【未来银行】大模型与生成式AI的银行业应用价值初探

2023年11月，毕马威中国撰写的《2023金融业大模型应用报告》于金融街论坛年会发布。《报告》指出截至2023年10月，基于大模型的金融场景多在试验性探索和点状尝试，金融产业链尚未形成基于大模型的体系化应用共识和领先范式，缺失标准化的应用演进模式与明晰的场景ROI判断框架。

2023年第四季度至今，毕马威中国聚焦银行业，持续追踪AIGC在银行业的规划与落地趋势，初探大模型与生成式AI的银行业应用价值。

银行业新质生产力动能核心

随着数字中国战略的全面启动和中央金融工作会议中数字金融大文章的提出，我国银行业数字化转型正式由探索期过渡至了成熟期，由零散化的数字化探索逐渐向规模化应用、体系化建设发展。在此背景下，以“创新”为主导的“新质生产力”将成为高质量发展的强劲推动力与坚实支撑力。大模型及生成式AI，成为银行业新质生产力的动能核心。

根据我们的行业观察，当前AIGC热潮加剧，银行业或买入基础算法框架，或与头部研究机构、独角兽公司开展深度合作，逐步明晰大模型落地路径，竞相培育潜在场景应用，力争收益风险均衡。

总体来看，基于不同的原生场景，大模型可以通过不同策略进行训练优化，多路径、多模式适配性改变现有的业务逻辑，以多种方式融入并带来功能的升级和业态的变革。“AI智能体”Agent已成为大模型银行场景侧落地的主要策略。依托软件工程学与银行业务专业知识，融合大模型、传统AI与流程引擎，设计Agentic Workflow，往往能得到比直接SFT（有监督微调）或Prompt（提示工程）更好的结果。

银行业大模型赋能应用场景当下仍是一个求索的过程，总体围绕旧场景升级、新场景变革两大方向稳定推进，以期能够探明先进引领的场景应用与专业的体系支撑。

银行业应用全景视图与洞察

立足于毕马威“智链银行”能力框架，总结大模型在银行业的整体应用呈现出前台业务提升、中台精益管理、后台经营决策的发展格局。

图：大模型在银行业的应用全景视图

*此处应用未覆盖全银行业态，将随着技术与业态发展持续更新；截止2024.05

银行业大模型应用的关键要素

从2023年10月至今，基于7个月的场景试验与技术发展，我们洞察如下：

• “可控性”仍然是制约大模型场景落地的主要因素
• “可解释性”成为试验场景向外推广的核心顾虑
• “ROI”跻身银行大模型场景选择核心因素，尤其是在推理决策场景中与传统AI方案的对比（推理效率、算力投入与场景价值）

银行业大模型应用的产品形态分析

截止当前，已经过检验或部分检验、趋近成熟的应用模式：

• 降本增效：AI仅提供局部效率提升，难以参与关键业务流程。如Copilot模式的办公管理等
• 生产力革命：AI辅导或主导的内容生产。如AI生成营销文案/分析报告/数据报表/宣传图片/舆情汇总等

截止当前，仍缺乏定义或验证的、未成熟的应用模式：

• 流程重构：有智能体参与的新业务工作流。当下银行业多在此阶段探索，如风险管理Agent、营销管理Agent、资管Agent等
• 流量创新：在现有流量平台逻辑框架内大幅提升流量获取或分发效率，如智能体参与的新型零售业务裂变、新一代内容与推荐
• 颠覆变革：基于AI自身逻辑创建全新的大众产品，当下银行业仅涉及重新定义的搜索引擎

银行业大模型应用实例

• 案例一：基于大模型的精准营销与商机下发

场景一 >>>

基于大模型的跨场景关联推理与泛化挖掘。依托泛化能力将点状关联场景拓展至同质化场景中，形成统一的营销商机视图；大模型支持通过对历史数据和行为模式的识别，预测客户消费需求，捕捉商机、适时切入消费场景，提升零售业务信用贷的规模水平。实现客户流失预警：动态识别流失倾向为高水平的客户，提前预警并列入营销名单；违约风险评分：动态识别低风险客户，将其列入白名单，直接线上审批通过。

