生成式AI让金融服务更有温度

高峰

当前，以ChatGPT为代表的人工智能大模型引领新一轮技术发展浪潮，生成式AI大模型热度持续走高，受到业界广泛关注。银行业作为最早应用传统人工智能技术的领域之一，生成式AI大模型的应用对其产业形态具有显著影响力。银行业贯彻落实中央金融工作会议精神，坚定不移走中国特色金融发展之路，扎实推动金融高质量发展，加快建设金融强国，需要把握生成式AI大模型发展机遇，加快AI大模型在业务中的广泛应用，做好“五篇大文章”，为经济社会发展提供高质量服务。在大模型助力下，金融机构将不断提升全业务、全流程、全场景的智能化水平，赋能数字化转型。通过大模型全面提升金融服务质效，推动数据与实体的融合，改变行业发展格局。《生成式AI大模型：赋能金融业变革》的出版恰逢其时，我将围绕“生成式AI让金融服务更有温度”谈几点看法，供读者参考、指正。

大模型将给银行业带来深远影响。一些银行业金融机构坚定地加入了这场浪潮之中，农业银行推出ChatABC，工商银行发布了基于昇腾AI的金融行业通用模型，中国银行、交通银行、邮储银行、招商银行、中信银行、兴业银行、华夏银行、浙商银行、江苏银行等多家银行都在探索大模型应用。一些银行业金融机构已从战略层面开始重视大模型，但受制于算力资源紧缺、算力成本高昂等因素，很多金融机构开始从单纯希望自己建算力、建模型，转变为探索应用层面多方合作。银行业金融机构更关心业界用大模型做了什么，实现了怎样的效果。具体到不同规模的银行，也走出了不同路径。大型银行具有海量金融数据和应用场景，可引入业界领先的基础大模型，自建企业大模型，形成专业领域的任务大模型，快速赋能业务。值得一提的是，针对大模型落地过程中遇到的各种难点，各家银行都在努力探索解决方案。

对大模型应用在银行业落地应持审慎态度。大模型应用需要具备“三个条件”，即技术成熟度、政策支持、应用场景。2022年元宇宙技术也曾众星捧月，但最终并没有在金融业“落地生根”，归根结底还是因为技术与业务没能深度融合，没能实际改善金融业的服务效率。对金融机构来说，合规是第一要务。国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局公布《生成式人工智能服务管理暂行办法》，自2023年8月15日起施行，目的就是促进生成式人工智能健康发展和规范应用，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益。没有应用场景，新技术就是“无根之木”。当前，大模型技术并不成熟，而金融行业是一个强监管、高安全的行业。目前金融大模型已经应用在内部职能运营方面，如金融资讯、产品介绍等内容的文本自动生成，提升了内容运营效率；以助手形式、人机协同来提升业务人员工作质效，构建虚拟客服在线交互等，给用户提供更人性化的服务。而像投研、投顾等场景，价值很大，但很难快速产生效果，对数据的要求也高。总体而言，内部员工训练模型目前使用比较广泛，而对外、对客的使用还不是很多。

银行业大模型存在数据安全问题和隐私泄露风险。大模型的训练和应用涉及大量身份信息、金融资产、交易记录、信用历史等个人敏感数据，导致存在合规风险。随着大模型应用场景增多，需要打通的银行各业务部门数据范围越来越广。然而当前各业务部门的数据采集使用标准不统一，数据治理与规范整理过程将成为新挑战。行业亟须制定数据治理操作标准与数据规范整理操作指引，建立数据治理与评估体系，实现全域化数据治理。

此外，生成式AI大模型赋能金融业还存在其他一些问题。大模型对算力要求提升，硬件设施未来亟须完善。大模型的高成本、高能耗与绿色AI发展理念不符，如何平衡大模型训练需求与碳排量至关重要。国产芯片设计和制造方面虽取得了显著进步，但与国际顶级厂商相比，仍存在一定的技术差距。我国大模型涌现，但均从Transformer等基础模型衍生，在底层网络及框架方面的研究布局较少，大模型底层技术、基础架构由国外头部企业掌握，存在“卡脖子”隐患。大模型应用于银行业需克服幻觉问题、基准测试对标难问题等。

大模型和人工智能对元宇宙的兴起提供了很好的机会。元宇宙在2022年就已经比较火爆，2023年大模型又对元宇宙起到了“空中加油”的作用。国内外金融元宇宙的应用重点在虚拟营业厅、数字员工。目前，已有工商银行、建设银行、交通银行等11家客服中心与远程银行实现了虚拟数字人应用落地。在应用场景方面，虚拟数字人广泛应用于对客服务、风险控制、新媒体运营、内部赋能等四大领域，并全面提升远程银行智能化水平与客户体验。大模型将赋能虚拟数字人“智能进化”。AIGC大模型在语义理解和内容生成方面有着卓越表现，虚拟数字人或成为AIGC在远程银行的最佳着陆点。在AIGC大模型的加持下，虚拟数字人将被广泛应用于前台员工辅助、中台运营赋能、后台管理支持等各环节，推动金融场景内容生产加速发展。虚拟数字人助推远程银行转型升级，其作为人机交互新入口，未来将助推远程银行沉浸式交互体验更加拟人、降本增效更加显著、数字化转型质效持续提升。

总而言之，AIGC对金融业的影响主要在于减少人力成本、丰富并优化有温度的金融服务。具体来说，在远程银行、投研、运营、营销、风控、数字员工等方面，AIGC都有一些很好的应用案例。但同时也面临一些挑战，主要包括芯片设计制造、成本控制、数据安全以及法律法规制定等等。应对这些挑战，我从四个方面提出发展建议与举措。第一，监管方面，应形成一套完备的人工智能监管体系，制定针对不同业态的法规，对生成式人工智能进行监管。第二，法律法规方面，应加强数据隐私保护，提高透明度和可解释性；加强伦理和道德约束，制定伦理准则和行业标准。第三，人才方面，應加强产学研结合，通过与企业合作开展实践项目，加强国际合作和人才引进。第四，生态方面，应针对性开放数据并共享数据，支持开放研究合作。

（作者为中国银行业协会首席信息官，本文为人民日报出版社《生成式AI大模型：赋能金融业变革》序言）