ChatGPT近兩個月以來不斷引爆熱點，對人工智能應(yīng)用發(fā)展的熱潮前所未有地高漲，ChatGPT所代表的大模型在語義理解、多輪交互、內(nèi)容生成中所展現(xiàn)的突出能力令人驚喜。而人工智能技術(shù)在金融行業(yè)的落地應(yīng)用仍然面臨挑戰(zhàn)，雖然已經(jīng)讓大量寶貴的人力從簡單任務(wù)中解放出來，但大量應(yīng)用環(huán)節(jié)與場景仍然停留在“讓機器看見、聽見”的階段，有待升級。
ChatGPT“讓機器理解”的能力為金融行業(yè)智能化轉(zhuǎn)型升級打開了新的大門。易觀基于金融行業(yè)數(shù)字化轉(zhuǎn)型與人工智能技術(shù)的研究積累，對金融行業(yè)的大模型應(yīng)用進(jìn)行了進(jìn)一步探索。
1. 應(yīng)用趨勢
(1) 大規(guī)模預(yù)訓(xùn)練模型拓寬金融行業(yè)AI應(yīng)用邊界，加速金融行業(yè)智能化升級。
(2) AI應(yīng)用場景與產(chǎn)品類型不斷豐富，縱深行業(yè)，以業(yè)務(wù)理解為導(dǎo)向推動AI應(yīng)用鋪開，進(jìn)入金融機構(gòu)以需求為導(dǎo)向的拉動階段。
(3) AI與金融應(yīng)用生態(tài)的建設(shè)有待于進(jìn)一步完善，豐富的開發(fā)者生態(tài)、金融垂直應(yīng)用生態(tài)以及人才生態(tài)等，是護(hù)航大模型以及AI深入業(yè)務(wù)賦能的重要關(guān)鍵。
2. 應(yīng)用價值
l 升級用戶體驗
通過人機交互方式的變革，實現(xiàn)多輪對話與KYC，提升對話與服務(wù)體驗；通過與數(shù)字人相結(jié)合，實現(xiàn)虛擬場景的溫度服務(wù)。
金融行業(yè)在客戶經(jīng)營層面，在過往主要關(guān)注用戶數(shù)字化趨勢之下，以App為核心的移動應(yīng)用生態(tài)的建設(shè)與運營，以手機銀行App、證券App等活躍用戶（即MAU）作為重要的北極星指標(biāo)，當(dāng)下需要轉(zhuǎn)換思路，全渠道體系數(shù)字化經(jīng)營的重要性更加突出，用戶體驗是用戶流量競爭過后下一階段的關(guān)鍵點。MAU與用戶體驗并重，是金融行業(yè)客戶經(jīng)營的兩個重要基石。相應(yīng)地，智能客戶也許僅僅是依托于大模型升級的開始，在金融機構(gòu)與用戶交互的各個環(huán)節(jié)，都有體驗價值的洼地需要予以關(guān)注。
l 優(yōu)化內(nèi)容生產(chǎn)創(chuàng)意與效率
與AIGC相結(jié)合，在自動化生成營銷物料的同時，實現(xiàn)千人千面的個性化營銷。
金融行業(yè)當(dāng)下無論是營銷側(cè)，還是投教方面的內(nèi)容質(zhì)量以及數(shù)量均無法滿足精準(zhǔn)化個性化營銷的需求，個性化營銷與服務(wù)需要精準(zhǔn)的用戶畫像，敏捷的金融產(chǎn)品研發(fā)與面向市場的機制與體系，橋接點在于能夠通過個性化的營銷手段，將用戶需求與產(chǎn)品鏈接起來，過往金融行業(yè)補課的關(guān)鍵點在于用戶畫像以及產(chǎn)品研發(fā)，那么內(nèi)容的生產(chǎn)以及優(yōu)化就是當(dāng)下需要重視的短板，僅僅依賴于供應(yīng)商解決內(nèi)容環(huán)節(jié)的短缺和供給問題，無非是把成本轉(zhuǎn)移，同時，無法形成內(nèi)容資產(chǎn)的有效積累。大模型與AIGC相結(jié)合，可以是破解之道之一。
l 降本提效
在投研、研發(fā)編程、授信審核以及流程管理等方面提高效率，減少基礎(chǔ)人員投入。金融機構(gòu)以往依賴于各種外包服務(wù)提供商，并通過RPA、知識圖譜等各種手段提升員工效率，大模型以及其他各種AI技術(shù)的應(yīng)用都是手段之一，在這個過程中，需要同時關(guān)注組織能力的升級，這也是后文應(yīng)用挑戰(zhàn)的重要部分。
l 產(chǎn)品/業(yè)務(wù)創(chuàng)新
