鈦媒體國際智庫發(fā)布《2024人工智能專題——金融行業(yè)大模型應(yīng)用報(bào)告》（下稱《報(bào)告》），《報(bào)告》對金融機(jī)構(gòu)及科技企業(yè)在金融大模型進(jìn)展進(jìn)行觀察，詳述大模型在 銀行、保險(xiǎn)、證券行業(yè)的落地場景，并通過包括浦發(fā)銀行、網(wǎng)上銀行、陽光保險(xiǎn)、華福證券等多個(gè)案例呈現(xiàn)當(dāng)前大模型在金融業(yè)務(wù)不同場景的使用情況，通過案例 理解金融大模型在落地上存在的技術(shù)、制度等困難，探討未來大模型在金融業(yè)應(yīng)用的路徑，以及如何在利用大模型提升金融行業(yè)效率的同時(shí)預(yù)防大模型給金融系統(tǒng)帶來的風(fēng)險(xiǎn)。
一、現(xiàn)狀描述:金融大模型爆發(fā)式增長，業(yè)內(nèi)布局積極性高
(一)大模型數(shù)量激增，AI為金融業(yè)帶來萬億增量商業(yè)價(jià)值
(二)銀行:國有大行重視大模型技術(shù)體系研發(fā)，股份行致力于探索落地場景
(三)保險(xiǎn):最契合大模型的金融業(yè)態(tài)，成熟應(yīng)用場景降本增效成果明顯
(四)證券:大模型應(yīng)用尚處初級階段，多用于非決策類業(yè)務(wù)場景
二、政策盤點(diǎn):中央政策支持與監(jiān)管并重，地方政策鼓勵(lì)為主
三、應(yīng)用場景:大模型在金融場景應(yīng)用廣泛，業(yè)務(wù)之間聯(lián)動(dòng)性較強(qiáng)
(一)智能客服:大模型落地最成熟場景之一
(二)智能營銷:實(shí)現(xiàn)從簡單的產(chǎn)品推廣到精準(zhǔn)個(gè)性化營銷的轉(zhuǎn)變
(三)智能運(yùn)營:提高日常工作中的運(yùn)營效率
(四)智能風(fēng)控:從數(shù)據(jù)驅(qū)動(dòng)到模型驅(qū)動(dòng)
(五)智能投顧:大模型金融應(yīng)用的“皇冠”
(六)代碼自動(dòng)生成:基于大模型代碼生成技術(shù)的工具將變得更加智能化
四、重點(diǎn)案例:銀行、保險(xiǎn)、證券三大金融業(yè)態(tài)大模型應(yīng)用成功案例
(一)浦發(fā)銀行:大模型重塑零售業(yè)務(wù)場景
(二)華福證券:大模型破解證券開戶低效難題
(三)網(wǎng)商銀行:將AI大模型的能力應(yīng)用于產(chǎn)業(yè)鏈金融
(四)陽光保險(xiǎn):自研陽光正言GPT大模型，構(gòu)建保險(xiǎn)大模型的評測體系和方法
(五)恒生電子:基于金融大模型LightGPT，推出“光子”系列應(yīng)用產(chǎn)品
五、挑戰(zhàn)與困境:大模型在金融業(yè)落地面臨五大難題
(一)開發(fā)階段的技術(shù)門檻、人員和成本問題
(二)數(shù)據(jù)來源、數(shù)據(jù)質(zhì)量和隱私保護(hù)問題
(三)運(yùn)行過程中的算力和存力配置問題
(四)對客層面的可解釋性和信任度問題
(五)開發(fā)后所引發(fā)的內(nèi)部員工“恐懼”問題
六、破局之道:大模型在金融業(yè)應(yīng)用路徑探索
(一)構(gòu)建“大模型+小模型”融合應(yīng)用新范式
(二)強(qiáng)化合作，整合資源，重塑能力
(三)將監(jiān)管融入模型，實(shí)現(xiàn)監(jiān)管技術(shù)升級
(四)將人工智能的治理提升到“一把手”的高度
當(dāng)前，國內(nèi)外各類金融機(jī)構(gòu)及科技企業(yè)對大模型展開了積極的研發(fā)，并在智能客服、智能營銷、智能運(yùn)營等領(lǐng)域進(jìn)行了落地。從模型的研發(fā)模式來看，主要分為自研和合作研發(fā)，其中大型科技公司與金融科技公司以自研為主，而金融機(jī)構(gòu)以合作為主。從落地場景來看，當(dāng)前金融大模型在銀行、保險(xiǎn)、證券均有落地場景，包括智能營銷、智能運(yùn)營、智能辦公、智能投顧、智能風(fēng)控、智能研發(fā)。
