成为在2027年通过AI扩展规模的银行

银行采用AI的核心问题不在于AI本身，而在于遗留银行软件。麻省理工学院的NANDA项目显示，95%的生成式AI试点未能带来回报。这种失败源于生产所需的80%工作，其中包括数据工程、治理和集成。现有的核心银行系统是为人工点击而建，无法处理AI代理直接查询数据和调用API的需求。

这为东南亚的新参与者创造了机会。例如，菲律宾的Salmon在十二个月内将客户数量扩展到数百万，贷款组合增长了648%，正是使用了AI原生架构。FairMoney管理着超过2400万个账户，每天处理8000份贷款申请。印尼的OJK和菲律宾的BSP等监管机构正在发布AI治理指南，推动机构采用可审计的逻辑和明确的控制点。

该地区现有银行的考验是，它们能否在2027年前调整其核心系统。目前大多数都不能。它们面临的挑战是实施受管制的数据基础、完整的API覆盖和安全的执行层。这将决定哪些机构能够真正通过AI扩展规模并满足不断变化的监管期望。