场景二 >>>

基于大模型的多模态营销策略生成和产品推荐。基于对客户行为和偏好的理解，大模型能够从产品库中挑选合适的产品与服务组合，生成对应营销策略，为不同客户群体提供个性化的产品推荐和服务。

• 案例二：单代理模式下的智慧产品超市

场景一 >>>

产品个性化设计、快速迭代。传统的产品创新需要耗时3个月到半年，基于大模型的智慧产品超市将使其成为所需皆所得的产品事务，实现产品种类丰富、产品画像清晰、贷款产品灵活、存款依需而建；支持各分支机构根据辖区客户需要，差异化定制符合自身需求的对客产品。

场景二 >>>

产品报告生成。完整系统性的输出产品综合营运报告，包含且不限于：产品客群/偏移分析、产品复购率、产品点击率、产品营收、产品优化建议、互动式产品调整与分析。

场景三 >>>

模型驱动的内部转移资金定价计算。产品差异化、迭代式设计，结合资金池方法、期限匹配法、现金流方法，以大模型+专家建模复合方案输出产品内部转移资金定价，覆盖从全局利润到单产品单客户利润分析，提升银行管理自身地净利差和盈利能力。

• 案例三：基于大模型的抵押贷业务数智化赋能

场景一 >>>

基于大模型的复杂多场景OCR识别。实现各类版式、结构、票据、表单的印刷体、手写体识别，召回率在93%以上，提升人证物核身效率，释放人工成本。

场景二 >>>

基于图模互补的资产评估与客户评级。以往房屋验证与评估、额度评估多依赖于第三方机构，每次进件与定期评估。采用大模型+专家规则+知识图谱复合方案，逐步替代第三方结果依赖，使行内具备自己的“评估专家与评估公信”。

场景三 >>>

基于大模型的报告生成。实现全场景下的报告自动生成，解决以往特异性场景的人工干预与校验问题。

• 案例四：基于大模型的一体化风险管控体系

场景一 >>>

自动化特征工程。通过大模型+启发式算法+专家策略进行自动化特征衍生与校验，解决风险模型输入数据资源少、有效特征量低维、特征模板滞后等痛点；解决小样本乃至零样本训练难题，进一步提升模型区分度，有效面对多风险类别跨风险业务域的泛化问题。

场景二 >>>

动态化风险捕捉。以往风险指标皆需耗费充足的人力，面向确定性场景，以相关标准为依据进行风险指标与风险阈值的选取与开发。大模型风险管控方案，覆盖多种欺诈与违约方式，以大模型做基准做场景泛化，风控模型持续迭代，动态捕捉特异性风险，生成特异性指标。有效应对新产品新业务冷启动所面对的未知风险。

场景三 >>>

全局式体系管控。实现全机构、全产品、全渠道、全流程的多模态数据聚合与挖掘，融合知识库构建风险标签，以形成更全面的风险视图、更多维度的风险主题，不断优化统一授信额度管理与共债风险管理能力。

挑战与建议

银行业当前对于“新质生产力”的理解已深化至探索金融科技创新动力的“价值经营”层面，基于战略要求，为保障三大关系平衡发展，大模型与生成式AI在银行业的落地面临着诸多挑战。毕马威基于体系规划、应用落地的成功经验，给予合适的应对建议。

面临挑战

数据资源利用率不足

大模型适配性微调输入数据资源少、质量不高：

• 数据全域盘点，银行当前呈现数据遗漏、数据约束等问题；
• 行内已沉淀的全量数据仅有20%~40%为干净有效 ，其余呆滞数据若作为输入，会显著降低结果的可控性与可解释性。

