ChatGPT火爆出圈 人工智能赋能银行迈入新时代

本报记者 张漫游 北京报道

人工智能（AI）技术并非新鲜事物，但ChatGPT和“文心一言”作为人工智能通用大模型横空出世，掀起了人工智能应用的新一轮浪潮。

此前，人工智能运用的都是专用人工智能模型，往往只能在具体的领域内产生一定的效果。而ChatGPT代表了人工智能通用大模型的最新进展，显示了大模型的巨大影响力。

与此同时，银行业也推出了人工智能的通用大模型。近日，中国工商银行在业界率先研制投产自主可控的人工智能金融行业通用模型，通过此通用模型，可以初步探索出自主可控通用模型应用于金融行业的实践，有助于提升数字金融服务的精准度和效率。

竞逐通用大模型风口

近日，工行再次披露了在人工智能方面的新进展：发布基于华为昇腾AI的金融行业通用模型，即在业界率先研制投产自主可控的人工智能金融行业通用模型。这也是华为昇腾AI大模型全流程使能体系在金融领域的一次成功尝试。

所谓大模型，是指容量较大、用于深度学习任务的模型，通常具有海量的参数和复杂的架构，具有涌现性、扩展性、复合性的特征。

这一模型具有大算力、大数据、大网络结构等技术特点，通过模型训练让千亿个神经元（参数）组成具备记忆和推理能力的深度神经网络，可快速便捷地适配业务场景需求。与以往相关模型相比，这一通用模型具有更丰富的通用知识、更强的学习与推理能力，以及海量的金融专业知识，可更好地降低人工智能应用成本、缩短研发周期、提升识别准确率。

事实上，人工智能交互和决策在金融领域的探索已经有很多年。据《麦肯锡全球人工智能调查报告》数据，近60%的银行已经整合了至少一项AI功能。最常用的AI技术包括：处理结构化运营自动化工作的机器人流程的自动化（36%），用于营销和客户互动的机器智能对话技术（32%），以及基于机器学习和深度神经网络的用于信用卡核卡或贷款审批的风控管理技术（25%）。

但人工智能大模型则不同。此前，ChatGPT和“文心一言”作为人工智能通用模型，也在业内掀起了轩然大波。

ChatGPT由初创公司OpenAI于2022年11月推出，其为基于生成式预训练变换模型（Generative Pretrained Transformer，GPT）的人工智能聊天机器人，能够提供与人类语言相若的文字回应，ChatGPT自面世以来随即成为全球焦点。内地领先的搜索引擎公司百度宣布于今年3月推出与ChatGPT类似的服务“文心一言”，消息宣布当日股价急升 15%。

截至目前，邮储银行、中信银行、苏州银行等多家银行已宣布接入“文心一言”。“文心一言”是百度基于文心大模型技术推出的生成式对话产品，具备跨模态、跨语言的深度语义理解与生成能力，可应用于搜索问答、内容创作生成、智能办公等领域。

AI通用大模型巅峰银行前中后台

任泽平团队发布的报告指出，现阶段，各界海量的数字化需求使得大模型路线以“通用智能”思路降低算法边际成本，增强人工智能落地应用场景的经济性。大模型不需要每次就单独的项目派出大量专家花数月驻场收集数据、调试模型、进行训练模型等，只需用大量数据和足够大的算法去训练一个足够大的通用模型，再通过量化、剪枝、知识蒸馏等模型压缩方法把大模型变小，就能高效地进行模型生产，可避免“手工作坊”的AI生产方式，能够覆盖各种长尾场景，大大降低复制成本。

人工智能已进入“大模型时代”，这将如何改变银行业？

以工行人工智能金融行业通用模型为例，《中国经营报》记者了解到，目前，该模型已被应用于多个业务领域。如在客户服务领域，工行应用该模型支撑智能客服接听客户来电，显著提升了对客户来电诉求和情绪的识别准确率，能够更精准有效地响应客户需求，并且可以大幅缩减维护成本；在风险防控领域，工行实现了对工业工程融资项目建设的进度监控，监控精准度提升约10%，研发周期缩短约60%；在运营管理领域，模型的应用帮助智能提取期限、利率等信贷审批文件核心要素，提升了信贷审批效率。

