截至2022年末中国财富管理市场规模约为217万亿元，2026年有望达到344万亿，这意味着财富管理蕴藏着巨大的发展潜力。但一直以来，财富管理在国内的发展在供需两端存在着一定隔阂。从需求端来看，财富管理过程中涉及大量客户沟通、风险评估、资产配置、业绩反馈等环节，消耗了投顾和客户的时间与精力，也限制了财富管理业务的拓展和用户体验的提升。从供给端来看，在投顾进行资产与风险偏好匹配的过程中，有大量的不同类型的风险、个性化的投资决策，均需要依托量化分析的技术实现，而在实际作业中很多机构还是主要依靠人的主观判断和经验为主。生成式AI的出现为突破这种局面创造了可能。生成式AI能够模拟人类的思维模式，通过对海量知识的学习和训练，以文本、语音、图片和视频等形式创造新的内容，而且这些内容创造的边际成本很低，如果是在专业的知识库内进行训练，生成式AI则意味着机器将以更便宜、更快捷，以及更专业的方式与客户进行交互，而且这种交互将直接作用于金融产品成交和转化的环节，打通了从数字化基础设施建设投入到见到成效的最后一公里。波士顿咨询认为，“在生成式AI应用方面，举例来看，银行的理财客户经理可以直接与生成式AI助手进行自然语言交互，询问与客户的联络情况，包括上次联系情况、客户持有产品、近期交易状况等，并在此基础上，由AI推测客户偏好的产品类型，给出推荐产品和产品对比。在这种情况下，客户经理不需要具备大量专业化、数字化工具的使用技巧，并用这些工具完成很多从0到1的信息加工，而只需要问正确的问题，由机器负责完成从0到1的信息加工工作，此时客户经理只需进行判断评估、做少量修改就可以。”对于客户来说，过去客户经理在在销售理财产品时，客户最终能了解到三种信息：买多久、买多少、赚多少。但生成式AI的出现，让普通客户也拥有了高度专业且随用随有的“私人顾问”。在不断的交互过程中，客户能够全面准确理解理财产品和未来市场的发展趋势，降低自身的困惑，慢慢累积出对某个理财产品和机构的“信任”。对于机构来说，过去人工客户经理的管户规模存在着上限，800人可能就是一个天花板，但财富管理的客户规模以千万计，绝大多数的客户处于被“放养”的状态。在客户洞察、服务匹配、客户沟通、资产配置建议、投资组合、智能下单等全业务流程里，生成式AI能够自动化地帮助投资顾问完成大量相关工作，并根据客户的财富管理目标、风险偏好、自身状况等因素，为其量身定做组合方案。哪怕是面对千万级的长尾客户，也能够让规模化和个性化服务同步发生。

以某银行为例，该银行财富类产品客户响应和转化都不甚理想，百融云创在决策式AI的基础上，进一步引入生成式AI技术，为其打造客户经营的闭环生态。经过一段时间的运行，与行方原有模式相比，营销响应率提升了11倍，AUM也得到大幅增长。