远程银行应用ChatGPT 的研究与思考

■ 中国农业银行远程银行中心课题组

近来，人工智能聊天机器人ChatGPT 风靡全球，迅速成为人工智能领域的现象级应用。新技术给正在向数字化转型的银行业带来了新契机。在此背景下，金融业各行纷纷将目光投向了远程银行领域，探索在远程渠道应用ChatGPT 技术的落地场景。利用新技术增强远程银行服务效能，将创新研究转化为生产力，并通过智能客服系统与AI 技术深度融合，打造功能更加完善的增强型智能客服，进一步提升金融行业服务质效。

一、ChatGPT 行业应用基本情况

（一）ChatGPT 技术的行业应用现状

ChatGPT 是美国OpenAI 公司开发的基于大型语言模型（Large Language Model）的人工智能技术，其中，Chat 指聊天，G 指Generative 生成式，P 指Pre-Trained 预训练，T 指Transformer转换器模型架构，意为聊天生成式预训练转换器Chat Generative Pre-Trained Transformer。 它具有强大的自然语言处理能力，特别是在逻辑推理、多模态识别、长文本处理、记忆容量、语种支持方面表现突出。ChatGPT 一经发布就迅速掀起ChatGPT 技术（AI 大模型）热潮，国内互联网头部厂商陆续发布ChatGPT 技术（AI 大模型）产品。

在银行领域，根据公开新闻报道及访谈了解到，工商银行、农业银行、交通银行、邮储银行、中信银行、江苏银行等已在ChatGPT 技术（AI 大模型）方面做了初步探索，应用场景主要集中在产品营销、智能客服、数字员工、风险防控、科技研发等方面，具体详见表1。

表1 国内主要银行应用ChatGPT 场景

（二）ChatGPT 技术与智能客服对比

目前，金融行业智能客服主要运用自然语言理解（NLP）、自动语音识别（ASR）、文本转语音（TTS）等智能技术，通过手机APP、网上银行、电话热线等渠道为客户提供文本及语音机器人交互服务。对比ChatGPT 与现有智能客服，其在应用范围、技术能力、数据规模等方面有着显著区别。以农业银行智能客服为例，对比情况详见表2。

表2 农业银行智能客服与ChatGPT 对比情况

通过对比发现，两者根本区别在于：智能客服需要“喂”，之后“标注”，基于的是“对应关系”；ChatGPT 需要“教”，之后“微调”，基于的是“内在逻辑”。ChatGPT 在行业通用性、机器学习能力、多模态处理、自然语言理解以及拟人化交互等方面具有优势，但存在着专业垂直领域内适应性不足、时效性差、答案经模型运算生成无法溯源、犯事实性错误、在线更新能力不足等问题，尚不能作为官方答案直接提供给用户。

综上，当前应用ChatGPT 技术（AI 大模型）存在局限性，在一定时期内将以辅助工具的形式提升人工服务质效；从长期看，可以将ChatGPT技术（AI 大模型）的自然语言理解、文本生成、多模态能力与传统文本、语音机器人的问答能力结合，给智能客服机器人、数据分析与运营管理带来质的飞跃。

二、远程银行应用ChatGPT 技术的思考与探索

远程银行在探索应用ChatGPT（AI 大模型）技术时，可按照“先预研、再反哺”的总体思路开展研究。通过“业、技、数”部门联动，成立专项研究实验室，在隔离的实验环境中进行技术预研，选取远银渠道特定场景开展应用测试，待模式相对成熟后再将研究成果反哺至生产运营中。

在场景选择上，可先从能够将ChatGPT 技术（AI 大模型）赋能员工、提高生产质效的内部辅助场景入手开展实验室预研。随着技术不断成熟，在实验室验证技术可靠性、稳定性和安全性后，将预研场景逐渐“由内转外”，延伸到面客服务中，探索具备文字、语音、图片、视频等综合形式服务能力的增强型远程智能客服。现阶段远程银行可在实验室环境下着手预研ChatGPT 技术（AI 大模型）的场景有：

（一）智能知识库

通过对知识库知识文档进行预训练，在知识库搜索输出页面中引入ChatGPT 技术（AI 大模型），设置辅助答案模块。员工搜索问题时，利用ChatGPT 技术（AI 大模型）的文本理解能力，将问题归纳生成标准问并交由知识库机器人返回准确唯一的知识答案，以拟人化的语言为座席解答提供辅助参考，实现知识检索“千问一答”。该场景可强化对座席员工的业务支撑，大幅提高知识库检索效率，将智能知识库由知识查询工具转变为提供问题解决方案的辅助工具。

