金融業AI支出大增，但ROI仍難落地

金融機構正以前所未有的速度提高AI預算，但「投入更多」並不等於「回收更多」。Quinlan & Associates的核心結論很直接：金融業已不再面臨是否採用AI的問題，而是必須證明哪些部署確實能改善營收、成本、風險管理或客戶成果。

資金持續湧入，ROI缺口卻未縮小

Quinlan & Associates估計，金融服務業在2025年的AI相關計畫支出達760億美元，並預計到2030年將超過1,300億美元。14 同時，據報約95%的傳統金融機構正在探索AI，或已將其用於業務營運；然而，71%的機構表示，自己難以取得或證明清楚的投資報酬率（ROI）。3

這個落差值得警惕。廣泛導入反映了管理層的企圖與投資意願，卻不能證明每個專案都創造了持久價值。Quinlan相關資料也指出，43%的AI計畫遭取消，顯示不少嘗試未能走到可持續的正式營運階段。15

問題不只在模型，而在執行方式

Quinlan歸納出三項彼此牽動、阻礙價值實現的問題：

1. 技術先行的策略。 機構可能先看到可用工具，才回頭尋找應用問題，卻未先界定商業目標、客戶旅程、工作流程瓶頸與價值指標。如此一來，便難以挑出具有可信效益路徑的使用案例。6
2. 治理介入得太晚。 若把風險、法遵與控制機制視為設計之後才進行的核准流程，團隊可能在投入大量時間與預算後，才發現用例根本無法符合要求。6
3. 營運模式無法支援擴展。 資料零散、導入基礎薄弱，以及缺乏治理、部署與擴大AI的能力，都可能讓看似有潛力的專案卡在概念驗證與企業級落地之間。6

換言之，這些限制多半不是單純的技術問題。金融機構可以採購模型授權、進行概念驗證，也能列出大量AI實驗，但若沒有重設相關工作流程與責任歸屬，依然很難轉化為實際財務成果。

AI治理不是成本項，而是ROI的一部分

在金融服務業，可信賴的AI治理並非與商業績效相互對立。它決定一項AI應用能否被核准、部署、持續監控，並在商業案例所需的自主程度下獲得信任。

世界經濟論壇的金融服務業AI指南建議，應在各層面嵌入風險管理與負責任AI實務：及早界定風險胃納、嚴格驗證模型，並確保AI行動具備可解釋性、可追溯性與可控性。1 當企業從輔助型系統走向可執行多步驟任務的系統時，這些要求更顯重要。清楚的使用邊界、升級處理機制與人工監督，可降低阻礙高價值應用擴展的營運不確定性。

產業調查也凸顯基礎建設的重要性。IIF-EY調查將資料品質與資料可得性列為AI進入正式生產環境的主要挑戰，此外還包括人才技能與治理防護措施。4

與BCG、NVIDIA研究對照：AI能賺錢，但不會自動賺錢

其他研究大致支持Quinlan的診斷，只是樣本與衡量方式不同。

BCG針對超過280名財務主管的調查發現，受訪者自述的AI與生成式AI ROI中位數為10%，低於許多人設定的20%目標；近三分之一的受訪者僅看到有限收益。43 BCG另一項涵蓋逾1,250家企業的研究則顯示，只有5%的企業已在大規模導入下取得AI價值；60%的企業雖有可觀投資，卻幾乎未產生實質價值。

NVIDIA在2025年金融服務業調查中則呈現較正面的另一面：部分已部署的用例確實帶來可見成果。近70%的受訪者表示，AI推動營收至少增加5%；逾60%表示，AI使年度成本至少降低5%。以自述ROI而言，生成式AI最突出的應用包括交易與投資組合最佳化，以及客戶體驗。

這些結果並不矛盾。AI確實可能帶來回報，但「部署完成」不是成果本身。關鍵在於機構是否挑選高價值場景、改造相關流程、建立可靠的資料與控制措施，並且衡量營運與財務結果。

下一道分水嶺：從導入競賽轉向執行能力

Quinlan報告最清楚的訊號，是支出、參與度與實現價值之間的失衡：2025年760億美元的投資規模、普遍的AI活動，以及持續難以證明回報的現實同時存在。14 3

對金融服務業領導者而言，實際的應對方式是把AI視為商業轉型計畫，而不是一批彼此分離的試點專案：先從可衡量的商業目標出發；在開發前就確立風險與治理要求；明確指定成果責任人；並在上線後持續追蹤全生命週期指標。BCG同樣指出，能創造顯著價值的企業，會聚焦少數計畫、快速擴大規模、改變核心流程、提升團隊能力，並系統化衡量營運與財務回報。

因此，下一階段的競爭差距，可能不在於誰「有AI」，而在於誰能在核心流程中，以安全、可衡量且可擴展的方式運作AI；以及誰仍不斷累積實驗，卻沒有一條可複製的價值實現路徑。