AI专题：银行业生成式AI应用报告（2023）附下载

作者：烟树晚雁发布时间：2024-03-16

生成式AI 人工智能

今天分享的是AI系列深度研究报告：《AI专题：银行业生成式AI应用报告（2023）》。

（报告出品方：BCG）

报告共计：20页

海量/完整电子版/报告下载方式：公众号《人工智能学派》

理解根因：什么造就了生成式AI的强大能力?

人工智能已发展多年，历经专家模型、机器学习、深度学习多个阶段。今天生成式AI之所以火热，是因其相较传统AI，在“对话”与“创造”两类能力上实现了根本性的突破。

就“对话”能力而言，过去的机器在回答问题时往往缺乏对上下文的理解，导致答案相关性较低，表达机械化，而如今的生成式AI能够理解更长的上下文，并进行拟人化的思考和回答，与人类的对话沟通也更自然:

在“创造”能力方面，以往的机器只能按照预设任务(如分类、数值预测)输出答案；而现在，生成式AI能够自动生成自治的图形、文本甚至代码，具备优秀的内容创作能力。

那么生成式AI背后的大模型，又是如何形成了突破性的对话和创造能力?这离不开科学和工程的双重进步。

一是科学的进步，即算法的突破。AI算法的本质在于特征提取，基于Attention Layer的Transformmer技术，是一种新的模型架构，能更好地提取“全局”特征，因此模型的效果更好，Transformer技术使机器能高效捕捉海量语料中一个个词之间的关系，或者海量图片中一个个像索之间的关系，使得大量的知识(本质上表现为词语之间的关系)能被封装在训练好的模型中，由于该模型架构强大的能力，在2018年Transformer技术出现后，三分天下的AI应用领域(计算机视觉、语音识别和自然语言处理)逐渐形成大一统趋势。以前各个领域有一套适配其应用场景的模型架构，如今Transformmer可相对较好地处理各类场景的问题。

二是工程的进步，即超大规模的算力和数据的支持。由于基础设施的进步(高算力芯片高速网络)，模型的训练规模较之前深度学习阶段有了数量级的显著跃升，深度学习时代的模型参数通常只有百万量级，只能训练几亿级的文本且还需要人工标记:但以ChatGPT为例的大模型参数可达1,750亿，能训练数万亿级的单词文本且预训练不需要人工标记正因为训练的语料和参数在量级上的突飞猛进，使大模型体现出的能力远超以前。同时也因为足够大到能训练和封装几乎全科领域的知识，大型能表现出很强的“通用性”能力，即一个大模型可以在结合精调后运用到多个完全不同的场景。

价值创造逻辑:替代人、赋能人

生成式AI在银行业的应用，从价值创造逻辑上可分为两大类：

一是替代人:生成式AI可以替代人，开展大量重复性较高、简单基础的任务，如处理文本的要素提取、处理进件、识别异常项、生成基础数据分析、生成标准化内容等。这能够释放运营类人力资源，实现降本增效。

部分场景下，生成式AI还可能取代人，催生全新的业务模式。例如交易合的场景，由于很多场景的交易要素非结构化，且需要多轮交互，通常需要人来协助开展撒合，但借助生成式AI，未来买卖双方都可能只与AI界面进行对话磋商，而不再需要人作为中介进行撮合。

二是赋能人:利用生成式AI的“对话”和“创造”能力，可让AI成为助手，有效放大关键节点的“人”的产能，尤其是客户经理、财富顾问、产品经理、投研经理、信审经理、市场营销人员、编程开发人员等角色。本报告开篇赋能客户经理的例子就是一个典型示例一方面，通过对话式学习的方式，生成式AI可以更好地“培训”这些专业人员:另一方面在关键的展业过程中，生成式AI可以有效整合关键信息及素材，助力相关专业岗位的人员更快做出精准有效的判断，展现出更有针对性的客户互动技巧，或更快速地产出高质量的交付物(代码、设计文案、报告等)。通过机器助手的加持，代表银行核心竞争力环节的单人产能有望大幅提升。

赋能人不仅仅是体现在专业内容的形成上，还可能体现在基础管理环节。例如，以前项目开展PMO管理，需要项目经理每天与多个角色共同开会来对齐进度，并维护一张集中显示进度和问题的大表，未来，借助生成式AI，有可能实现由AI与各个角色实时开展简单的对话来交流进度，最后由生成式AI提炼对话中的要素，自动形成项目管理看板并自动识别和提示风险。在AI的加持下，以前一个项目经理只能管理两到三个项目，未来可能变成一个人可同时管理十几个复杂项目。