《报告》引用《中国证券业发展报告》数据 ， 共有81家证券公司开展了人工智能应用 ， 涉及案例292个 ， 应用范围覆盖八大业务领域 ， 占比前三项为经纪业务（约占36.99%）、系统运维（约15.41%）、运营决策（约13.36%）等 ， 其中应用需要多模块、低资源、小数据支持的场景包括：智能投研、智能问答（包括智能客服、智能外呼、智能IVR等）、智能运营等 ， 可代替人工完成重复、规则、繁琐、流程化、低附加值的工作 ， 帮助金融机构推动数智化、流程再造等 。
“调研数据显示 ， 银行业在金融科技的应用程度和推进数字化转型的进度方面平均得分高于资管业和保险业 。 ”毕马威中国华东及华西区金融科技行业主管合伙人彭成初称 ， 银行业对金融科技和数字化的应用程度分别为3.8和3.5 ， 而资管业分别为2.9和2.7 ， 保险业则均为2.8 。
12月1日 ， 麦肯锡发布《知易行难：探索券商数字化转型成功之路》报告显示 ， 作为资本市场数字化转型主力军 ， 证券公司等中介机构近年来持续加大科技投入 ， 2017-2020年券商整体科技投入年均增长33% ， 科技投入占营业收入之比从4.2%上升到9.1%；第一梯队券商在科技投入上也超过同业平均水平 ， 三年间科技投入年均增长近40% 。
然而数字化投入的结果却令人喜忧参半 。 除了小部分成功先行者之外 ， 许多券商都感觉自己在进行一场“军备竞赛” 。 为了赶超行业一流竞争对手 ， 券商需要在人才、科技等方面进行大量前期投入；而受制于组织、能力与文化 ， 这些举措的落地执行并不理想 。 即使成功建立起部分数字化业务 ， 其经济效益也不及预期 ， 这让多数资源受限的中小型券商在进行数字化决策时迟疑不决 。 麦肯锡全球调研显示 ， 全球范围仅有16%的企业认为自己的数字化转型取得了持续成效 。 纵览众多国内券商的数字化转型实践 ， 麦肯锡发现一些共性问题 ， 如：只有“数字化” ， 没有“转型”；盲目跟风 ， 数字化转型路径和节奏不清晰；从业务构想到数字化实现的传导走形；组织支撑体系不匹配 ， 治理水平成为执行瓶颈等 。
“就AI算法自身发展趋势而言 ， 呈现多模态、低资源、小数据的趋势” 。 《报告》称 ， 深度学习发展迅猛关键的因素是海量的数据支撑 ， 但金融领域面临标注成本高 ， 甚至无法采集、无数据的弊端 ， 金融预训练模型+精调模式将成为未来小数据上的AI主流模式 。