文章主题：【引用】

666AI工具大全，助力做AI时代先行者！

本报告由香港科技大学余澤韋撰写，经作者授权后在本公众号发布。

1.行业概况

1.1 市场概况

1.1.1 市场规模

根据Grand View Research于2022年公布的分析[1]，全球AI金融科技的市场规模在2021年录得94.5亿美元，在2022年增长到121.1亿美元。市场规模预计从2022年到2030年间会有16.5%的复合年增长率（CAGR），并在2030年最终达到411.6亿美元的大小。同份报告显示，2021年北美市场在全球市场中占主要份额，超过40%。福布斯在其2021年的分析[2]中预测，AI市场单单是金融科技部分就会占据80亿美元，且会在五年间增长270亿美元。根据美国美国经济分析局[3]和加拿大统计局[4]2022年金融服务相关数据计算，美国占北美市场的89.6%，即2022年美国AI金融科技市场规模约为43.4亿美元，到2030年会增长到147.5亿美元。

1.1.2 投资情况

截止至2023年5月15日，根据标准普尔全球研究报告[5]显示（见下图），全球私募基金和风投公司在今年对人工智能和机器学习相关的投资主要集中在欧洲（45.4亿美元，94次交易）和北美（50.5亿美元，147次交易）。欧洲平均每单交易额度比北美每单交易额度高，对此标普全球并没有给出分析。需要注意的是，本数据统计的是PE/VC对人工智能和机器学习的投资，若仅关注对于大模型技术领域的投资，则可能呈现不一样的分布。

图1:2023年全球私募/风投关于人工智能与机器学习的投资情况

图2:2023年全球私募/风投关于人工智能与机器学习投资额度最大的10单投资交易情况

在图2列表的美国公司中，Sumo Logic是软件安全和数据分析的平台，Persimmon AI将AI运用到医药领域，SB Technology是消费型电子产品分销商，OpenAI是大模型研发企业。唯一与金融相关的企业Fintern Ltd是英国企业，该企业向贷款公司提供借款人信用分析服务，向借款人提供贷款中介服务，声称利用实时银行交易数据分析赋能贷款公司做出更好的贷款决策。

1.1.3 专利

根据美国专利商标局（USPTO）以申请人居住地划分的AI专利授予数据，截止至2016年，居住在美国本地的申请人所获得的专利数目占全球的71.6% （3087.5个）。根据OECD统计的在IP5 patent families中两个及以上国家登记了的专利，截止至2017年，居住在美国本地的申请人所获得的专利数目占全球的25.5%（1131个），略低于日本26%（1153个），高于中国大陆15.85%（702.6个）[6]。

1.1.4 初创企业数量

目前没有公开统计的美国AI金融科技的初创企业数量，但根据Zippia[7]和Statista[8]的统计，截止至2022年，美国初创企业数量达到72,500个以上，而全球初创企业的产业分布情况为金融科技占7.1%，人工智能占5%。由此大致估算，截止至2022年，美国初创的AI金融科技企业大约有257家。（假设条件，人工智能和金融科技初创企业两个随机事件之间相互独立）

图3:全球初创企业产业分布情况（Statista，2022）

1.2 行业情绪（Insights）

行业领军人物对AI存在矛盾情绪，部署AI或是为了蹭热度

在KPMG[9]一份2021年出版的报告中显示：75%的金融服务机构领导层认为AI与其说是真实发生的改变不如说是一种高涨的情绪，而这一数字相比2020年的报告增加了33%。然而与此同时，85%的受访者却表示他们会在应用AI技术方面愈发进取，与先前的态度有所矛盾。

又如，Deloitte（2022）：相比其他受访行业，金融部门对AI的应用成熟度相对落后，该行业受访者对于AI对公司在未来五年重要性的评价低于平均值。但是OpenText（2022）[10]的调查指出，80%的银行高度意识到人工智能和机器学习所展示出的潜在益处。