為了展示當(dāng)前金融機(jī)構(gòu)的大模型落地情況，本報(bào)告分別對銀行、保險(xiǎn)、證券三大金融業(yè)態(tài)對于大模型應(yīng)用探索進(jìn)行梳理。
頭部大行在大模型技術(shù)體系研發(fā)上投入積極，并探索多個(gè)業(yè)務(wù)領(lǐng)域的落地；股份制銀行在大模型的應(yīng)用落地上展開了更積極的探索，落地場景更豐富，比如平安銀行將大模型技術(shù)用于汽車金融 AI 驗(yàn)車場景；中小銀行更多通過招標(biāo)的方式，在成熟場景上布局。
在智能客服、智慧辦公、智慧運(yùn)營、智能研發(fā)等領(lǐng)域，大模型已經(jīng)應(yīng)用廣泛，并取得了較好等降本增效的效果，中國工商銀行為 20 萬網(wǎng)點(diǎn)員工打造智能助手，目前已經(jīng)上線，大幅提升網(wǎng)點(diǎn)效能，2023 年全年運(yùn)營領(lǐng)域智能處理業(yè)務(wù)量 3.2 億筆，比 2022 年增長 14%。
目前大模型應(yīng)用逐漸從流程層面應(yīng)用向決策層面發(fā)展，但尚未出現(xiàn)“顛覆性”應(yīng)用。相比國內(nèi)大型銀行傾向于基于通用大模型開發(fā)自己的金融大模型，海外銀行通常是基于 ChatGPT、Llama、Google Cloud 等海外知名大模型落地應(yīng)用。
保險(xiǎn)無疑是與大模型落地最為契合的金融業(yè)態(tài)，大模型將重構(gòu)保險(xiǎn)的銷售、 核保、理賠、服務(wù)等多個(gè)環(huán)節(jié)，通過對當(dāng)前保險(xiǎn)行業(yè)關(guān)于大模型落地的梳理，主 要有以下三點(diǎn)發(fā)現(xiàn)：
首先，保險(xiǎn)行業(yè)大模型落地場景廣泛，應(yīng)用場景較多的為代理人銷售助理、 營銷素材生成、知識問答助手、編碼輔助工具、智能辦公助手、智能理賠。其次，目前在較成熟的應(yīng)用場景，保險(xiǎn)業(yè)已經(jīng)實(shí)現(xiàn)了較好的降本增效效果，比如，平安集團(tuán)在其 2023 年年報(bào)中披露，“2023 年，實(shí)現(xiàn)智能引導(dǎo)客戶自助續(xù) 保 3,003 億元，同比增長 13%。平安擁有國際領(lǐng)先、亞洲最大的后援服務(wù)平臺， AI 坐席服務(wù)量約 22.2 億次 ；智能化理賠攔截減損 108.2 億元，同比增長 16.0%。”最后，在條款自動(dòng)審核、核保輔助支持、保單摘要、欺詐規(guī)則發(fā)現(xiàn)等高價(jià)值場景，目前僅有少數(shù)保險(xiǎn)公司嘗試。
在投資銀行、財(cái)管管理、機(jī)構(gòu)交易等領(lǐng)域，大模型都有著豐富的應(yīng)用場景，不過大模型和證券的融合仍處于初級階段，多為業(yè)務(wù)場景簡單的非決策類環(huán)節(jié)。 例如，在投行業(yè)務(wù)領(lǐng)域，可以利用大模型的數(shù)據(jù)關(guān)聯(lián)能力，穿透各種指標(biāo)，識別因果關(guān)系，為業(yè)務(wù)加強(qiáng)風(fēng)險(xiǎn)防范保障；利用大模型的生成能力，輔助編寫盡 調(diào)報(bào)告、招股書等；在財(cái)富管理領(lǐng)域，大模型可以學(xué)習(xí)客戶經(jīng)理、研究員、投資顧問的能力，成為客戶私人定制的財(cái)富顧問。
從大模型的特點(diǎn)和優(yōu)勢可以判斷，大模型在金融業(yè)務(wù)上的應(yīng)用前景十分廣闊，從前臺到中后臺的各業(yè)務(wù)條線，大模型的應(yīng)用潛力均有待挖掘的空間和潛力，大模型能夠幫助金融機(jī)構(gòu)挖掘細(xì)分市場，優(yōu)化金融服務(wù)水平，提升內(nèi)部管理效能，降低運(yùn)營成本，完善風(fēng)控體系。
由于銀行業(yè)本身的特性，不管是政府層面還是行業(yè)監(jiān)管層面對銀行數(shù)據(jù)的合規(guī)性、安全性、準(zhǔn)確性、可信性都存在較高要求，因此運(yùn)用在銀行業(yè)的大模型技 術(shù)都是研發(fā)成熟品。從整個(gè)大模型行業(yè)來看，部分業(yè)內(nèi)人士認(rèn)為，銀行業(yè)大模型的落地進(jìn)展略滯后于整體行業(yè)。
