曲向军、周宁人、马奔、徐海超、和刘昕昕
运营效率提升对于全球领先资管机构有重大价值。从外部来看， 全球资管行业过去10年管理的资产规模近乎翻倍，但是单位资产管理规模的盈利水平却基本持平。领先资管公司正在积极通过运营效率提升来控制成本，平滑产品结构变化和定价压力带来的收入流失；从内部来看，随着领先资管公司在资产类别、全球区域和业务模式上的不断拓展，其业务流程正在愈发复杂，传统以外包为主体的运营提升模式已经无法满足他们的需求。
在此背景下，为了实现业务效率提升、降低单位管理资产运营成本、构建差异化竞争优势，引入新技术推动流程数字化、自动化和智能化是全球领先资管机构的重要战略。
根据麦肯锡调研，数字化领先的成功组织往往将智能流程自动化视为重要的战略而大力推动，同时其更为注重在自动化中应用新技术，比如机器学习、机器人流程自动化、语音助手/聊天机器人、自然语义处理等（见图1）。
对于资管机构来说，智能流程自动化能在资产管理价值链上提升资产获取、投资管理、资产运营三大环节的效率。根据麦肯锡的经验，规模化的智能流程自动化可以使产品发行效率提升25%，单位管理资产规模运营成本降低10%~30%。
- 资产获取方面：智能流程自动化可处理产品销售与营销环节的标准化工作，如在新机构客户受理阶段进行自动化文件验证、获取机构客户信息后生成自定义客户报告、处理财富顾问数据包等。
- 投资管理方面：智能流程自动化可在进行数据分析前清理自定义数据集，将劳动力从建模分析前大量繁杂琐碎的数据清理中解放出来，提高数据分析效率；还可以快速生成客户层面的定制化投资风险报告，帮助客户及时获取风险相关数据，确保信息透明，提升客户体验。
- 资产运营方面：智能流程自动化可用于简化应付账款流程，提升公司财务工作运转效率；在更短时间内完成监管规定性报告， 以保持与监管的良性沟通；自动化生成投资者沟通索引等。
同时，我们发现，在全球领先资管机构谋求运营数字化、自动化、智能化转型的过程中，部分企业已经开始布局或成熟运用与运营自动化相关的核心技术。
智能流程自动化：五大核心技术及应用
根据我们的经验，为实现智能流程自动化，五大核心技术的整合与应用非常关键，具体包括：机器人流程自动化、机器学习、智能工作流、自然语言处理以及智能感知主体（如图2）
- 机器人流程自动化（Robotic Process Automation）：通过记录现有使用者的界面操作，将例行任务自动化，如数据抓取与清理等。
例如，在生成客户交易失败的报告流程中，机器人可以迅速完成数据定位、整合、创建统一格式报表等日常工作，使交易周期从 4 小时缩短到 12 分钟，减少人工错误，以及手动检查的工作量。
- 机器学习（Machine Learning）：通过监督式与非监督式学习，从数据中找出固定分析模式，自动生成数据洞见。领先资产管理公司通过集成数据，利用分析学或人工智能分析，交叉参照数据源，为投资经理提供即时洞见，支撑投资决策。
- 智能工作流（Intelligence Work flow）：智能工作流将人工团队与机器共同执行的任务整合起来，通过简化固定流程，提升端到端全流程效率。智能工作流一般应用于企业内部行政审批、业务审批和月末财务流程等。
- 自然语言处理（Natural Processing）：让人与计算机之间通过自然语言实现有效沟通，达到人与机器的无缝式互动。由于企业可以获取的客户信息大部分都是非结构化数据，NLP 可以分析和利用这些非结构化数据，理解和生成自然语言。
- 智能感知主体（IntelliSense Subject）：智能感知是指将真实行为如语音、视频等，通过摄像头、麦克风或其他传感器的硬件设备进行收集，再借助语音识别、图像识别等前沿技术转化为数字信息，最后将这些数字信息进一步提升至可认知的层次， 比如理解、规划、决策等。人机界面的交互在智能感知过程中尤为重要。
在实际应用场景中，自然语言处理与智能感知主体往往被整合在一起，被企业大量用于在线智能客服、智能语音回答、文件自动审核、呼叫中心记录分析等领域。
例如，某国际知名财富管理机构在其呼叫中心的计算机系统中引入人工智能技术，使其可以自动听取客户需求，为客户提供资产配置策略。
麦肯锡发现，一些全球领先资产管理机构正重金投资于新一代智能自动化核心技术的研发，并将其在企业内部进行整合应用。
比如，美国某金融机构在15个月内上线了220个流程自动化机器人，集中解决类似税务、格式编排、更正修改、一致性检查等重复性任务。比如某全球知名金融机构大力推动交易自动化，希望通过用电脑工程师和机器人流程自动化程序替代交易员。
四步实现智能流程自动化转型
智能流程自动化的落地不仅仅是上线一些新技术，用机器人替代部分流程这么简单。它应该成为企业一件系统性的工作，成功的智能流程自动化应该高度基于资管公司现有业务流程的理解和梳理，推动基于新技术的流程编排和优化，并将其与现有人工流程进行无缝的对接。
体系化的智能流程自动化主要分为四步：原流程的理解与简化、工作重新编排与数字化、流程自动化与整合、优化剩余人工工作（如图3）。
第一步、理解原流程管理需求，消除信息来源复杂性：将原有的非自动化流程进行演示，使用流程挖掘、发现和记录工具对其进行理解，并在原流程基础上通过调整政策、输入等方法，简化信息来源。
第二步、工作流程重新编排，建立结构化数字化输入：结合客户体验、监管要求和业务特性重新设计或者优化工作流，减少交接，改进参与系统，部署NLP、OCR、聊天机器人等技术工具，以创建数字化、结构化的输入。
第三步、对已实现数字化的子流程进行自动化改造、整合：针对业务规则，设计“机器人”自动判断规则，并预留可能需要人工干预判断的接口；针对涉及复杂或未知规则的活动，则应通过大量已有案例进行机器学习算法训练，实现决策流程自动化。
第四步、通过重组和授权，优化剩余的人工工作：通过离岸和外包的方式，重新设计组织架构，优化仍需要人工操作部分的成本，并授权员工访问低代码或无代码平台，处理自动化流程无法完成的“长尾问题”。
随着中国资管行业的进一步发展，智能流程自动化将在头部资管机构的成本管理和运营效率提升中发挥巨大作用。为了有效推动从传统运营模式到智能流程自动化的转型，资管机构应提前做好如下准备：首先对机构运营模式的智能自动化程度进行全面诊断， 明确转型战略和目标；其次梳理待改造的运营流程，根据成效和可行性进行优先级排序，确保将战略资源优先配置在可产出速赢成效或者构建核心竞争力的领域；并通过四步走的方式推动重点领域智能流程自动化的落地。
曲向军是麦肯锡全球资深董事合伙人，常驻香港分公司；
周宁人是麦肯锡全球董事合伙人，常驻深圳分公司；
马奔是麦肯锡全球董事合伙人，常驻上海分公司；
徐海超是麦肯锡项目经理，常驻台北分公司；
刘昕昕是麦肯锡咨询顾问，常驻上海分公司。