这些调查均体现出金融行业内对人工智能的矛盾情绪，说明他们对人工智能的部署是为了蹭热度。

资产规模更大的玩家更加风险偏好，在AI的部署方面更为激进，或因更有财力，或因FOMO

UBS Evidence Lab（2022）[11]：资产超过1000亿美元的银行受访者中，75%表示他们正在部署AI策略，相对于资产不足1000亿美元的银行受访者的比率（46%）高出了29%。Economist Intelligence Unit (2020)[12]：雇员规模超过5k的金融服务机构中，54%的机构已经开始应用AI了。

这可能是出于两方面的原因：一，资产规模大的企业相对更有财力投入于人工智能的开发和应用；二，资产规模大的企业更关心其在行业的名声，如果不进行人工智能部署，会被认为落伍。（如7月11日我们参访某大厂，对方表示其对于大模型的开发是为了追赶热度和避免被认为落伍）

AI在金融行业应用暂时滞后，因行业企业本质上风险厌恶、业务差错后果相对其他行业严重、产品生产方式、工作流程固定而新技术的应用会带来学习、部署、反馈、调整的成本

Private Fund CFO Insights Survey 2022 (by Private Equity International)[13]：74%的私募基金还未斟酌应用AI技术。福布斯2023年公布的AI 50排行榜中，只有一家企业（AlphaSense）是向金融服务行业提供服务的，应用场景为智能投研。

Bain Capital Venture (2023)[14]同样发现行业对于AI如何影响金融服务产品的核心价值链的关注不足。BCV认为，金融服务企业本质上是偏保守/风险厌恶的，AI的准确度误差是否能满足其对精确度和准确度的要求仍未确定，而业务出错导致的后果可以很严重，如失去金融牌照，这对于企业的打击是生存性的。除此以外，产品的生产方式/工作流程已经固定，嵌入新功能来替代原来的生产环节（如在保险产品嵌入信用调查），会导致生产方式和流程的重新调整，而某项技术是否能够很好地适用，所解决的问题提高的效率是否足以忽略技术的不足。以人寿保险和财产保险为例，收集充分申请人信息需要的时间无法给申请人提供愉悦的顾客体验。

2. 美国金融AI具体应用情况

2.1 应用场景

2.1.1 银行业

人工智能在银行业中的应用 (Business Insider Intelligence 2022[15])

前台（智能客服）

中台

后台

更流畅的顾客识别与认证，通过聊天机器人和语音助手模仿雇员，深化与顾客的关系，并提供定制化的分析和建议、同时推销合适的银行产品

风险评估、侦测并预防支付诈骗、提高反洗钱程序效率、开展KYC客户调查

信用调查

根据Business Insider Intelligence于2022公布的研究，AI在银行业中的应用主要分为前中后台三类，前台主要为智能客服，中台主要为风险评估、安全措施、以及智能合规、后台主要为信用调查。

2.1.2 保险/再保险业

根据瑞士再保险公司（2023）[16]所做调研，AI在保险和再保险行业中有广泛应用，包括产品管理、产品推广、销售和分销、征信调查与风险管理、保单服务、索赔管理等。而在这些职能部门的具体环节中，AI的应用具有不同的影响程度。

2.1.3 私募基金/基础投资（Principal Investment）

人工智能在私募股权和基础投资中的应用 (Leeway Hertz)[17]