从已宣布接入“文心一言”的银行来看，“文心一言”相关技术的应用主要集中在智慧网点、智能服务等领域。如邮储银行表示，“文心一言”技术将在智能客服、数字员工、虚拟营业厅等场景进行应用；百信银行也明确，将把百度的智能对话技术成果应用在数字金融、AI数字人、数字营业厅等领域。

除了前端的服务外，在后端的投研及风控领域，银行也在探索“文心一言”运用的可能。以兴业银行为例，该行指出，将集成“文心一言”技术能力，在智能风控、智能运营、智能投研、智能营销等金融场景开展人工智能大模型技术应用。

浙江证券以ChatGPT为例总结道，从银行客服开始，无论是业务前台还是中后台，各项流程都有用ChatGPT重做一遍的潜力。浙江证券认为，在银行客服层面，对于客服、催收等人工的替代，与ChatGPT关联最直接，银行应用最广泛，或将开启深度智能化阶段；在业务前端层面，对于财富管理、小微客户、个人消费贷款等标准型产品，客户识别有望进一步细化，产品匹配有望更加精准；在业务中端层面，诸如授信报告、审批报告、贷后管理报告等强格式性案头工作，如能以ChatGPT替代，可有效提高运营效率；在科技基础层面，银行投入人工智能相关研究需要持续投入资源，特别是要投入支持模型运转及数据计算的算力资源。

持续完善自身人工智能产品运营能力

进入到通用人工智能时代，大模型应用将成为这个时代的操作系统。然而，近日科学技术部部长王志刚指出，我国人工智能自然语言处理模型要做到ChatGPT算法的实时性和有效性并不容易，还需要做大量的工作。

任泽平团队认为，如果过度依赖国外的深度学习框架，未来一旦它们被“战略闭源”，中国就有在关键领域被“卡脖子”的风险。因此，国内亟须破局之道，需要大厂引领、技术突破，破除“卡脖子”忧虑。

近日，工行金融科技研究院发布的《商业银行人工智能应用实践及趋势展望》（以下简称“《展望》”）指出，当前人工智能领域仍然处于快速发展阶段，新技术理念在不断衍生和试错的同时也伴随着市场化的过度渲染包装现象出现，商业银行也需要加强前瞻研判工作，与科技公司、科研院所和同业伙伴等保持广泛的交流和联动，就新技术的当下成熟度和发展前景形成洞见，指导新技术理念的跟进策略。尤其对于通用型相对成熟的技术和产品，可以考虑以采购引进的方式快速形成能力；对于需要与行业数据、知识深度融合的智能产品和解决方案，宜综合考虑采购和自研的策略，同时对外购引入产品加强标准化技术纳管，以保证产品的可持续运营能力。

谈及下一步银行业人工智能的发展方向，《展望》认为，银行要持续完善人工智能产品运营能力。对于AI产品的持续化运营，头部科技公司尤其是互联网公司有着以北极星指标为导向的成熟方法论，为商业银行提供了借鉴经验，但在运用实践中，仍然存在种种挑战，需要各机构结合自身特点探索有效的运营模式。

工行金融科技研究院指出，在人工智能的原料——数据方面，传统商业银行的业务数据归属业务部门，承担着数据管理和安全的主体责任，跨部门的数据提取和使用流程较为复杂，尤其在AI模型投入使用后的数据回流方面往往无法满足持续运营的要求，存在数据孤岛的现象。工行金融科技研究院建议，后续应当通过制度规范和技术两方面的提升，在保障数据安全和理顺权责关系的基础上，促进数据在企业内的高效合规流转使用。

“此外，传统商业银行有着覆盖率可观的线下网点和经验丰富的线下营销团队。通过多源数据融合，AI分析结合交互式BI（商业智能）展现，赋能网点营销业务，是传统商业银行AI应用的重要一环。此外，如何对线下营销活动的策略、实施方法、成效评估过程进行数字化改造，纳入数字化运营体系，也有待未来进一步研究和实践。”工行金融科技研究院方面分析。