新火種
2023-09-23 
從作坊走向工業化AI大模型賦能銀行
本報記者 張漫游 北京報道
在ChatGPT大火之際，其背后的大模型技術在各行各業掀起了巨浪。在銀行業，大模型之風已經從大型銀行刮向了中小銀行，更多區域性銀行開始了實踐，使得傳統AI作坊式定制模型研發升級為工廠模式。
近日，江蘇銀行披露稱，經過訓練，基于該行“智慧小蘇”的智能客服應答準確率由93%提升至96.7%，單筆工單處理時間縮減了近60%。
《中國經營報》記者注意到，更多大銀行已經在智能客服、智慧辦公、運營管理、營銷創造、智能研發等領域深入研究大模型在銀行業務間的應用。同時，銀行也正關注到大模型背后存在的問題，比如答非所問和科技倫理風險等問題已經得到了重視。
解決一線員工痛點問題
大模型是指具有大量參數和復雜結構的機器學習模型。
據了解，江蘇銀行推出的“智慧小蘇”大模型平臺已實現了客服、代碼生成、圖像處理等多場景的應用。目前，“智慧小蘇”可根據用戶需求生成高分辨率的創意圖片，將代碼補全功能應用到項目研發中，日均調用1500多次，需求開發由1天縮減至1小時，項目交付更加敏捷。基于“智慧小蘇”的智能客服應答準確率由93%提升至96.7%，單筆工單處理時間縮減了近60%，服務效率大幅度提升。
“大模型服務平臺有效解決了智能化建設中‘一個需求，一次定制’的痛點，從傳統AI作坊式定制模型研發升級為工廠模式，可高效率、低成本地提供智能服務，提升金融服務質效。”江蘇銀行信息科技部相關負責人表示。
記者梳理發現，在此前公布的上市銀行2023年半年報中，有多家銀行披露了對大模型的關注，更多國有銀行、股份制銀行對大模型的研究和落地亦是十分積極。
今年7月，交通銀行與華為、科大訊飛等共建了聯合創新實驗室。交行方面介紹稱，與華為聯合創新實驗室將聚焦大模型在金融領域的應用及創新，基于全棧自主創新的算力集群，聯手打造高效靈活的人工智能大模型平臺，提升大模型場景落地效率和金融業務智能化水平；與科大訊飛聯合創新實驗室將圍繞金融領域的大型語言模型，重點研究認知大模型在金融領域的應用，基于人工智能技術推進線上線下服務一體化，深度挖掘業務價值信息，實現個性化的客戶服務。
談及大模型目前在銀行中的應用，新金融聯盟學術理事、工商銀行首席技術官呂仲濤在新金融聯盟舉辦的“金融機構數智化轉型與大模型技術應用”內部研討會中介紹道，大模型作為一種新型的人工智能技術，工商銀行積極探索應用，提升智能客服、智慧辦公、運營管理、營銷創造、智能研發等業務領域的智能化水平，真正解決一線員工的痛點問題。
在智能客服領域，存在大量信用卡、存貸款等業務辦理規定，傳統模式中座席人員在服務客戶時，需要和系統多次進行交互查詢，整個處理流程需要一定時間，客戶等待時間長。通過大模型的文檔理解分析和生成能力，自動從大量銀行業務辦理規定中，總結提煉全面、專業、精準的應答話術，給座席人員提供參考，提升應答效率和客戶滿意度。
在運營管理領域，網點員工日常工作中存在制度規范檢索難、復雜業務辦理難、專業術語解釋難等業務痛點問題，通過摘要生成、信息提取等大模型能力，讓大量“靜態”文檔轉換為場景化、流程化的“活”指引，提升網點員工業務應變和溝通能力，打造高質量服務。
在智慧辦公領域，通過大模型AIGC（人工智能生成內容）能力，助力編寫會議摘要、寫匯報初稿、潤色文檔、制作海報等，提升辦公效率。比如會議紀要生成，根據會議對話內容，大模型快速生成會議紀要初稿，降低人工記錄會議紀要的成本。同時，利用大模型代碼生成、代碼補全等能力，可提升一線開發人員編碼效率和質量。
生成式人工智能（GenAI）主要依賴于大模型技術進行訓練和預測，麥肯錫全球董事合伙人韓峰總結道，銀行業GenAI應用的價值潛力主要來自“4C”：編程加速（Coding）、內容提煉/虛擬專家（Concision）、客戶互動（Customer engagement）以及內容生成（Content generation）。