PE私募基金

基础投资（Principal Investment）

投研

分析大量的财务数据、行业趋势、竞争对手分析，生成预测模型。

行业研究

分析来自各种来源的数据（新闻文章、财务数据、社交媒体等），使您能够领先于市场并在主流投资机会出现之前识别投资机会。

尽职调查

分析来自各种来源的数据（财务报表、法律文件、新闻文章等），使投资者能够做出更明智的决策，降低投资失败的风险。

预测模型

开发预测模型，分析大量数据以识别模式并预测未来表现。

资产组合监控&管理

利用人工智能监测和管理投资组合公司。人工智能分析公司业绩，识别潜在问题和改进机会，并基于数据做出关于资源配置的决策。

Deal structuring

分析以往交易的数据，识别模式并制定最大化回报和最小化风险的策略。

风险管理

识别和量化风险因素，预测潜在问题，并制定减轻风险的策略。

风险管理

识别和量化风险因素，预测潜在问题，并制定减轻风险的策略。

识别潜在投资机会

筛选海量数据以识别符合特定投资标准（如营收增长或市场份额）的公司。

识别潜在投资机会

筛选海量数据以识别符合特定投资标准（如营收增长或市场份额）的公司。

退出策略

分析市场趋势和公司数据，预测最佳退出投资的时间和最有利可图的退出路径。

Cambridge Centre for Alternative Finance & World Economic Forum（2022）：主要金融企业表示他们在风险管理（56%）和通过新产品/过程的营收（52%）方面应用了AI相关科技。Private Fund CFO Insights Survey 2022 (by Private Equity International)：50%的受访者认为将AI用于跟踪/监视（monitor）资产组合是中等到高度有效的，52%的认为将AI用于尽职调查时中等到高度有效的。

目前，私募基金Blackstone Group, Hg, Bain Capital, KKR，以及对冲基金Bridgewater Associates均自研了内部专用的AI技术，运用于发现潜在的投资机会、进行风险监控。Blackstone Group, Bridgewater Associates，及Hg还用AI自动化了资产组合管理方面的流程，Bain Capital和KKR则用于进行尽职调查。

AI 投资管理 (Deloitte 2022)

资产组合管理 & 赋能客户

提高前中后台效率

智能投研

阅读收益交流会议记录（earnings transcript）以评估管理层情绪。

自动化运作

自动化运作

Relationship mapping

识别证券和市场指标之间的非直观关系。

Powering risk performance

监控可疑交易并触发应对流程。

另类数据集

分析诸如天气预报和集装箱船运动等替代数据，监测搜索引擎上特定主题的词汇以构建对冲策略。

Reporting and servicing

用NLP技术生成报告

Growth opportunities

使用公司网站流量来评估未来增长以及客户行为模式。

On-demand reporting

使用内部聊天机器人回答员工或投资者的查询。

Client outreach

使用社交媒体等替代数据源来分析客户，然后帮助推广。

Employee insights

监督员工行为风险和士气。

2.2 AI在供应商金融产品/服务中的应用

在针对39家企业的调查统计中，共发现AI在金融领域的21个应用场景，总共产品个数为47，构成样本量N。在这些产品/解决方案中，信用调查（Credit Underwriting），文件处理，智能投研，诈骗识别与预防，及风险管理占了51%，49%不到的产品/解决方案占据了剩余的16个应用场景。

若将应用场景简单分为创收和降本两个种类，将智能投研、客户服务、自动资产管理、潜在投资机会识别、筹资、股票挑选、自动化交易、加密货币交易、客户关系管理功能的产品归为创收类别，其余划入降本类别，前者仅占据23.4%的产品/解决方案，76.6%的产品则属于降本类别。目前产品最多的应用场景为信用调查、诈骗识别与预防、KYC/反洗钱，以及风险管理，均属于降低企业合规及业务风险的应用，一共占据了48.9%的产品。

笔者挑选了十家较为突出的供应商企业（案例分析将在后文展现），其中三家企业（Upstart, F5, FIS）已经上市，一家（Kensho Technology）只有100人规模但被标普以5.5亿美元收购，一家（AlphaSense）实现了6.2亿美元的融资，两家(Ocrolus, Enova)规模1000人以上，两家企业(Jumio, Darktrace)融资2到2.5亿美元之间。这十家较为优秀的企业中也仅有AlphaSense（智能投研）和FIS（资产管理）两家提供的产品属于创收类别的，比例上与前述的1:3～1:4相近。

目前在产品和服务的供应商方面，AI在金融的应用主要聚焦于降本环节，同时降低企业合规及业务风险的产品也很丰富，创收产品供应不足。

图：47个供应商产品/解决方案的应用场景分类（数据来源：各企业官网、Crunchbase、Builtin）

2.3 企业规模、融资/营收、上市情况、领导层构成、注册地址

在32家美国企业中，41%的企业注册于加利福尼亚州，19%的企业注册于纽约州纽约市，10%的企业选择马塞诸塞州为公司注册地。这样的注册地选择部分反映了金融科技人才在美国的地理聚集情况，反映了在加利福尼亚州和纽约州可能具有更好的营商环境。

