在数字经济浪潮的推动下，金融行业经历的数字化转型，正在成为推动金融机构增长的新引擎。同时，为了应对个人客户行为的线上化、投资多元化以及需求多变化，金融机构的营销方式、获客模式和触达策略也在跟随技术的变迁而不断迭代。

在这个过程中，金融机构与客户之间的关系变得更为直接，客户的选择也更为多样。金融机构需要挖掘信任的价值，建立起不同场景、用户和产品之间长期稳定的生态关系，利用好科技的“双刃剑”。

近一年来，科技领域最大的创新是大模型助力的生成式AI原生应用，大模型正在为金融机构带来技术‘弯道超车’的窗口期，金融行业也将迎来大模型产业级应用落地的战略机遇期。

就此，经济观察报联合百度营销出品《AI自有光》系列访谈，邀请行业内具有代表性的领先机构的负责人、高管，共同探讨大模型技术的落地和产业化应用，分享洞见。

在本期节目中，中信消费金融首席信息官刘晋军结合消费金融行业的痛点难点，对话百度MEG销售业务平台行业一部总经理崔丽，系统阐释了两家公司在对大模型技术的分析与预判，并分享了在率先落地应用中的经验。

借力AI，破解金融服务业“三难”

中信消费金融公司于2019年成立，股东为中国中信金融控股有限公司和金蝶软件（中国）有限公司，经原中国银保监会批准成立为国内第24家持牌消费金融公司，以普惠的在线式消费信贷为主要产品，服务大众。

在当前经济周期中，消费复苏在经济增长中的地位更加显著，消费金融领域产品和服务的持续创新，有助于我国居民释放更多消费潜力。发挥消费金融机构的科技能力和服务能力，为消费者提供更高价值更匹配消费热点的金融产品，是各家消费金融普遍关注的问题。在用户规模存量增长时代，更需要着力去解决用户端的“发现难，体验难，服务难”。

刘晋军谈到，在金融服务行业发现难和体验难，服务难确实是很常见的问题，发现难主要是指的是如何发现潜在的客户，发现潜在客户以后如何发掘客户真实的需求，过程中存在不高效、不经济、不及时的情况。消费金融机构对于这种情况通常是通过大数据的分析和人工智能算法来更加精准地在市场中发掘和找到客户真正潜在的意图，通过给潜在意图客户做更精准的标签，圈定好目标客群之后再给客户定制个性化的金融服务和产品，通过这个手段来解决发现难的问题。

“对于体验难也是指客户如果在有意向的情况下去持续获得金融产品服务的过程中，可能也存在体验不高效，也不便捷的情况。金融机构普遍采用的方法是通过科技的手段不断地改进客户的准入操作门槛，比如说现在都是通过在线式的方式APP，小程序让客户触达，来获得服务。在过程中可以不断地简化用户操作这些APP程序的过程，让客户的感觉体验得到最简单，从而让客户非常便捷地能够获得服务的体验。”刘晋军表示，服务难是指当客户成为金融机构的客户之后，后续获得支持和帮助的过程可能也有一些便捷性和时效性的问题，金融机构通常是会不断地完善全渠道，全时空的服务体系，会把过去的一些可能线下的跟客户服务的方式搬到线上，采用在线化，移动化，音视频多种支持方式，提供7×24小时的时效响应，从而可以对客户的多种诉求，非常快的，及时、高效的响应。

从行业发展阶段来看，消费金融行业已经从增量市场进入到存量竞争阶段，整个行业都面临着客户留存难、竞争加剧等难题，运用科技来提升运营效率和用户体验对消费金融来说成为必选题。

“总体而言大模型给予消费金融业务和客户提供的不仅是上面提到的内容，我觉得大模型的发展会非常地迅速，可以预见地会极大地改变消费金融或者是金融行业的生态。”刘晋军表示。

多管齐下，促进大模型应用落地

当前大模型在金融领域的应用，逐渐从外围走向核心，金融同业与大模型科技伙伴加强合作是一条可行的路线，共同探索建立金融服务重量级应用，为金融服务实体经济提供助力。大模型在金融领域的应用充满挑战和机遇，需要做好算力、数据、技术、人才的积累，积极拥抱新技术带来的变革。

刘晋军表示，现在大模型市场分主要的两大发展方向，通用型和专用领域。就两种类型的大模型来说，通用型的入门门槛非常高，计算成本和训练成本每次都是数十万美金，硬件和软件人员投资非常高，除了在金融行业里部分头部超大型金融企业在尝试之外，绝大部分的中小金融机构都是在基于通用大模型平台的基础之上，研发自己的大模型应用。

崔丽认为，金融行业是AI大模型应用的高潜行业，在大语言模型的加持下，消费金融领域的数字化、智能化进程将会加速驶入快车道。大模型将在智能营销、智能客服、智能运营、智能风控等领域应用落地，重塑产业结构。

消费金融行业对生成式AI的需求也将进入爆发期，与外部科技公司合作，借助“外脑”共同开发垂类大模型，也是中小型金融机构的可选路径。

崔丽表示，百度营销着眼于客户价值，通过应用层面的“AI Native商业全景应用”和合作层面的“共拓计划”，让客户和生态伙伴都能抓住大模型时代的机遇，便捷地享受技术成果。“经过AI大模型赋能的消费金融，我们的首批金融行业商家BOT内测客户‘梧桐树保险’就是一个很好的例子。当有意向的用户在百度搜索长尾词时，梧桐树金融AI助手会率先做出首轮内容回复，还会通过反向提问或者需求引导，给用户提供最匹配其需求的产品和服务，这样双向激发的模式会极大提高广告的转化率和转化质量。”崔丽介绍。

刘晋军表示，大模型的发展前景是非常广阔，目前虽然是初级阶段且训练和部署成本比较高，但未来一定会发展成为像今天云计算一样的基础设施，成为性价比比较合适的一种基础能力，会极大地提高金融业务的创造性和生产效率和生产质量，一定会为整个社会的经济发展提供助力。