通過在通用基礎(chǔ)能力的AI底座中引入高級認(rèn)知能力，整合碎片知識與多樣化需求，形成創(chuàng)新的產(chǎn)品化模型與業(yè)務(wù)解決方案。
1. 應(yīng)用挑戰(zhàn)
l 可信度挑戰(zhàn)
大模型仍存在倫理、穩(wěn)定性、準(zhǔn)確性、安全性等問題，是深入應(yīng)用的核心挑戰(zhàn)。
可信AI是指人工智能技術(shù)本身具備可信的品質(zhì)。從銀行業(yè)的角度，將從應(yīng)用性上對其進(jìn)行概念延伸。人工智能在從事智能識別、智能交互、智能篩選、智能決策、智能推薦等銀行業(yè)務(wù)活動時，具有可信、可控的特征，其行為能夠符合科技倫理、行業(yè)標(biāo)準(zhǔn)與道德規(guī)范，能夠使決策與建議的邏輯透明可釋，能夠做到公平普惠，且具備抗風(fēng)險、抗攻擊和隱私保護(hù)的能力。針對銀行實際場景需求、對可信AI的能力要求等，將其延展為8個特征，并結(jié)合場景來確立研究范圍、技術(shù)路線等，主要包括：穩(wěn)定性、魯棒性、可解釋性、安全性、公平性、普惠性、客戶自治性以及可追溯性。
即便大模型各個方面能力卓越，但是仍然需要圍繞可信層面做好評估與應(yīng)用保障機制。
l 業(yè)務(wù)理解挑戰(zhàn)
大模型基于通用知識庫進(jìn)行訓(xùn)練，進(jìn)入到金融業(yè)務(wù)場景，需要針對業(yè)務(wù)屬性進(jìn)行增量訓(xùn)練，才能真正解決業(yè)務(wù)問題。
l 成本投入挑戰(zhàn)
當(dāng)下大模型的應(yīng)用成本仍較高，包括算力消耗、模型訓(xùn)練、訓(xùn)練語料與數(shù)據(jù)標(biāo)注等，需要通過模型壓縮、小樣本訓(xùn)練等方式進(jìn)一步降低應(yīng)用成本。
l 組織能力挑戰(zhàn)
大模型以及一系列AI應(yīng)用與員工的有機協(xié)同仍然需要通過機制設(shè)計進(jìn)行磨合。一方面是員工的成長與考核體系如何優(yōu)化，另一方面是組織的設(shè)計與協(xié)同等。
2. 應(yīng)用模式
l 采購軟件/解決方案
l 按照服務(wù)調(diào)用次數(shù)付費
l 按照內(nèi)容生成數(shù)量付費
3. 應(yīng)用場景探索
基于大模型的能力與金融行業(yè)關(guān)鍵業(yè)務(wù)場景，易觀對于主要應(yīng)用場景進(jìn)行了如下的探索，并對大模型+場景探索的可行性做了初步的研判，可行性評價標(biāo)準(zhǔn)包括業(yè)務(wù)應(yīng)用價值、技術(shù)實現(xiàn)可能性及開發(fā)上線周期，以及ROI大致測算。供金融行業(yè)客戶參考：
l 客戶服務(wù)
當(dāng)前場景智能化現(xiàn)狀
普遍采用智能客服介入客戶服務(wù)環(huán)節(jié)，但是目前智能客服仍然以“搜索”為核心應(yīng)對用戶疑問，重在快速解答。
大模型+的探索
結(jié)合多輪對話與KYC探查能力，能夠有效提升用戶對話體驗。
探索可行性
????????
l 營銷
當(dāng)前場景智能化現(xiàn)狀
目前尚處于自動化營銷+數(shù)據(jù)驅(qū)動營銷迭代的過程中，營銷內(nèi)容以內(nèi)容模板庫建設(shè)與積累為主，營銷策略依賴于專家規(guī)則實現(xiàn)。
大模型+的探索
營銷物料生成環(huán)節(jié)可以快速豐富，從而支撐千人千面的個性化營銷；智能營銷策略依托于完善的客戶標(biāo)簽與KYC能力可以進(jìn)一步在金融行業(yè)真正落地。
探索可行性
????????
l 風(fēng)控
當(dāng)前場景智能化現(xiàn)狀
目前主要依賴于專家規(guī)則+特征工程實現(xiàn)，身份識別與貸前輔助審核等環(huán)節(jié)引入AI能力較多，但金融業(yè)務(wù)全流程智能風(fēng)控尚處于探索階段。
大模型+的探索
在風(fēng)控全流程中引入大模型可以提升數(shù)據(jù)提煉和處理能力，能夠進(jìn)行新特征規(guī)則發(fā)現(xiàn)，結(jié)合因果學(xué)習(xí)可以探索智能風(fēng)控策略制定與追因的更多可能性。
探索可行性
??