图：32家供应商企业注册地分布情况（数据来源：Builtin）

图：33家供应商企业人数规模分布情况（数据来源：Builtin）

值得一提的是，供应商企业的人数规模呈现出一个特别的分布，既不是正态分布、偏态分布，也非平均分布。整个市场以中小规模企业（1～500人）为主，占67%的企业数量，其中小规模企业（1～100人）尤为突出，占样本量的43%。市场呈现出以小规模企业与大规模企业共同为主体的情形。

对34家企业注册年份进行分析，发现样本整体平均已成立9.23年。若按照企业规模进行分类（N=30），则1～100人的企业（N=14）平均成立7.57年，100～500人的企业（N=8）平均成立8.25年，唯一一家500～1000人的企业Jumio成立了13年，1000人以上的企业（N=8）平均成立了12.5年。

2.4 企业案例

上文提到10家较为突出的企业，其中3家企业（Upstart, F5, FIS）已经上市，1家企业（Kensho Technology）虽仅有100人规模但被标普以5.5亿美元收购，1家企业（AlphaSense）实现了6.2亿美元的融资，2家企业(Ocrolus, Enova)规模达到1000人以上，2家企业(Jumio, Darktrace)融资2到2.5亿美元之间。在本部分，笔者基于融资规模和业内讨论度挑选了AlphaSense，在应用场景为最为广泛的信用调查中挑选了唯一上市的公司Upstart，在KYC/反洗钱方面，挑选了Jumio，以覆盖更广的应用场景。

AlphaSense[18]（智能投研）

企业概况

总部位于旧金山的AlphaSense是一家金融科技初创企业，提供独特的金融搜索引擎。利用专有的语言搜索技术，AlphaSense搜索引擎在语义上解析主题、概念和想法，并找到有价值的投资信息。该公司的客户使用AlphaSense内先进的文本搜索功能来调查潜在的投资想法，使他们能够在几秒钟内找到其他工具需要几个小时或几天才能找到的信息。他们能够快速、高效地进行公司调研，找到其他人所错过的信息、投资想法和主题。[19]企业以的93/100分数获得了G2’s Winter 2023 Grid Report for Financial Research的第一名.

产品

我们的Smart Synonyms™技术可以识别语言变化，确保您不会错过关键信息——我们不仅可以找到“生成型AI市场规模”之类的词汇，还能找到“总地址市场(TAM)”、“市场增长”、“以AI为中心”、“市场份额”等等。

使用AlphaSense，您可以节省时间，无需阅读整篇文档。AI会突出显示搜索结果，因此您可以专注于分析。

AlphaSense的公司Tearsheet提供了相关专家电话、财务数据和平台搜索分析的即时概述。

Stream专家文本库为您提供了数千个专有的专家电话记录的即时访问。从行业专家那里获取第一手的见解，加深您的知识，减少您需要进行的电话记录数量。

了解在盈利电话会议中最受关注的话题。AlphaSense的公司话题展示了在盈利电话会议中最受关注的话题，因此您可以知道管理层在思考什么，无需阅读每个盈利电话会议。

AlphaSense的Snippet Explorer可以显示一个话题随着时间的推移被讨论了多少次。点击任何方框都可以直接进入对应的记录。

产品特点

AlphaSense提供来自1000多个研究提供商（包括卖方分析师、策略师和研究团队）的全球报告，涵盖公司、行业、资产类别和经济。

AlphaSense的默认专有产品Wall Street Insights[20]包括来自全球领先的券商的股票研究，包括但不限于：

高盛

摩根士丹利

JP摩根

高文证券

瑞银

汇丰银行

瑞信

Wall Street Insights展示了实时和盘后研究报告，来源于券商合作伙伴和供应商，涵盖北美、欧洲、亚太和拉美地区。

通过使用Wall Street Insights，您可以进行更全面的竞争分析，改善客户互动，增强内部研究和战略，同时通过AI和自动化节省组织的时间和金钱。

Upstart[21]（信用调查）

企业概况

我们将超过270万消费者与99家银行和信用社连接起来，这些银行和信用社利用Upstart的人工智能模型和云应用程序提供优质的信贷产品。总贷款规模超过330亿美元。我们的平台包括个人贷款、汽车零售和再融资贷款、小额“救济”贷款，以及今年晚些时候还将推出的住房贷款。

