Son Byungdoo：“金融公司将迎来被AI而非客户选择的时代”[2026金融论坛]
客户不再依赖应用程序 而是把财务策略交给AI
金融公司能否被“算法调用”成为新竞争力
发掘原本难以看见的创新企业与个人
成为实现“生产性金融·普惠金融”的最佳资本配置工具
必须打破国内金融公司“5大结构性壁垒”
监管范式也要转向以结果责任为中心
Son Byungdoo Toss Insight代表提出洞见称，今后将迎来由人工智能（AI）代理而非客户本人来选择金融公司的时代。与其让客户亲自打开银行应用程序比较产品，不如由AI代理为其寻找合适的金融解决方案，这样的体系极有可能成为主流。因此，金融公司若想获得AI代理的“青睐”，就不能只停留在简单提升算法性能层面，而应在公司层面明确界定数据所有权与责任归属等问题，尽快建立起“数据治理（治理结构）”体系。
“金融范式将从产品销售进化为‘财务规划与执行产业’”
Son Byungdoo Toss Insight代表21日在首尔中区威斯汀朝鲜首尔酒店举行的“未来金融大转型：生产性资本时代与新的金融秩序”主题2026阿视亚金融论坛（Asian Financial Forum 2026）上，以“人工智能金融创新：改变资本流向的力量”为题进行演讲。2026.5.21 记者 Kim Hyunmin
View original imageSon代表在21日于首尔中区威斯汀朝鲜首尔酒店举行的以“未来金融大转型：生产性资本时代与新的金融秩序”为主题的2026阿视亚金融论坛（Asian Financial Forum 2026）“AI金融创新：改变资本流向的力量”专题演讲中表示，如果说过去的金融是大规模生产并销售标准化产品的结构，那么未来的金融将进化为以个性化财务规划与执行为核心的产业。
Son代表表示，全球领先金融机构已经将AI作为基础设施而非可选项进行部署。根据麦肯锡的调查，生成式AI每年可创造的潜在经济价值最高可达4.4万亿美元，相当于世界排名前5位国家的国内生产总值（GDP）。实际上，摩根大通引入AI合同分析系统后，每年节省的工作时间超过36万小时，美国银行（BoA）的AI助手“Erica”累计咨询量已突破30亿件。高盛则在研究初稿撰写和风险分析中辅助使用生成式AI，而中国金融科技行业则基于AI在短短几分钟内即可完成实时贷款审批。
Son代表指出，“AI越强大，衡量金融公司竞争力的标准就越会从‘拥有多少人力’转向‘打造出多么优秀的系统’”。尤其是随着客户接触点从以应用程序为中心的平台转移到AI代理，金融竞争的规则也将被重塑。Son代表表示，“过去直接说服客户的营销很重要，而今后被AI选中要重要得多”，“与其说品牌影响力，不如说AI算法会调用并推荐哪家金融公司的产品，这将成为新的竞争力”。
曾经“隐形”的企业与个人被重新聚焦…缓解信息不对称
他还勾勒出一幅蓝图：当AI金融普及后，可最大化提高资本配置的精确度，从而实现“生产性金融”和“包容性金融”。一直以来，创新企业由于财务报表不完备、知识产权（IP）和专利权等无形资产占比高，在既有金融体系中筹资困难。然而，如果AI能够立体分析交易网络、销售模式、行业大趋势等非结构化数据，就有望在早期挖掘出成长潜力巨大的优质企业。就个人金融而言，他也预计，能够将被排斥在制度之外的弱势群体纳入正规体系，显著增强金融包容性。
Son代表引用了近期总统办公室政策室长在社交媒体上提到“金融很残酷”的言论，强调必须降低传统金融体系的门槛。当评估交易记录不足的“薄档案客户”（thin filer）的信用时，如果由AI对通信费、燃气费缴费记录、四大社会保险参保信息、平台电商交易数据等进行综合分析，就能够实现更加立体的替代性信用评价。进一步而言，通过实时数据分析在逾期发生前及早识别风险征兆，并与面向低收入群体的金融机构联动，构建“事前预防型金融体系”也将成为可能。
Son代表表示，“AI是一项能让原本看不见的客户和企业变得更加清晰可见的技术”，“从生产性金融的角度看，AI最大的意义在于能够更准确地判断资本应当流向何处，从而提高资本配置的精确度”。
韩国式“部门墙”是最大障碍…监管也应转向“结果责任”
但他同时指出，AI难以在国内金融行业深度扎根的原因，在于包括韩国社会特有的“烟囱式”（部门墙）现象在内的“五大结构性壁垒”。具体包括：▲因按部门、子公司分割数据而引发数据碎片化与所有权冲突的烟囱式组织 ▲以使用20～30年的大型主机为中心的传统遗留系统 ▲格式各异且错误频发的数据质量问题 ▲认为事故成本大于创新收益的监管与合规风险 ▲一旦AI失败责任归属不清，从而对创新犹豫不决的保守决策文化等。
Son代表尤其严厉指出了数据质量问题。他批评称，国内金融公司即便投入巨额成本引进AI，项目时间的一半以上也被浪费在并非高阶模型开发，而是各不相同的“数据清洗”工作上。当然，数据清洗即便耗时也是必不可少的，但在实际经营中，各部门数据格式不统一、存在大量重复和错误、缺乏标准化的情况屡见不鲜，因此他认为当务之急是确立明确的数据治理。
他表示，“对于AI而言，关键不在于数据量而在于数据质量”，“有金融公司反映，仅数据整理就要耗费项目时间的一半以上”。他接着指出，“金融公司在思考算法之前，必须先把数据治理明确建立起来”，“传统金融公司在引入AI时遇到的困难，并非源于AI技术匮乏，而是因为僵化的组织结构、低质量的数据以及保守的企业文化”。
监管当局的规制范式也应转向“负面清单”模式
最后，他强烈呼吁金融监管当局也要实现监管范式转换。在现有“肯定式监管”体制下，除被允许的行为外一律禁止，新服务每出现一次都必须获得当局许可，难以跟上市场的学习速度。
Son代表表示，“未来AI金融监管应当从‘不准做什么’转向‘要对什么负责’这一结果责任强化与原则导向型监管”，并强调，“只有当企业忠实履行了最低限度的程序性标准时，监管体系再对不确定结果给予免责等激励，创新才有可能发生”。
他还补充称，“监管的直接对象本身也将从人（员工）转移到算法（设计者与数据流）”，“监管范式将从过去传统金融中监督‘说明义务（说了什么）’的方式，转向核查AI参考了哪些数据、通过何种路径作出推荐的‘基于日志的实时监管体系’以及按功能划分的监管”。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
