大模型规模化应用为银行业注入发展新活力

本文转自：经济参考报

近期，生成式AI热度持续走高，在各行各业产生了较显著的影响，其自然对话的形式大大降低了使用成本，受到业界广泛关注。业内人士指出，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的应用对其产业形态具有显著影响力，有望带来巨大的生产力变革提升，而未来能否有效使用大模型实现降本增效将是行业竞争重点。

日前，波士顿咨询（BCG）发布的《银行业生成式AI应用报告（2023）》（下称《报告》）指出，生成式AI允许使用者使用自然语言直接获取数据分析结论，大大降低了数字化产品使用门槛，在银行业的应用场景可以贯穿前中后台各个环节，规模化应用后有望带来客观的降本增效收益。

“在生成式AI应用方面，举例来看，银行的理财客户经理可以直接与生成式AI助手进行自然语言交互，询问与客户的联络情况，包括上次联系情况、客户持有产品、近期交易状况等，并在此基础上，由AI推测客户偏好的产品类型，给出推荐产品和产品对比。在这种情况下，客户经理不需要具备大量专业化、数字化工具的使用技巧，并用这些工具完成很多从0到1的信息加工，而只需要问正确的问题，由机器负责完成从0到1的信息加工工作，此时客户经理只需进行判断评估、做少量修改就可以。”BCG合伙人孙蔚表示。

“除了对内自动化完成基础任务，提升工作效率，生成式AI还有望在银行业催生新的业务模式。”孙蔚表示，“例如，在交易撮合中，由于很多场景的交易要素非结构化，且需要多轮交互，通常需要相关人员进行协助开展撮合；而借助生成式AI，买卖双方将可能实现只与AI界面进行对话磋商，而不再需要相关人员作为中介进行撮合。”

“以一家2万员工规模的区域银行为例，其薪酬总包约21亿美元，如果可以成功规模化应用前中后台场景，首轮规模化应用生成式AI能实现30%的降本收益，具有非常明显的降本效应。”孙蔚说。

对于生成式AI在银行业落地的途径，《报告》指出，银行业在选择落地场景时要平衡考量收益潜力、风险、实施难度，与传统AI的充分结合，同时需要通过嵌入外部模块、提示词设计和模型微调等方式提升机器回答质量，夯实技术基础，推动业务与技术充分结合的体系化工程进展，实现新技术业态下的业务和组织转型。

“目前国内银行业应用生成式AI主要包括商业模型和开源模型两条路径，其各自具有一定的优劣势。商业模型通常由互联网大型企业开放，其算力规模和数据标准成本较高，投入更大，稳定性更强；开源模型在成本较低的前提下，迭代速度更快，细分垂直领域发展较好。”BCG数据科学副总裁廖明表示，“银行在具体选择时需要根据自身需求，结合数据安全、使用成本等多方面因素进行考虑。”

BCG董事总经理、全球合伙人谭彦指出，生成式AI应用的关键之一就是业务对科技的理解能力，其自然语言编程本质是支持不会写代码的业务人员，通过正确的问题、拆解正确的业务流程与其他基础大模型以及相关的工具组合，实现特定业务目标，科技人员主要负责搭建底层的架构和设施，快速落地则取决于业务人员如何使用。

谈到未来银行业应用生成式AI的前景，BCG董事总经理、全球资深合伙人何大勇强调，利用生成式AI实现银行业态的转换升级在不同时期内需要关注不同因素。短期内，各个银行竞争的焦点在于对业务的数字化理解、企业创新文化氛围、对新技术敏捷的应用机制等，在上一次数字化进程中取得收益的银行将有更强的动力投入生成式AI应用。

“从中期来看，银行积累的私有数据将是银行业大模型应用竞争的门槛，只有基于自身私有的企业数据微调后的大模型才能更加有效、精准地赋能业务，给出更加专业的判断，包括信贷业务中的访谈、贷后跟踪管理的业务数据等。而从更长期来看，核心竞争是人才的培养。大模型应用带来了全新生态，如何提出精准问题、如何将现实业务流程抽象化等等，成为使用的核心问题。要实现银行各个部门、各个环节规模化地有效使用大模型技术，需要建立起新的人才培养机制，从而实现长期竞争优势。”何大勇说。