軟通動(dòng)力孫洪軍表示，他們最初預(yù)測金融行業(yè)可能會最先大規(guī)模使用大模型，但從最終對接客戶的情況來看，金融行業(yè)不如法律、招聘等行業(yè)走得快。
銀行業(yè)的大模型正面臨著落地困境，因此對于現(xiàn)階段還未開發(fā)大模型的銀行，第一步是列舉出目前銀行的大模型困境，并思考如何解決這些“桎梏”，而不是盲目跟風(fēng)訓(xùn)練大模型。
目前限制銀行大模型發(fā)展的難題主要來源于五個(gè)方面，分別是，開發(fā)階段的技術(shù)門檻、人員和成本問題，數(shù)據(jù)來源、數(shù)據(jù)質(zhì)量和隱私保護(hù)問題，運(yùn)行過程中的算力和存力配置問題，對客層面的可解釋性和信任度問題，開發(fā)后的內(nèi)部員工“恐懼”等問題。
大模型有時(shí)候會生成看似合理實(shí)際卻無法應(yīng)用于實(shí)際情境的內(nèi)容，這被稱為 “幻覺”問題，也被調(diào)侃為“已讀亂回”，這是大模型落地的主要困境之一，銀行業(yè)務(wù)場景不同于 ChatGPT 等商用對話類大模型提供的消費(fèi)級對話場景，一旦大模型出現(xiàn)推理錯(cuò)誤和產(chǎn)生幻覺，輕則影響客戶體驗(yàn)，重則影響金融系統(tǒng)安全，需要采取審慎態(tài)度。
針對此類問題，不少專家提出了“大模型+小模型”的解決方案。北京大學(xué)匯豐商學(xué)院管理學(xué)教授魏煒及合作者深圳市司普科技有限公司 CTO 黃洪武提出一種“生成型大模型、辨識型小模型與 AI Agent 系統(tǒng)的融合應(yīng)用”的數(shù)智金融技術(shù)新范式。在這種架構(gòu)中，生成型的大模型與辨識型的小模型相結(jié)合，并且引入了 Agent 系統(tǒng)，以提供更精準(zhǔn)和全面的數(shù)據(jù)處理及決策支持功能。生成型的大模型能夠創(chuàng)造高質(zhì)量、高相關(guān)性的內(nèi)容，而辨識型的小模型則負(fù)責(zé)識別內(nèi)容的準(zhǔn)確性和實(shí)用性，確保生成的信息與現(xiàn)實(shí)世界的數(shù)據(jù)和情境相符合并能溯源。
此外，大模型是個(gè)資本門檻極高的領(lǐng)域，無論從人才的投入，還是從算力的需求來看，都是一個(gè)“燒錢”的項(xiàng)目，即便是大型金融機(jī)構(gòu)也需要增強(qiáng)外部合作才能持續(xù)推進(jìn)。因此，強(qiáng)化同行業(yè)、跨行業(yè)的合作，整合各方資源，才能夠重塑大模型開發(fā)落地能力。
北京國家金融科技認(rèn)證中心有限公司總經(jīng)理張海燕認(rèn)為，一方面，大模型需要大算力，當(dāng)前國內(nèi)算力市場面臨算力供給短缺，國產(chǎn) AI 生態(tài)不足，機(jī)房網(wǎng)絡(luò) 建設(shè)等情況，金融機(jī)構(gòu)需要深化與產(chǎn)業(yè)各方的合作，來共同推動(dòng)解決大規(guī)模算力部署和應(yīng)用挑戰(zhàn)。另一方面，大模型需要大合作，銀行業(yè)需要加快探索引入業(yè)界通用的大模型技術(shù)策略和實(shí)踐，通過推進(jìn)大模型算法在銀行業(yè)的應(yīng)用實(shí)踐，增強(qiáng)大模型能力，從而提升大模型服務(wù)金融行業(yè)的能力。在此基礎(chǔ)上，提升創(chuàng)新能力，大模型要在銀行業(yè)深化應(yīng)用，就需要探索形成一套面向銀行業(yè)的高標(biāo)準(zhǔn)、低門檻的銀行業(yè)金融大模型應(yīng)用模式。（本文首發(fā)于鈦媒體APP，作者｜李婧瀅，編輯｜劉洋雪）
更多宏觀研究干貨，請關(guān)注鈦媒體國際智庫公眾號；對話框輸入【金融大模型】，可領(lǐng)取重磅報(bào)告《2024人工智能專題——金融行業(yè)大模型應(yīng)用報(bào)告》全文。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論