传统借贷的问题：

信用评估指标有限，只限于信用评分和其他少数变量，无法很好地量化风险，导致在美国，仅有48%的美国人能够申请到优先贷款（Prime Credit），然而80%美国人从未在贷款上违约。Upstart通过AI利用更智能的信用建模方式，让贷款人放心借款给原来两倍多的借款人，并承担更低的违约率。

Upstart AI是如何重塑贷款过程的？

首先，Upstart扩大信息变量广度，利用人工智能和机器学习去挖掘超过1500个变量[24]之间的关系。然后随着供贷交易平均每天以88,000单[25]的量增加，训练数据集达到700亿单位，Upstart不断优化决策模型，最终形成一个专有的且注册为专利的贷款决策模型。

在庞大数据和精准模型的基础上，Upstart设计了专有的宏观指数Upstart Macro Index (UMI)[26]，帮助贷款企业更好地了解宏观经济因素对信贷表现的影响。

43% Higher approvals, 43% Lower APR[27]

产品介绍

个人贷款：

Step 1:设定参数

设置超过15个标准/要求[28]，包括最低信用分数、最大债务收入比、贷款规模、地理位置等。

Step 2:连接借款人

Upstart的强大营销引擎采用先进的在线和离线策略，在Upstart.com上向合适的申请人呈现您的信贷方案，从而推动需求。

Step 3: 即时计算并呈现利率给借款人

Upstart的基于风险的AI模型根据您的信贷标准为每个申请人单独定价并进行匹配，从而获得更高的批准率和更低的损失。

Step 4: 批准、认证、贷款

Nearly 82% of loans fully automated[29].

近82%的贷款完全自动化。Upstart的专业员工管理所有高风险申请的例外流程。当天完成全数字签名流程。次日放款。

Step 5: 推销其他产品

在贷款获得保障后，通过为新客户提供数字化优惠，无需额外费用即可推广其他产品。

Step 6: 优化贷款资产组合

使用近实时性能控制台监控贷款绩效。根据您的需求调整贷款参数并增加或减少贷款量。

Jumio（KYC/AML）[30]

企业概况

欺诈者和洗钱者在今天的数字经济中没有立足之地。为了防范欺诈和金融犯罪，在线业务需要知道并信任其客户的真实身份 – 并确保这些客户始终值得信任。Jumio利用人工智能、生物识别、机器学习和认证活体检测技术的力量，帮助客户企业快速获得更多客户，阻止欺诈者渗透到您的在线生态系统中，并符合KYC/AML要求。

Jumio通过Jumio KYX平台保护企业生态系统，该平台是一个统一的、端到端的身份验证和电子KYC平台，提供一系列身份验证服务，以准确地建立、维护和重新确立从开户到持续监控的信任。客户、用户、患者、员工…无论您的业务中的“X”是谁，Jumio KYX平台都提供了您需要的信任保障。

Jumio已经处理了来自200多个国家和地区的超过10亿笔实时网络和移动交易。Jumio的解决方案被金融服务、共享经济、数字货币、零售、旅游和在线游戏等领先公司所使用。

产品介绍

Jumio提供了一个端到端的平台，帮助您在客户旅程中从入门到持续监控，满足监管义务并降低AML风险。Jumio Identity自动化在线身份验证过程，以确保人员的真实身份，并提供无摩擦的入门体验。Jumio Screening让您采取风险为基础的方法，通过筛查客户来识别PEP、制裁、负面媒体和其他监管名单。

具体来说，Jumio首先帮助客户定制风险筛查，选择全球/区域制裁名单、政治暴露人员（PEP）名单、及反动媒体等进行对比；随后开启自动化风险侦查、进行实时线上新用户的审核；最后持续化常态化监控，让客户接收定制的提示，来识别、调查和迅速对实时或回溯过往的可疑行为采取行动。