比如，在編程加速方面，GenAI能夠解讀并生成代碼（從遺留系統大規模遷移主機資料、自動化測試開發、文檔與格式化），使銀行的代碼編寫效率提升55%。在虛擬專家方面，通過虛擬專家，銀行一線人員能從非結構化數據中歸納提取洞見、解讀文本，快速訪問所有相關信息，例如產品指南和政策，以即時滿足客戶請求，工作效率能提升60%。在客戶互動方面，使用聊天機器人完成客戶觸達和數據收集，未來5～10年80%以上的客戶互動可被自動化；在內容生成方面，GenAI的用例包括生成文本、圖像等內容。在具體職能方面，GenAI用例對銀行業一線分銷、客戶運營、技術以及法律、風險、合規和欺詐部門的價值潛力最大，占整體價值池的70%。
解決數據、算力、算法、應用等諸多挑戰
日前，麥肯錫發布的報告預測稱，GenAI將為銀行業帶來2000億至3400億美元的價值，相當于行業年收入的2.8%～4.7%。此外，生成式人工智能工具還可幫助各銀行增強客戶滿意度，改善決策和員工體驗，并能更好地監控欺詐和風險，從而有效降低風險。他們認為，GenAI可通過以下方式為銀行業創造價值：作為虛擬客服，降本增效；加速代碼生成，更快交付軟件；大規模制作個性化內容。
不過，對于金融機構而言，應用大模型的前提是合法合規。
呂仲濤分析稱，大模型本質是一個海量參數的深度學習算法，受制于當前模型黑盒、計算復雜度高等因素，存在答非所問、科技倫理風險等方面問題。比如，ChatGPT生成大量看起來合乎邏輯，但內容可能并非真實甚至是捏造的事實，存在非法利用、造謠等安全隱患。
“通過工商銀行的前期實踐，我們認為大模型在文本、圖像等領域的AIGC能力優勢明顯，但當前階段并不成熟，仍存在科技倫理風險等問題。因此，短期內不建議直接對客使用，應優先面向金融文本和金融圖像分析理解創作的智力密集型場景，以助手形式，人機協同提升業務人員工作質效。”呂仲濤表示。
在討論銀行在使用GenAI過程中面臨的局限時，韓峰指出了一些關鍵問題。他認為，銀行作為一個傳統行業，受到嚴格的監管，因此在真正規模化部署GenAI之前，必須考慮自身是否已經建立了相對安全的環境和有效的風險管理機制。與此同時，GenAI在傳統行業應用方面的相關法律法規也需要逐步完善。
今年7月，我國發布了《生成式人工智能服務管理暫行辦法》并自2023年8月15日起施行，旨在促進生成式人工智能健康發展和規范應用，維護國家安全和社會公共利益，保護公民、法人和其他組織的合法權益。
麥肯錫藍躍領導人方浩翔亦提示道，訓練這些模型時通常需要使用一些外部數據，或者將外部數據與內部數據結合起來進行訓練。因此，銀行需要采取措施，以確保在模型訓練過程中不會發生數據泄露，從而避免給客戶帶來問題。
麥肯錫全球董事合伙人方溪源補充道：“我們認為在金融機構的應用中，人機結合是必要的。然而，人和機器結合的界面目前仍然存在挑戰。我們還需要確定在每個操作環節和服務環節中，人和機器之間如何有效配合。目前，這個領域仍然不夠成熟。”
“國家高度重視大模型應用安全，國家網信辦明確‘利用人工智能生成的內容應當體現社會主義核心價值觀’，并要求謹慎對客，同時對客場景需要統一報批。”呂仲濤認為，雖然大模型有各類安全風險，但同樣給銀行業數字化轉型帶來新機遇，在這個過程中，我們需要解決數據、算力、算法、應用等諸多挑戰。
“在數據方面，通過數據驅動，釋放數據要素價值，加速金融行業和企業大模型建設，加速推進銀行業數字化轉型；在算力方面，當前國內外算力市場面臨著算力供給短缺、多廠商異構算力融合、國產AI生態不足、機房和網絡建設緩慢等復雜情況，金融機構需要深化與產界各方的合作，共同推動解決大規模算力部署和應用挑戰。”呂仲濤說。
同時，呂仲濤指出，大模型需要大合作，銀行業要加快探索引入業界通用的大模型技術的策略和實踐，通過推進大模型算法在銀行業的應用實踐，加快大模型能力增強，從而提升大模型服務金融行業能力；大模型需要大創新，大模型要想在銀行深化應用，就需要探索形成一套面向銀行業的高標準、低門檻的銀行業金融大模型應用模式，快速推進人工智能在金融領域的深化應用。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
