以往客戶在見保險或財富管理顧問時，往往較依賴對方解說產品條款、比較保障範疇或整理理財方案。
今天這個流程正開始改變。不少香港客戶在見顧問前，使用生成式 AI 識別潛在財務及保障需求、了解及比較產品，甚至形成初步購買判斷，再帶着問題去見真人顧問。
麥肯錫最新的香港調查揭示這前線落差：約半數香港客戶在作出購買決策前已使用 AI 作為輔助工具；然而另一邊廂卻有約半數財務顧問每星期使用 AI 的次數少於一次，甚至完全不用。這項差距不只限於技術採用率，更反映客戶尋求與消化資訊的能力已經跑在前線顧問前面。
AI 正在蠶食財務顧問最容易標準化的價值
這項調查對企業管理層最直接的啟示，在於客戶使用 AI 的情境正直接衝擊傳統顧問建立專業信任的方式。
受訪客戶在購買決策前使用 AI，主要用途包括：
- 識別潛在財務及保障需求
- 搜集與比較相關產品資訊
- 形成購買前的初步判斷
當被問到為何選擇 AI 時，不少受訪客戶提到，他們認為 AI 能提供相對客觀與一致的比較，並能提供更豐富的知識。這些環節，過去正是傳統財務顧問用以展現專業價值、建立權威形象的核心領域。
當產品資料、基本分析與方案比較愈來愈容易經由 AI 即時生成，「知道得比客戶多」便不再是關鍵的分水嶺。對於金融機構而言，產品知識與資訊提供逐步由過去的差異化優勢，轉變為前線顧問必須具備的基本門檻。
較難被 AI 商品化的是「判斷與責任」
然而，資訊優勢的轉移並不代表財務顧問將會被科技取代。調查中另一個極具參考價值的發現是：即使客戶懂得在買前自己問 AI，約八成購買重大人壽、健康及財富管理產品的客戶，仍主要依賴真人財務顧問。
客戶在重大財務決策上依賴人類顧問，核心原因可歸納為三點：
- 情境理解（Context）：能深入了解個人與家庭的真實狀況，以及不同人生階段的實際需要。
- 專業判斷（Judgment）：當市場與產品資訊極度複雜、沒有唯一最佳答案時，協助客戶衡量利弊並作出取捨。
- 責任承擔（Accountability）：客戶希望在作出重大決策及購買產品後，仍有真人顧問跟進，並對所提供的建議與服務承擔責任。
生成一份產品分析報告與為一個真實家庭作出重大財務決策，兩者有着本質上的分別。AI 可以迅速提供分析與資訊，但調查顯示，在重大財務決策上，客戶仍重視由真人顧問提供判斷、跟進服務及責任承擔。金融機構前線團隊的價值，正在由「資訊傳遞者」快速轉型為「信任解讀者」。
財務顧問不用 AI，問題更多在工具與工作環境
既然已有不少客戶使用 AI，為何仍有約半數財務顧問每星期使用 AI 少於一次，甚至完全不用？調查顯示，在目前尚未使用 AI 的工作情境中，「缺乏合適的 AI 工具」比「對使用 AI 感到不適」更常被顧問提及。
調查亦顯示，AI 採用已開始在財務顧問之間出現分化。主要服務大眾、富裕及高淨值客群的顧問中，每星期至少使用 AI 的比例分別為 34%、58% 及 69%。最大的差距出現在聯繫及跟進潛在客戶、決策討論及客戶需求分析等核心互動環節，反映 AI 的影響已開始由一般效率工具延伸至顧問實際服務客戶的方式。
不過，尋找潛在客戶及客源開發是較特殊的例外。即使整體而言財務顧問願意讓 AI 在工作中扮演更大角色，在這個場景對 AI 的保留仍較明顯。麥肯錫認為，這反映財務顧問對直接的前線客戶關係有較強保護意識。
麥肯錫香港管理層在 2026 年 9 月接受媒體訪問時補充，香港金融機構在推動前線 AI 應用時，面臨的瓶頸往往來自管理層缺乏清晰的 AI 轉型方向、原有工作流程未有隨技術導入而重新設計、內部數據混亂及碎片化，以及企業技術水平不足。
這給 CEO 與科技主管帶來一個極為清晰的訊號：為員工購買 Copilot 帳戶或提供獨立 Chatbot，並不等於完成 AI 轉型。
真正能賦能前線的 AI 工具，必須在合規架構下深度對接內部系統，包括：
- 經授權的客戶背景與歷史互動紀錄
- 企業內部最新產品庫與保單政策
- 合適性（Suitability）評估與合規風險框架
- CRM 系統與後續跟進工作流
只有讓輸出結果具備可追溯性與可監管性，並在涉及重大客戶決策時保留清晰的人類監督與責任承擔，AI 才可能真正融入前線工作。
