金融業AI投資愈嚟愈大，但ROI仲未交到數

金融機構而家唔缺AI預算，亦唔缺試點項目；最缺嘅係一條由「做得到」去到「交到數」嘅路。

Quinlan & Associates嘅結論好直接：金融業已經過咗要唔要採用AI嘅階段。下一關係要證明，邊啲部署真係改善收入、成本、風險管理或者客戶體驗。

錢愈投愈多，回報點解仲係講唔清？

Quinlan估計，金融服務業喺2025年投放咗 760億美元 到AI相關項目，並預計到2030年全行業開支會超過 1,300億美元。14 同一時間，約95%傳統金融機構正探索AI，或者已經將AI用喺業務營運；但有71%表示，難以取得或證明清晰嘅投資回報率（ROI）。3

呢個反差值得留意：機構廣泛採用AI，最多只代表大家有意欲投入，唔等於每一個項目都創造到可持續嘅實際價值。Quinlan相關發現仲指出，43% AI項目會被取消，反映唔少嘗試最終未能走到穩定、可長期運行嘅生產環境。15

問題唔只係技術，而係執行方式

Quinlan歸納出三個互相牽連嘅障礙：

1. 由技術倒推策略：有啲機構見到某個工具可用，就先諗點樣用；而唔係由清楚嘅商業問題、客戶旅程、流程樽頸同價值目標出發。結果自然難揀到有可靠回報路徑嘅用例。6
2. 太遲先處理管治：如果風險、合規同控制只係設計後期嘅審批步驟，團隊可能已經使咗大量時間同資源，先發現原來有關鍵限制。6
3. 營運模式未準備好擴展：數據分散、落地基建不足，加上缺乏管治、部署及規模化AI嘅能力，都可以令一個原本有潛力嘅項目，卡喺概念驗證同企業級採用之間。6

換句話講，買到模型、做過試驗、甚至列出一長串AI項目，唔代表已經攞到財務成果。關鍵在於：有冇重整相關工作流程、釐清問責，以及持續量度結果。

AI管治唔係「煞車掣」，而係ROI嘅一部分

對金融業而言，可信賴AI管治唔係同商業表現對立。相反，佢會影響一個用例能否獲批、能否上線、能否被持續監察，以及用戶同管理層敢唔敢信任佢去承擔相應程度嘅自動化工作。

世界經濟論壇嘅金融服務業AI指南建議，風險管理同負責任AI做法應該嵌入每一層：及早界定風險承受程度、嚴謹驗證模型，並確保AI行動具備可解釋、可追溯同可控制性。1 當企業由輔助型系統逐步走向可自行完成多步驟工作嘅系統時，呢啲要求尤其重要。清楚嘅權限界線、升級處理程序同人類監督，有助減低阻礙高價值用例擴展嘅營運不確定性。

而基礎功夫亦唔可以跳過。IIF-EY調查指出，數據質素同數據可用性，是將AI部署到正式生產環境時最主要嘅挑戰；具備相關技能嘅人才與管治保障亦同樣重要。4

同BCG、NVIDIA嘅研究有冇矛盾？

整體研究結果其實支持Quinlan嘅判斷，只係樣本同衡量方式唔同。

BCG訪問超過280名財務主管後發現，受訪者所報告嘅AI及生成式AI ROI中位數只有 10%，低過許多人設定嘅20%目標；接近三分一受訪者只見到有限收益。43 BCG另一項涵蓋逾1,250間公司嘅研究亦發現，只有5%企業已經大規模實現AI價值；60%即使投資不少，仍未見明顯實質價值。

不過，NVIDIA嘅2025年金融服務業調查展示咗另一面：部分已部署嘅用例確實帶來成果。近70%受訪者表示，AI令收入至少增加5%；超過60%表示，AI令年度成本至少降低5%。以受訪者所報ROI計，生成式AI最突出的用例包括交易及投資組合優化，以及客戶體驗。

兩組研究並唔衝突。AI可以有回報，但「部署咗」本身唔等於成果。分別在於機構有冇揀中高價值用例、改造相應流程、建立可靠數據與控制機制，並將營運及財務結果量度出嚟。

競爭焦點：由採用AI，轉為有效執行AI

Quinlan報告最清楚嘅訊號，正正係投入、參與度同已實現價值之間嘅落差：2025年760億美元投資、機構大規模參與AI，但仍有大量機構難以證明回報。14 3

對金融機構管理層而言，實際做法唔應該係再堆疊一批彼此割裂嘅試點，而係將AI當成業務轉型項目去做：

• 先定一個可量度嘅業務目標；
• 開發前就訂好風險、合規及管治要求；
• 指派對最終成果負責嘅人；
• 上線後持續追蹤全周期指標。

BCG亦指出，真正創造顯著價值嘅企業，通常集中資源做少數重點項目、快速規模化、改變核心流程、培訓團隊，並系統化量度營運同財務回報。

下一輪競爭，未必係「邊間機構有AI」對「邊間冇AI」；而係邊間可以安全、可量度咁將AI放入核心工作流程，另一邊就繼續累積一堆未有可複製價值路徑嘅實驗。