據稱，生成式人工智慧正在重塑金融業，成為一種先進的工具，能夠改變信用風險的評估方式。奧緯諮詢的一份報告指出，生成式人工智慧超越了傳統的線性模型，能夠精確分析海量非結構化資料（例如支付歷史和數位行為） ，從而捕捉「能夠提升預測準確性的細微訊號」。

這項技術不僅旨在提高風險評估的品質和深度，還能改善耗時費力的人工流程，尤其是在處理複雜的公司文件方面。因此，金融機構 能夠在競爭日益激烈的全球環境中以更快的速度和更高的效率開展業務。

OliverWyman的最新報告強調，銀行機構長期以來一直依賴基於線性關係的信用評分模型。

但生成式人工智慧能夠整合非結構化數據，「顯著提高了這些模型的預測能力」。

Oliver Wyman 合夥人兼伊比利亞數據與分析主管Tiago Rodrigues de Freitas和 GFT Technologies全球人工智慧與數據主管Ignasi Barri強調，除了提高品質和區分度之外，生成式人工智慧還能「加速人工任務，減少人為錯誤，節省時間」。

他們還指出了各種挑戰，例如技術變革的快速發展導致客戶猶豫不決，“需要可解釋的人工智慧模型來建立信任”，以及“提高員工技能以有效採用這些解決方案的重要性”。

生成式人工智慧應用的一個例子，專業人士提到了由GFT和Oliver Wyman開發的信用風險助理。該工具可以幫助信用分析師有效率地處理「跨多種語言的多樣化資料來源」。

展望未來，他們相信人工智慧將從「僅僅輔助信貸流程發展成為流程重塑的核心推動力」——這預示著金融服務業即將迎來一場不可避免的變革。但與任何新技術一樣，仍需人工密切監控和參與以確保準確性。這些技術突破很可能並非旨在完全取代人工幹預，而是會與現有的流程改善工作相輔相成。