l 投教
當(dāng)前場景智能化現(xiàn)狀
投教內(nèi)容相對匱乏，以及面對不同類型投資者尚難提供精細(xì)化投教內(nèi)容。
大模型+的探索
通過大模型與數(shù)字人相結(jié)合，實現(xiàn)投教內(nèi)容海量豐富，以及推送投放因人施教。
探索可行性
??????
l 投顧
當(dāng)前場景智能化現(xiàn)狀
依賴于大數(shù)據(jù)進(jìn)行投資者畫像與風(fēng)險偏好洞察，并應(yīng)用專家規(guī)則進(jìn)行投資產(chǎn)品與組合的自動化推薦。
大模型+的探索
圍繞財富管理專業(yè)知識進(jìn)行增量訓(xùn)練，并利用全面的KYC探查實現(xiàn)圍繞個體的全生命周期智能投顧服務(wù)。
探索可行性
????
l 投研
當(dāng)前場景智能化現(xiàn)狀
目前智能投研能夠?qū)崿F(xiàn)數(shù)據(jù)資產(chǎn)以及非結(jié)構(gòu)化數(shù)據(jù)洞見賦能，并利用知識圖譜等技術(shù)提升分析效率，尚處于工程化初期階段。
大模型+的探索
大模型對投資標(biāo)的信息整理、摘要與篩選更加準(zhǔn)確，能夠?qū)崿F(xiàn)對各類投研數(shù)據(jù)的綜合分析以及對時間序列數(shù)據(jù)的預(yù)測，從而提升投研效率以及價值。
探索可行性
?????
l 核保理賠
當(dāng)前場景智能化現(xiàn)狀
目前處于從依賴人工審核，向利用核賠、理算、控費等規(guī)則引擎實現(xiàn)自動化，從而提升運營效率。
大模型+的探索
提升信息抽取、聚類與分析的實時效率，提升核保理賠用戶體驗，降低人力投入。
探索可行性
??
l 研發(fā)
當(dāng)前場景智能化現(xiàn)狀
目前已嘗試應(yīng)用敏捷開發(fā)模式進(jìn)行軟件和產(chǎn)品研發(fā)，但由于軟件開發(fā)需要滿足行業(yè)要求，產(chǎn)品研發(fā)需要整合大量信息，通過數(shù)字技術(shù)滿足研發(fā)敏捷性、業(yè)務(wù)合規(guī)性與客戶個性化需求的探索仍處于初期階段。
大模型+的探索
大模型能夠協(xié)助制定符合金融業(yè)標(biāo)準(zhǔn)的軟件產(chǎn)品研發(fā)計劃、代碼編寫與測試，軟件自動化測試等，提升研發(fā)敏捷性，實現(xiàn)產(chǎn)品快速迭代；產(chǎn)品研發(fā)過程中能夠提升數(shù)據(jù)處理與資產(chǎn)檢索效率，自動生成多樣化的產(chǎn)品定價與組合策略，提升產(chǎn)品個性化程度。
探索可行性
????????
l 內(nèi)控合規(guī)
當(dāng)前場景智能化現(xiàn)狀
目前普遍運用的RPA技術(shù)可以實現(xiàn)文件關(guān)鍵信息的抽取與分類歸檔，但與文件理解相關(guān)的任務(wù)仍需尋求更多技術(shù)支持。
大模型+的探索
大模型可以形成對文件的整體認(rèn)知與理解，大幅降低對人工審核的依賴的同時給出風(fēng)險警示以及解決方案，例如大模型能夠在不良資產(chǎn)核銷過程中輔助人工進(jìn)行全流程貸款資料的審核，提升審核效率與企業(yè)表外資產(chǎn)探查的能力。
探索可行性
????
4. 基礎(chǔ)技術(shù)能力建設(shè)
上述金融業(yè)務(wù)場景尚不能窮盡，大模型與各種技術(shù)融合能夠產(chǎn)生各種可能性，相應(yīng)地，在探索金融業(yè)務(wù)場景應(yīng)用的同時，融合大模型的基礎(chǔ)能力，升級金融科技實力，夯實技術(shù)能力建設(shè)體系，方是長遠(yuǎn)之計。如下為易觀圍繞大模型原子化能力，提出可以在哪些中臺能力上進(jìn)行升級，包括客戶畫像、數(shù)據(jù)分析等各個環(huán)節(jié)。具體如下圖所示：