3. 政府监管

3.1 国会立法

截止至2023年6月30日，美国已经成为法律的关于人工智能的法案共有5条，而还未成为法律的法案有13条，并有1条美国国会众议院的决议。成为法案的5条立法均不发挥监管作用，而是分别具体发挥以下作用：一，成立卓越项目信息科技现代化中心(Information Technology Modernization Centers of Excellence Program)来推动政府高层采用包括人工智能在内的现代科技（Public Law No: 116-194）；二、指导有关部门开展对Deepfake技术所输出内容的研究（Public Law No. 116-258）；三、在2022年财政预算中拨款超过2亿美元给国防部以提升作战司令部战略性人工智能的优化（Public Law No: 117-103）；四，推动人工智能领域的基础研究（Public Law No: 117-167）；五，为政府高层设立关于人工智能的培训项目，以让其了解人工智能的能力与风险（Public Law No: 117-207）。

在被引入国会的13条立法中，有7条对人工智能进行了如下监管：核武器的使用不能交由人工智能进行决策[31]；要求由生成式人工智能产出的内容应该做相关说明，以告知内容是由生成式人工智能产出的[32]；要求联邦通讯委员会在联邦贸易委员会的咨询下制定法规禁止商家在未经家长或监护人同意的情况下向未成年人提供包含人工智能功能的产品[33]；在选举的政治宣传内容上要对相关由人工智能生成的内容做出说明[34]；禁止雇主利用人工智能监视和预测员工非工作的行为[35]。剩余6条则覆盖对于军队使用人工智能的支持[36]、成立工作小组展开人工智能治理和监管工作[37]、成立领导力项目培训政府高层官员[38]、开展针对人工智能责任承担的研究[39]、允许人工智能在通过相关执照考试后进行药物处方的建议[40]等。

Algorithmic Accountability Act 2022，在2019年和2022年两次呈递国会但均未获得通过，尽管在众议院有39个Co-Sponsors，在参议院有9个Co- Sponsors。该法案旨在要求进行自动化决策的软件、算法和其他信息技术系统，向监管机构呈现透明度、被其监管。该法案会授权联邦贸易委员会，要求企业服从这一法案并建立包含这些自动化程序的公共存储仓。该法案仅仅要求企业对其自动化程序的报告和披露，并不明令禁止其使用。

3.2 监管机构

在美国，对金融企业进行监管的主体无论是Office of the Comptroller of the Currency (OCC), SEC, FINRA, Commodity Futures Trading Commission，Federal Trade Commission还是州级的监管机构，均未对AI进行法规订立。然而，特定机构如联邦贸易委员会在原有法律的授权下，对违法商业行为有执法权力。

根据《联邦贸易委员会法案》第18部分，15 U.S.C. Sec. 57a，委员会有权设定规则，具体定义不公平竞争或欺骗性行为的具体商业行为。贸易监管规则一旦发布，任何违反规则的主体均需承担民事责任。根据FTC Act Section 5(m)(1)(A), 15 U.S.C. Sec. 45(m)(1)(A)，委员会可以通过在联邦地区法院起诉的形式执行惩罚。然而，在开展法规制定程序前，根据15 U.S.C. Sec. 57a(b)(3)，委员会必须有理由相信法规所针对的行为或实践是普遍存在的（prevalent），这一要求成为了联邦贸易委员会在AI方面设立法规的阻碍。

然而，联邦贸易委员会依然能够针对个例进行调查和执法。联邦贸易委员会是Fair Credit Reporting Act, Equal Credit Opportunity Act, Children’s Online Privacy Protection Act，及FTC Act Section 5的执法主体。这在近期一些AI相关的执法行为中，赋予了联邦贸易委员会执法权力，具体有以下两个例子。

Weight Watchers[41]：联邦贸易委员会与Weight Watchers公司进行调解，要求对方删除其为一个减肥应用程序而研发的全部人工智能算法。联邦贸易委员会起诉该公司在未经家长同意的情况下向13岁以下的儿童推广应用程序，并将该儿童的数据收集，违反了Children’s Online Privacy Protection Act. 于是委员会要求该公司删掉所有通过这些数据训练出来的算法。