（二）文本在线客服

利用ChatGPT 技术（AI 大模型）分析客户与文本机器人的交互内容，理解客户意图，自动生成对话摘要。客户进入在线人工服务时，在线座席可阅读摘要信息快速了解客户咨询情况，提供无缝服务。同时，ChatGPT 技术（AI 大模型）可以根据在线座席与客户对话内容归纳整理标准问题，再由文本机器人生成准确唯一的推荐答案，座席确认后可一键推送给客户。该场景可提高在线座席工作效率，减少客户在线等待时长。

（三）机器人训练

现有智能客服需要机器人训练师人工训练标注。在实验室中可通过ChatGPT 技术（AI 大模型）的人类反馈强化学习（RLHF）方式，让ChatGPT技术（AI 大模型）训练机器人。一是生成大量模拟数据扩充训练数据集，让机器人更好地理解和处理客户的各种自然语言输入，提高训练效果。二是利用联想推理和文本生成能力，帮助训练师快速生成和编辑对话脚本，提高训练效率。三是通过自动评估和优化技术，帮助训练师调整机器人参数和模型，提高机器人性能表现。

（四）座席智能助理

研究将ChatGPT 技术（AI 大模型）融入到座席工作场景中，打造座席智能助理。一是话术支持，利用ChatGPT 技术（AI 大模型）人机交互和生成能力，辅助设计交互话术、产品营销文案等。二是智能填单，将对话内容全文转译成文本，归纳对话摘要，自动总结工单信息，提炼关键词要素，大幅提高工单信息质量，为后续数据分析打好基础。三是实时质检，监测对话内容中的业务差错点和敏感词，识别客户情绪，向座席提示风险点。四是智能培训，针对业务和服务流程设定不同的培训主题，对重点、难点、易错点形成测试题库，实现机器人机考以及话务拨测。

（五）数据分析及推理

研究利用ChatGPT 技术（AI 大模型）学习远程银行沉淀的各项客服数据（如文本语音对话、业务办理种类、操作习惯偏好等），统计分析客户远程银行渠道的“行为轨迹”，生成基于客户全生命周期视角下的客户画像，预判客户金融需求并提供更加精准的分层分类服务。

（六）多模态综合服务

配合相关辅助工具，ChatGPT 技术（AI 大模型）可实现文字、语音、图片、视频等多模态处理能力。利用“ChatGPT 技术（AI 大模型）+辅助工具”，自动生成以热点产品、新业务、新知识等为主题的短视频、海报等宣传素材，辅助运营人员快速形成创意思路，缩短素材制作周期，提升远程银行媒体宣传质效。

三、应用ChatGPT 需注意的问题

综合考虑ChatGPT 技术（AI 大模型）等技术的优势和局限性问题，远程银行在拥抱新技术的同时还需谨慎应用，重点注意以下“四性问题”：

（一）数据的安全性

在研究和使用ChatGPT 技术（AI 大模型）技术过程中做到网络隔离，确保所有数据都受到严格的保护，在数据信息加密、访问角色、权限控制、员工安全意识培训等方面采取必要的管控措施，避免泄露个人信息、账户信息、交易记录等敏感信息，提升客户的信任感。

（二）解答的准确性

业务解答准确是远程金融服务的生命线。在应用ChatGPT 技术（AI 大模型）时，须及时维护更新全条线、全渠道、全产品的业务知识；建立审核验证机制及时纠偏，定期监测ChatGPT技术（AI 大模型）表现并调整优化；注重日常知识的标注积累，持续不断地使用高质量数据开展模型训练。同时，在“先预研、再反哺”总体思路的基础上，同步对现有知识内容和管理机制进行全面梳理，为后续预研成果的落地应用打好基础。

（三）应用的合规性

近期中国支付清算协会倡议从业人员要谨慎使用ChatGPT 等工具，使用时不上传国家及金融行业涉密文件及数据，国家互联网信息办公室等部门联合印发了《生成式人工智能服务管理暂行办法》。可见，加强AI 领域的监管是大势所趋。在配套法律规定和监管政策出台之前，应用ChatGPT 技术（AI 大模型）需保持谨慎态度。

（四）建设的长期性

行业普遍认为，ChatGPT 技术（AI 大模型）为金融行业数字化转型、智能化建设提供了新机遇。但根据“新技术成熟度曲线”，一项新技术从萌发期，到实质投入生产运营，要经历长期的曲折往复，因此ChatGPT 技术（AI 大模型）的迭代升级、应用场景的不断成熟是一个持续、渐进的过程。在此过程中，新技术可能会替代简单、重复性的工作，但服务必须有温度，智能技术无法完全取代人工。对此，远程银行在应用AI 大模型时，应始终保持客观清醒的认识，积极研究部署，提前谋划业务布局，实现“智能服务提效率、人工服务增价值”的目标。