辅助工作转向核心业务,企业还需要解决数据和系统方面的问题。报告显示,63%的受访者将内部数据治理列为扩大AI应用的首要障碍。

这一差距在AI Agent的部署上更加明显。虽然42%的受访企业认为自己已经具备部署AI Agent的条件,但真正将其投入生产环境的只有11%。从能够使用AI,到让AI在实际业务系统中自主执行多步骤任务,金融科技企业仍面临不少障碍。

目前,客服、工程和后台运营已经可以通过AI提高效率,但在信贷、投资和交易等更接近金融科技企业核心业务的领域,技术应用仍有很大的拓展空间。

投入为何继续

尽管目前的投资回报没有完全达到预期,新加坡金融科技企业并未因此放慢AI投入。调查显示,94%的受访企业计划在2027年增加AI预算,只有5%准备维持现有水平。

企业继续投入,有着已经实现的收益作为基础。在技术开发、客户服务和后台运营等领域,AI能够减少重复劳动、提高处理效率,即使尚未带来明显的新增收入,这些改善仍然具有实际价值。

而在核心金融业务中,AI还有更多尚未充分开发的应用空间。随着技术和企业内部系统逐步成熟,资金管理、交易处理和跨系统操作等业务,也成为新的探索方向。

不过,要将这些应用投入实际运营,企业仍需要在数据整合、系统稳定性及风险管理等方面继续投入。相比此前引入AI工具的阶段,接下来的投入将更多涉及业务流程改造,以及技术与现有系统的深度整合。

对金融科技企业而言,这也意味着AI投资正在进入一个新的阶段。企业已经通过部分应用获得了效率收益,但要进一步扩大回报,还需要让AI承担更多与核心业务直接相关的工作。

结语

AI已经在客服、软件开发和后台运营中为新加坡金融科技企业带来了效率提升,但在信贷、投资和交易等核心业务中,应用仍然有限。

随着更多预算投入,企业能否突破数据治理和系统整合的障碍,让AI从辅助工具进入实际业务流程,将直接影响下一阶段的投资回报。