Riverbed 研究發現，92% 的金融服務業決策者認同提升資料品質對 AI 成功至關重要

可觀測性 AIOps 領域的領導者 Riverbed 發布了其全球調查「AI 時代 IT 營運的未來」中的金融服務產業調查結果,該調查檢視了金融服務產業的 AI 準備程度。研究結果凸顯出隨著企業從 AI 願景邁向實際影響,實施差距正在擴大。雖然幾乎所有金融服務決策者(92%)都認同提升資料品質對 AI 成功至關重要,但進展仍不均衡:只有 12% 的 AI 計畫已實現企業範圍內的完全部署,而高達 62% 仍處於試點或開發階段,這凸顯出在全球監管最嚴格、風險最敏感的產業之一中實施 AI 所面臨的挑戰。

閱讀更多金融科技資訊:全球金融科技專訪 Plynk App 行銷與互動主管 Kristin Kanders

在此查看金融服務資訊圖表: riverbed.com/aiops-survey25/

然而,金融服務產業持續展現出對 AI 和 AIOps 價值的強大信心,89% 的機構表示其 AIOps 投資的投資回報率已達到或超過預期,這進一步鞏固了該產業在嚴謹、價值導向的技術採用方面的聲譽。近三分之二(62%)的受訪者也對其 AI 策略表現出高度信心。然而儘管如此樂觀,金融服務機構仍持續受到 AI 實施差距的影響。在優化營運、強化合規、降低風險和提供卓越數位體驗的壓力日益增加之際,該產業越來越受到資料準備度、營運複雜性以及將 AI 擴展至試點計畫之外的能力所限制。

Riverbed 首席行銷長 Jim Gargan 表示:「金融服務機構是最成熟且最嚴謹的 AI 採用者之一,我們的研究顯示他們已經看到強勁的回報。然而,該產業面臨獨特的壓力,包括嚴格的監管審查、對停機零容忍以及對資料準確性的關鍵需求。現在很明確的是,成功取決於簡化 IT、整合可觀測性工具和供應商、提升資料品質、採用 OpenTelemetry 等開放標準,以及確保網路和應用程式效能能夠支援大規模 AI。在 Riverbed,我們正積極支援全球一些最大的金融服務機構,協助他們縮小這一差距,將 AI 願景轉化為營運實踐。」

AI 願景遇見營運現實

對金融服務機構而言,AI 的成功不僅僅取決於實驗,更取決於營運準備度。研究顯示,只有 40% 的金融服務機構認為已完全準備好實施其 AI 策略。資料仍是最重要的限制因素,只有 43% 對其機構所有資料的準確性和完整性完全有信心,這是所有受調查產業中信心水準最低的。

至關重要的是,該產業了解風險所在。92% 的金融服務受訪者認同提升資料品質對 AI 成功至關重要,這是所有產業中比例最高的。這反映出深刻的認知:沒有可信賴的高品質資料,AI 計畫很難從概念驗證階段進入生產階段。

營運複雜性推動簡化需求

這些資料挑戰因 IT 環境的複雜性而更加嚴重。為支援數位服務、即時交易和不斷增長的 AI 工作負載,金融服務機構累積了分散的工具集,限制了可見性並減緩了決策速度。IT 團隊目前平均擁有來自九個不同供應商的 13 種可觀測性工具,在應用程式、網路和使用者體驗方面造成盲點。

因此,該產業中 96% 的機構正積極整合 IT 營運中的工具和供應商,95% 認同統一的可觀測性平台將使識別和解決營運問題變得更容易。值得注意的是,95% 正在考慮新供應商作為整合的一部分——這是所有受調查產業中最高的水準——顯示出願意重新思考長期的技術關係,轉而選擇能夠降低風險、改善整合並支援大規模 AI 的平台。

統一通訊效能成為業務關鍵

隨著金融服務持續數位化客戶互動和內部工作流程,統一通訊(UC)工具的效能已成為業務關鍵。員工現在每週工作時間的 41% 用於使用 UC 工具,近三分之二的人表示這些工具對有效營運至關重要。然而效能仍不穩定。只有 47% 的金融服務機構對 UC 效能非常滿意,而 44% 在視訊通話、訊息平台和協作工作空間方面遇到經常性問題。

這些挑戰造成了重大的營運限制。與 UC 相關的問題佔所有 IT 工單的 16%,平均需要 41 分鐘解決,而近五分之一的工單需要超過一小時。在一個回應速度和可用性直接影響客戶信任的產業中,有限的可見性和高支援需求持續阻礙生產力和體驗。

OpenTelemetry 支撐大規模可觀測性

為克服分散的可見性並支援 AI 驅動的營運,金融服務機構越來越轉向開放、標準化的可觀測性框架。OpenTelemetry 透過在應用程式、基礎架構和使用者體驗之間實現一致的資料收集和關聯,發揮關鍵作用,這是在複雜、受監管環境中實現可信賴 AI 的先決條件。

令人鼓舞的是,調查顯示金融服務機構在 OpenTelemetry 採用方面領先所有產業,92% 已在利用該框架。幾乎所有受訪者(96%)表示跨領域關聯對其可觀測性策略至關重要,而 99% 認同 OpenTelemetry 減少了供應商鎖定並增加了靈活性。重要的是,97% 將其視為 AI 驅動自動化等未來計畫的基礎,強化了其作為長期 AI 可擴展性推動者的角色。

AI 資料移動和網路效能成為焦點

隨著 AI 計畫成熟,注意力正從模型轉向驅動它們的資料移動。金融服務機構比任何其他受調查產業更重視 AI 資料移動,94% 認為這對其整體 AI 策略很重要,37% 將其描述為設計和執行 AI 的關鍵和基礎。

隨著 AI 資料越來越分散在公有雲、邊緣和共置環境中,網路效能和安全性成為決定性的成功因素,81% 的受訪者認為這是必要的,這是所有產業中最高的比例。展望未來,76% 的金融服務機構計劃在 2028 年之前建立 AI 資料儲存庫策略,凸顯出對平衡創新與合規和控制的治理型高效能架構的需求。

掌握更多金融科技洞察:當 DeFi 協議成為自我進化的有機體

[如欲與我們分享您的見解,請來信至 [email protected] ]