AI 的真正戰場由「Model」轉到 Workflow
這一觀察與麥肯錫在 2026 年 4 月發表的財富管理分析《The signal in the sell-off: Wealth management’s value in the AI era》不謀而合。麥肯錫在報告中指出，隨着 AI 讓財務規劃、文件整理及內容生成等技術產出愈來愈容易被複製，金融機構難以再單靠這些基礎功能建立長遠壁壘。
企業未來的防禦力，正加速轉向以下幾項核心資產：
- 可信與經授權的客戶數據（Permissioned Data）
- 建立在真人判斷上的客戶信任（Human Judgment & Trust）
- 符合監管標準的可審計性（Compliance-grade Auditability）
- 高效的前線顧問與客戶互動介面（Advisor-client Interface）
- 將建議安全轉化為實際交易的執行能力（Execution Rails）
麥肯錫亦提出，金融機構應將頂尖財務顧問的專業知識融入系統，而不是只依賴現成 AI 能力。做法包括讓最優秀的顧問與系統開發團隊共同參與設計，把他們的專業知識、判斷方式與商業直覺沉澱進工具，令原本集中在少數頂尖人才身上的能力，可以提升整體前線團隊的服務標準。對企業而言，AI 的價值因此不只是自動化工作，更在於能否把個人經驗逐步轉化為可複製的組織能力。
未來的競爭，勝負往往不在於誰擁有參數更大的語言模型，而在於誰能把 AI 嵌入企業工作流程。獨立運作的通用 AI 功能較容易被複製，相比之下，深植於金融機構內部數據、合規與業務流程中的 AI 工作流，更有機會形成持久的競爭壁壘。
香港金融業正由「討論 AI」走向「怎樣落地」
從政策層面來看，金融機構推進 AI 流程亦迎來了更明確的環境。2026 年 3 月，香港金管局、證監會、保監局及積金局發布聯合通函，將原有的生成式人工智能沙盒擴展為 GenA.I. Sandbox++，涵蓋範圍由銀行業延伸至證券及資本市場、資產及財富管理、保險、強積金及儲值支付工具等領域。
到 8 月底，Sandbox++ 首批項目亦已公布，重點進一步放在 Agentic AI 應用，技術測試預計於年內展開。官方早前列出的測試場景已包括投資產品分銷時的合適性要求評估及智能客戶 Chatbot 等，顯示監管沙盒開始觸及金融機構真正的前線工作流程，而不再只停留在一般內容生成。
這項跨監管機構安排反映，香港金融業對 GenAI 的討論，正由「能否使用」進一步走向「如何在受控環境下安全落地」。至少從麥肯錫今次的判斷來看，監管未必是目前前線 AI 轉型的主要障礙，企業本身的策略、數據及工作流程同樣是關鍵。
CEO 真正要問的三個問題
面對客戶能力升級與前線應用落差，管理層在部署 AI 戰略時，需要聚焦於三個核心經營問題：
- AI 有沒有進入真正產生價值的工作流程？
評價指標不應是發放了多少個工具帳號，而是顧問準備客戶會議、分析需求、比較方案及跟進服務的日常模式是否真的發生變革。 - AI 能否取得可信、經授權及可追溯的企業數據？
如果 AI 只能使用公開資料，其產出與客戶自行使用通用 Chatbot 的差異便相對有限。企業的獨特價值，取決於能否安全地注入客戶 context、內部產品知識與歷史服務紀錄。 - AI 節省下來的時間去了哪裏？
如果 AI 僅僅讓顧問更快寫完一封電郵或摘要，其商業回報非常有限。真正的 ROI 應該體現於顧問能否將省下的時間重新投入至高價值的客戶溝通、更深入的需求剖析與更迅速的跟進服務，從而提升客戶留存率與前線產能。
客戶率先使用 AI，並不代表財務顧問的專業價值被否定；相反，它正在重塑客戶對「專業」的期望。當資訊取得與基礎分析不再是秘密，單純靠傳遞資訊已無法建立長期信任。金融機構下一步的轉型焦點，絕非停留在培訓顧問如何輸入 Prompt，而是需要重新設計前線服務模式，讓 AI 承擔繁重的資訊整理與分析，使人類顧問能更集中於判斷、溝通與責任承擔。
因此下一輪財務顧問的競爭，很可能不是「人類對 AI」，而是「AI-enabled advisor 對傳統 advisor」。