Everalbum[42]：联邦贸易委员会同样要求一个云端照片储存平台Everalbum删除所有其用用户数据训练的面部识别算法。委员会指控该公司欺骗用户，一方面告诉用户他们可以关闭面部识别功能，一方面继续使用用户照片来训练算法，认为违反了FTC Act，并要求公司删除所有训练数据及相关算法。

FTC仍然没有放弃设立法规。2022年8月22日，美国联邦贸易委员会（FTC）发布了一份关于“商业监视”和数据安全的拟议规则制定预告（ANPR）[43]，其中包含了一整篇涉及“自动决策系统”规则制定的内容。FTC特别邀请公众就是否应该实施针对涉及消费者的人工智能技术做出决策的新贸易规则提出意见。

该预告标志着一个有意识（intentional）的转变，即朝着一个更全面的联邦监管框架，以解决AI在其所有阶段——开发，部署和使用的问题。虽然目前很难预测FTC的AI规则制定会是什么样子，但FTC似乎决心继续进行规则制定程序。委员们已经表示，他们打算继续推动规则制定，除非国会通过全面的隐私立法；在缺乏这样的立法的情况下，FTC的规则制定似乎很可能会继续前进。

2021年7月29日，美国国家标准与技术研究院（NIST）发布了一个AI风险管理框架（AI RMF）的初步草案。到2022年8月18日，它已经经过两次修订。2023年1月26日，NIST发布了AI风险管理框架（AI RMF 1.0），同时还发布了伴随的NIST AI RMF手册、AI RMF解释视频、AI RMF路线图、AI RMF对应表以及各种观点。NIST AI风险管理框架（AI RMF）旨在自愿使用，以提高在设计、开发、使用和评估AI产品、服务和系统中纳入可信性考虑的能力。在3月30日，NIST启动了可信和负责任的AI资源中心，该中心将促进对AI RMF的实施和国际对齐。

4. 总结与发展建议

4.1 总结发现

行业情绪：

行业领军人物对AI存在矛盾情绪，部署AI或是为了蹭热度

资产规模更大的玩家更加风险偏好，在AI的部署方面更为激进

AI在金融行业应用暂时滞后，因行业企业本质上风险厌恶、业务差错后果相对其他行业严重、产品生产方式、工作流程固定而新技术的应用会带来学习、部署、反馈、调整的成本

供应商角度：

可见目前在产品和服务的供应商方面，AI在金融的应用主要聚焦于降本环节，同时降低企业合规及业务风险的产品也很丰富，创收产品供应不足。

市场呈现出以小规模企业与大规模企业共同为主体的情形。

4.2 发展建议

信用调查为目前市场最成熟的应用，市场接受度高。横跨借贷行业和保险行业，市场覆盖度最广。闻歌香港的产品研发可以向这一应用场景集中资源。

为降低业务风险和后期合规成本，学习并根据公司自身情况应用由政府背景研究院所公布的AI风险管理框架。

【引用】

[1] https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-in-fintech-market-report

[2] https://www.forbes.com/sites/moorinsights/2021/10/26/keeping-an-ai-on-fintech-ai-based-use-cases-poised-to-take-financial-services-to-the-next-level/?ref=merge-development.ghost.io&sh=152180184b9f

[3] https://www.bea.gov/sites/default/files/2023-06/gdp1q23_3rd.pdf

[4]https://www150.statcan.gc.ca/t1/tbl1/en/tv.action?pid=3610044901&pickMembers%5B0%5D=2.1&pickMembers%5B1%5D=3.1&cubeTimeFrame.startMonth=01&cubeTimeFrame.startYear=2022&cubeTimeFrame.endMonth=10&cubeTimeFrame.endYear=2022&referencePeriods=20220101%2C20221001

[5] https://www.spglobal.com/marketintelligence/en/news-insights/latest-news-headlines/cpil-2719839-article_news_title-textbox-private-equity-investments-in-ai-machine-learning-tick-up-in-q1-cpil-75781771

