文 | 中国电子银行网 韩希宇

2023年，AI大模型展现出极强的商业价值和发展潜力，科技机构纷纷涌入并落地大模型应用。有观点认为，大模型是头部机构的“必争之地”，其将决定一家机构未来5-10年的科技水平。

算力、算法、数据构成了大模型领域的“三驾马车”，数据作为核心生产要素，成为关乎大模型质量与商业化落地的关键点。银行业作为数据密集型行业，成为大模型率先探索的重要行业。

大模型在银行业应用前景广阔

“银行业数字化转型需要大模型加持。”中国银行业协会首席信息官高峰如是说到。

分析人士称，银行数字化转型的本质是“拥抱”数据和算法，利用数字科技对业务流程、运营方式、服务模式等进行数字化的重塑，提升经营质效与服务水平。总体来看，在银行数字化转型实践进程中，“用数”至关重要，而以大模型为代表的人工智能，则是“用数”“赋智”的高级进阶，大模型将更加高效、深入地赋能营销、运营、风控、决策等业务环节，为银行业数字化转型提供新范式、新动能。

中国民生银行首席信息官张斌指出，大语言模型在金融领域有广泛的应用前景，可以帮助提升工作效率。比如帮助个体成为超级生产者，也可以提升体验，如支持多轮对话-机器以贴近人的方式交互等。

在具体应用场景上，比如智能客服与数字人结合，可以多轮、高拟人地问答；智能投研领域，可利用其强大的分析和提炼能力、生成能力；程序开发领域，可以辅助编码、测试、补全；在营销领域，助力精准营销，包括个性化内容生成；在运营领域，可以辅助人工互动、摘要与建议生成；在风控领域，可实现风险识别与法务合规智能化；知识管理方面，可实现自动化知识抽取、知识更新与维护，提供更好的知识问答体验。

中国农业银行研发中心副总经理赵焕芳表示，国内金融机构优先在智能客服、知识问答、辅助编程、智能办公等领域开展探索尝试，一方面是大模型在这些场景上有更好的表现，另一方面是这些场景相对来说对大模型的“幻觉”容忍度更高。

具体应用的时候，金融机构综合资源投入、技术积累等方面的考量，采用不同的策略。大型银行更倾向于“深度定制、建用结合”的自建模式，注重大模型能力体系建设，包括算力、AI平台、模型训练能力等；会结合自身数据优势训练定制化的大模型，会更加聚焦于自身大模型能力的沉淀，打造平台化的支撑模式。中小型银行可能会采取“直接引入、轻量快速”的引用策略，会更关注行业大模型、通用大模型的直接引入，通过API调用等形式，快速轻量对接场景应用。

银行大模型尚处于探索初级阶段

业内人士认为，大模型的出现将加速银行数字化转型的效率和质量，是各家银行需要重视的金融科技创新赛道，但大模型在银行领域的应用目前还处于探索初级阶段。其尚面临数据安全、算力保障、模型构建、开放生态、伦理风险等多方面挑战。

招商银行金融科技办公室主任高旭磊提出，要警惕技术发展可能带来的风险。以大模型为例，该技术最大的问题是“模型幻觉”，也就是大家都在说的“一本正经的胡说八道”，但不能因噎废食，必须容许大模型像人一样犯错，关键要是做好相应的管理。此外，还可能有伦理、版权、大数据、生成有害信息、商业秘密等方面的问题。

清华大学五道口金融学院副院长、金融学讲席教授张晓燕在“数字化转型前瞻 第十九届（2023）数字金融联合宣传年年度活动”上表示，银行业大语言模型落地同样面临很多风险和挑战，需要行业高度警醒和重视。如大语言模型可能导致银行机密数据和客户隐私泄露；大语言模型在银行业中的应用也面临监管风险，各国对于大语言模型的监管态度目前分歧较大。有观点认为人工智能，包括大语言模型的应用可能会成为下一个金融系统性大风险的爆发点。

交通银行副行长、首席信息官钱斌建议关注人工智能的伦理建设，建设可信、安全、公平的人工智能金融应用。他指出，伴随生成式人工智能在金融领域的全面应用，可能引发的安全性、公平性、透明性问题将会得到监管机构和市场主体越来越多的关注，需要通过有效治理确保应用过程的安全可控、服务对象的合法权益得到有效保障。金融机构要关注大模型生成内容的准确性、可靠性、稳定性，建立有效的管控机制及应急策略，防止出现价值偏离、算法偏见、歧视性内容生成等问题。负责任地运用好金融科技手段，在数字化转型的洪流中努力践行“负责任金融”的价值理念，让金融为民、科技向善落地生根，滚滚向前。

多位业界人士对中国电子银行网表示，银行业大模型未来可期，希望产业链机构厚植大模型创新生态，加强案例落地和技术交流，共享大模型发展红利。

当前，银行业正深入贯彻中央金融工作会议精神，对标做好数字金融大文章，打造人工智能新增长点，为客户提供便捷、安全、有温度的金融服务。