乐于分享
好东西不私藏

金融AI落地慢?问题不在模型,在于那堆50年的脏数据

金融AI落地慢?问题不在模型,在于那堆50年的脏数据

FUTUREX INSIGHT 天际资本 · 行业观察

当所有人都在追逐更聪明的模型,真正卡住金融业的,是地基里的脏数据。

MIT最近做了一轮调研,问了一个很简单的问题:金融业的数据,准备好迎接Agentic AI了吗?

答案有点尴尬。超过半数的金融团队说自己已经部署或者计划部署Agentic AI——这是Gartner的数据,华尔街日报天天都在写AI怎么重塑金融业。

Forrester紧跟着泼了一盆冷水:

57% 的金融机构,内部能力还没ready。

已经在装修了,但地基还没打好。这中间的断层,藏在一个被大多数人忽视的角落——数据层

01 / FRICTION

三个坑,挡住所有AI落地

金融业的AI落地,难的从来不是算法。

第一个坑:脏

MIT的报道里提到一个细节,让人印象很深:一家有50年历史的银行,内部可能存在60种不同格式的PDF,描述的是同一笔交易。系统迭代了几十年,每一套都有自己的格式、字段定义和录入逻辑。

这些数据在人类手动操作的时代“勉强能用”。但AI不是人——它没有“大概理解一下”的能力。每一种格式不一致、每一个字段错位,都会让模型输出偏离正确答案。

自然语言本来就比结构化数据更混乱,把数据整理干净这件事,从来都比想象中更难。

— 一位金融科技基础设施服务商

后果也很具体:不是模型“不够聪明”,而是你喂给它的数据本身就是矛盾的。模型再强,也没法从一堆互相矛盾的信息中给你一个确定的答案。

第二个坑:散

数据锁在孤岛里。交易系统在A部门,风控在B部门,客户数据在C部门。AI要完成一次完整的风控扫描,需要同时调用十几个系统的数据。

但系统之间互不相通。

结果就是AI只能拿到局部信息,给出一个“看起来有道理、但信息残缺”的答案。对于金融决策来说,

一个不完整的答案,有时候比没有答案更危险——因为它会给人一种“已经分析过了”的错觉。

第三个坑:严

金融业没有“差不多就行”这回事。一次hallucination,可能意味着一笔错误的交易指令,然后触发监管处罚。

但大语言模型天生是非确定性的——同样的输入,每次输出不完全一样。Gartner也指出了这个核心矛盾:

你需要在一个不确定的系统之上,构建完全确定的结果。

这不是“加一层审核”就能解决的问题。这是一个架构层面的挑战,需要从数据源头就开始控制不确定性——而不是等到模型输出之后再去“纠错”。

这三个坑叠在一起,就解释了为什么那么多“已部署”的AI项目,实际效果远低于预期。

不是模型不行,是地基不行。

02 / DIAGNOSIS

数据层才是真正的胜负手

Elastic搜索平台全球总监Steve Mayzak有一个判断,我们认为说到了点上:

Agentic AI放大的是整条链上最弱的一环——数据的可用性和质量。你的系统能跑多快,永远取决于最慢的那个环节。

— Steve Mayzak, Elastic

这个逻辑放到金融场景里格外清晰。金融业的特点是强监管高实时性低容错率。这三个特征指向同一个结论:每一个环节考验的都是数据质量,而不是模型的聪明程度。

Agentic AI能发挥价值的前提,是它能快速获取高质量、可治理、可溯源的数据。但在大多数金融机构里,这个前提今天还不成立。

03 / OPPORTUNITY

什么样的公司有机会

我们目前还没有看到在这个领域跑得特别快的标的,但基于对方向的判断,我们认为最终能拿到结果的公司,大概率有这几个特征:

第一,具备金融领域专属的数据治理经验

金融数据的复杂度不在于量大,而在于格式碎、合规要求高、历史包袱重。通用的数据清洗工具很难直接适配,需要对金融业务流程有深入理解的团队。

第二,能同时解决效率和合规两个问题

金融机构不缺“让AI跑起来”的动力,缺的是“跑起来之后不出事”的信心。谁能在提升数据可用性的同时满足监管要求,谁就能拿到长期合同。

第三,有能力做跨系统的数据编排

孤岛问题的本质不是技术问题,是组织问题和利益问题。能在不打破现有系统边界的前提下实现数据互通的解决方案,落地阻力最小。

这些特征听起来不性感——数据清洗、格式统一、标签体系、合规适配——全是脏活累活。

但恰恰是这些看起来最不酷的事情,才是让AI真正能在金融业跑起来的前提。

FUTUREX VIEW 

天际的观察

我们看到的情况是:Agentic AI在金融业的落地速度,比公众认知中要慢。算法层面的瓶颈早已突破,真正的卡点在数据基础设施。

57% 的机构仍在建立内部能力,这个数字本身说明市场还在早期。真正的大规模落地需要数据治理体系的系统性升级,不是靠某一个产品就能快速解决的。

但有一个可能性值得关注:这一轮金融AI竞争最后跑出来的赢家,也许既不是模型公司,也不是应用层公司。

上一轮云计算浪潮给过我们一个类似的启示:当年所有人都在追SaaS应用,但最终市值最大的,是AWS和Azure这样的底层基础设施。

— 一个并不遥远的参照

历史不一定会重复,但底层逻辑往往押着同样的韵脚。

这是我们持续关注的方向。如果你也同样在观察或者创业,欢迎与我们交流讨论。

— FUTUREXCAPITAL·天际资本 —


————✦往期回顾 ✦————
50个人的AI公司如何干出500人的活|造梦次元 x P人客厅 EP01 (上)
未来智能完成亿元级A+轮融资:与传音合作打造下一代AI Agent硬件|天际Portfolio

天际科技投资(FutureX Capital)由前华夏基金私募股权创始团队于2018年初主导创立。公司专注于投资中国早中期高新科技企业,重点聚焦颠覆式创新的卓越企业,重视价值创造,聚焦产业赋能,深度参与到企业发展的全周期。全球创新技术含金量最高的公司和快速爆发下游应用是天际科技投资最关注的目标企业,并善于将这些先进技术公司推向产业平台,协助其进一步发挥潜力。代表性投资包括:金山云,字节跳动,美团,蔚来汽车,PingCAP,统信,思特威,芯盟科技,开源中国等。

天际科技投资秉承开源理念,不断吸引广泛的产业资源、金融资源和专家网络,与顶级企业家进行多方位的交流与合作,汇聚顶级认知,形成前瞻性洞见和跨行业合力,通过不断提升认知,持续发掘改善世界的投资机会。

————✦ 关注我们✦————

小红书/视频号/抖音:倩姐投AI

小宇宙博客:P人客廳

Twitter: @futurex_capital

LinkedIn: FutureX Capital

官方视频号/公众号:天际科技投资