[6] https://stats.oecd.org/Index.aspx?DataSetCode=PATS_IPC

[7] https://www.zippia.com/advice/startup-statistics/

[8] https://firstsiteguide.com/startup-stats/

[9] https://info.kpmg.us/news-perspectives/technology-innovation/thriving-in-an-ai-world/ai-adoption-financial-services.html

[10] https://www.businessinsider.com/ai-in-banking-report

[11] https://www.businessinsider.com/ai-in-banking-report

[12] https://www.forbes.com/sites/louiscolumbus/2020/10/31/the-state-of-ai-adoption-in-financial-services/?sh=291fdadf2aac

[13] https://www.privateequityinternational.com/how-ai-could-unlock-opportunities-in-pe/

[14] https://baincapitalventures.com/insight/how-fintech-can-jump-on-the-generative-ai-bandwagon/

[15] https://www.businessinsider.com/ai-in-banking-report

[16] https://www.swissre.com/risk-knowledge/advancing-societal-benefits-digitalisation/opportunities-ai-insurance.html#:~:text=Advanced%20analytics%2C%20and%20some%20forms%20of%20AI%2C%20have,stage%20of%20the%20value%20chain%20in%20the%20future.

[17] https://www.leewayhertz.com/ai-use-cases-in-private-equity-and-principal-investment/

[18] https://www.alpha-sense.com/about/

[19] 本段描述来源于：https://aws.amazon.com/tw/solutions/case-studies/alphasense/

[20] https://www.alpha-sense.com/platform/wall-street-insights/

[21] https://www.upstart.com/lenders/

[22] 截止至2023年3月31日

[23] 截止至2023年5月9日

[24] Variables refers to raw variables and combined variables considered in our AI models. A “raw” variable is a non-combined, conceptually distinct unit of data, such as “applicant-reported savings.” A “combined” variable is data that has been transformed, combined, or otherwise engineered from a raw variable or set of raw variables, such as “applicant-reported savings” divided by “loan amount.”

[25] 截止至2023年6月20日

[26] https://www.upstart.com/umi/

[27] As of 12/31/2021. Based on a comparison between the Upstart model and a credit-score only model. The APR calculation compares the two models based on the average APR offered to borrowers up to the same approval rate. The hypothetical credit-score only model used in Upstart’s analysis was developed in connection with the CFPB No Action Letter access-to-credit testing program and was built from a credit-score only model trained on Upstart platform data. APR for the scorecard was averaged for each given traditional credit score grouping.

[28] Program lending parameters are highly configurable and set within the lender’s risk tolerance. Gross Average Return (GAR) is calculated as calculated as APR less expected annualized loss rate. Represents the average GAR received by Upstart lending partners for originations in April 2023 using the Upstart Referral Network.

[29] As of 12/31/2022. Fully automated loans are defined as loans originated end-to-end (from initial application to final funding) with no human involvement.

[30] https://www.jumio.com/products/screening/

[31] S.1394 & H.R.2894 – Block Nuclear Launch by Autonomous Artificial Intelligence Act of 2023

[32] H.R.3831 – AI Disclosure Act of 2023

[33] S.1626 – ASK Act

[34] H.R.3044 – REAL Political Advertisements Act

[35] S.262 – Stop Spying Bosses Act

[36] S.1123 – MARTTE Act of 2023

[37] S.1356 – ASSESS AI Act

[38] S.1564 – AI Leadership Training Act

[39] H.R.3369 – AI Accountability Act

[40] H.R.206 – Healthy Technology Act of 2023

[41] https://www.ftc.gov/news-events/news/press-releases/2022/03/ftc-takes-action-against-company-formerly-known-weight-watchers-illegally-collecting-kids-sensitive

[42] https://www.ftc.gov/news-events/news/press-releases/2021/01/california-company-settles-ftc-allegations-it-deceived-consumers-about-use-facial-recognition-photo

[43] https://www.ftc.gov/legal-library/browse/federal-register-notices/commercial-surveillance-data-security-rulemaking

【引用】

AI时代，拥有个人微信机器人AI助手！AI时代不落人后！

免费ChatGPT问答，办公、写作、生活好得力助手！

搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！