技术门槛相对较高

• 通用大模型具有很强的泛化能力，但领域专业性不足，且有AI幻觉挑战，需注意合规与信息安全。
• 从0到1训练通用大模型或金融行业大模型训练的成本和难度高，不适合中小银行。

大模型人才缺口大

• 银行业大模型的应用落地目前存在较大的技术人才、复合型人才缺口。
• 当前大模型技术不断迭代，其需要既懂业务、又懂技术的专家进行持续的、有体系的大模型建设路径规划与落地，否则容易重走信息化点状建设的老路。

产品创新运营机制未完善

• 部分银行已先行开展相关场景研究与试验，但面向高速迭代的技术与应用原子能力的产品创新运营机制不足，已推出的求索流程无法与行内目前组织有机协同，制约先进性场景建设，甚至会导致已投入成本变为沉默成本。

应对建议

数据架构按需升级

• 梳理全行全域数据资源，深化数据治理，覆盖多源异构数据资产，降低呆滞数据比例，增强数据在模型层的流动性。
• 升级数据响应模式，保障需求实时响应，数据按需供给，在确定性的计算资源与不确定性的数据需间力求平衡。

选择合理的技术实现路线

• 检索增强生成RAG
• 有监督微调SFT
• 基于Reflection或Tool Use实现提示工程Prompt
• 基于特定场景完成流程工程，构建Agentic Worklfow，可使用LangChain等工具做低成本的快速自定义方案构建

组织机制进一步完善

• 明晰大模型战略方向与目标，变革组织协同机制，建立符合行内组织特点的产品创新运营机制，以敏捷柔性的方式应对不断变化的技术特性与应用形态。
• 以培育、自招、合作等方式完善人才团队，以达成大模型体系化建设的目标。

选取合适的场景入局时机

• 头部银行需紧跟动态，合理复用市场上已出现的合规PMF，帮助自身构建相关场景应用，避免重复造轮子。
• 中小银行可紧跟银行业大模型落地节奏，与相关厂商、高校、研究机构选取已经成熟的场景合作建设，提高综合ROI。

毕马威AI创新驱动战略规划——数字化转型咨询专项服务

以五大能力域明晰战略蓝图

运用企业数字化能力模型，实现问题归类和聚焦，明晰企业战略发展新动能的规划蓝图与实施路线。

以三阶段开展相关工作

逐一回答AI创新驱动战略“是什么”，AI创新驱动“建什么”，AI创新驱动“怎么建”三个核心问题。

图：毕马威AI创新驱动战略规划工作任务

数字经济的蓬勃兴起为银行业创新发展构筑广阔舞台，大模型的关键能力涌现促使金融科技行业范式变革。银行业需坚守金融初心，坚持科技支撑，以审慎包容的态度持续探索技术衍生的产业趋势和应用场景，促进行业朝着更加开放、创新、可持续的方向发展。

本文内容仅供一般参考用，并非针对任何个人或团体的个别或特定情况而提供。虽然我们已致力提供准确和及时的资料，但我们不能保证这些资料在阁下收取时或日后仍然准确。任何人士不应在没有详细考虑相关的情况及获取适当的专业意见下依据所载内容行事。本文所有提供的内容均不应被视为正式的审计、会计或法律建议。

©2024毕马威华振会计师事务所（特殊普通合伙）、毕马威企业咨询（中国）有限公司及毕马威会计师事务所，均是与毕马威国际有限公司（英国私营担保有限公司）相关联的独立成员所全球组织中的成员。毕马威国际及其关联实体不提供任何客户服务。各成员所均为各自独立的法律主体，其对自身描述亦是如此。毕马威华振会计师事务所（特殊普通合伙）——中国合伙制会计师事务所：毕马威企业咨询（中国）有限公司——中国有限责任公司；毕马威会计师事务所——香港合伙制事务所。版权所有，不得转载。毕马威的名称和标识均属于毕马威国际的商标或注册商标。