生成式AI技术落地 赋能银行转型增长
最新信息
生成式AI技术落地 赋能银行转型增长
2023-08-07 23:47:00
自2022年底ChatGPT3.5发布以来，生成式AI相关话题热度持续走高，并以惊人的技术迭代和应用演进速度带动了各行业企业的竞相布局。而作为最早应用传统AI技术的领域之一，银行业也正积极试水生成式AI在行业内各领域和场景下的应用。
“该技术已不只停留于概念阶段，如何借力新技术赋能银行转型已成为行业必须深入思考的命题。”波士顿咨询公司（BCG）董事总经理、全球资深合伙人何大勇对《国际金融报》记者表示，未来3-5年银行业在运用AI的成熟度就会使得行业出现分水岭，未来AI将作为基础建设全面在银行铺开。
然而，多重因素作用下，在银行体系内规模化应用生成式AI仍面临巨大挑战。
生成式AI成下一个分水岭？
“新一代人工智能的大幕已经开启，将影响整个社会和未来，金融领域也不例外。”交通银行副行长钱斌表示，目前包括交行在内的部分大型金融机构已在积极布局，推动实现生成式AI商业价值。
据彭博预测，未来十年，生成式AI市场规模将从2022年的400亿美元，增长至2032年的1.3万亿美元，年复合增速有望达到42%。当银行遇上生成式AI，又会创造怎样的场景？
银行业应用生成式AI主要遵循两大类价值创造逻辑：一是替代人，接受大量重复性、简单基础的任务，以释放运营类人力资源；二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。
从前端市场销售再到渠道和运营、产品开发、投顾、客户关系管理、风险合规，银行业应用生成式AI都能实现两大类价值创造逻辑：一是替代人，接受大量重复性、简单基础的任务，以释放运营类人力资源；二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。
根据BCG发布的《银行业生成式AI应用报告（2023）》（下称《报告》） ，以一家2万员工规模的区域银行测算，银行大概薪酬总包是21亿美元，如果能够规模化在前中后台应用生成式AI，那么一年之内很可能提升的降本收益达到7亿美元左右，是非常大的提升。
目前，各家银行已经开始破冰试水。3月17日，中国工商银行发布基于昇腾AI的金融行业通用模型，率先实现了企业级金融通用模型的研制投产，并应用于客服、营销、运营、风控等业务领域。
随后，农行金融AI大模型产品ChatABC发布。据介绍，ChatABC大模型的建设重点着眼于大模型在金融领域的知识理解能力、内容生成能力及安全问答能力，对于大模型精调、提示工程、知识增强、检索增强、人类反馈的强化学习（RLHF）等大模型相关新技术进行了深入探索和综合应用，结合农行研发支持知识库、内部问答数据以及人工标注数据等金融知识进行融合训练调优，实现全方位的金融知识理解和智能问答应用。
“银行AI的分水岭短期来看是行内的创新文化，中期看是私有数据的丰富程度，长期来看就是要靠人才。”何大勇对记者总结说，短期是靠创新，中期靠独有数据，长期靠人才，这就是整个银行在生成式AI上面的三个门槛。
值得注意的是，随着生成式AI的铺开，对于人才的定义将有所变化，由于生成式AI支持自然语言编程，不会写代码的业务人员也可以直接以自然语言编程的方式实现轻度应用直接的开发和上线，因此未来的人才更需要的是问正确的问题、拆解业务的流程等底层逻辑能力。
银行专属AI仍需观望
“当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。”波士顿咨询公司（BCG）董事总经理、全球合伙人谭彦说道。
在谭彦看来，如何让生成式AI模型“说专业的话”“说真话”是银行业规模化应用生成式AI的两个关键挑战。此外，他补充道，银行等金融机构对数据安全的严格要求也意味着模型的精调和应用都很有可能需在本地进行。
因此目前，在银行体系内规模化应用生成式AI仍面临巨大挑战。但专家认为，AI未来会成为银行的基础设施。从海外的例子来看，已有金融机构成为首批吃螃蟹的人，日本第三大金融机构瑞穗金融集团宣布，将让贷款业务部的 45000 名员工使用 Azure OpenAI 服务。
对于我国银行业落地生成式AI应用的三大条件，《报告》认为需要扎实的数字化基础、完备的技术能力和多元丰富的数据。在推进技术落地过程中，有四大举措需予以重点关注：第一，在探索初期，优选生成式AI应用场景，平衡收益和风险，与传统AI充分结合；第二，在具体应用过程中，巧用方法，利用嵌入、提示词设计、微调三大抓手，让AI生成的答案更专业、实事求是；第三，在生成式技术能力体系建设上，夯实技术基础，合理部署、多维选型、全栈升级；第四，在重塑体系规模化应用过程中，遵循10/20/70原则，即10%是模型，20%是整体IT能力升级，70%是业务与组织的转型，而后两个因素更为关键。
在对生成式AI的探索中，银行需具备长线思维，开展体系化的顶层规划，并与相关业务和科技部门协同共进，推动规模化应用的分步落地。概括而言，可分三个阶段由点及面、敏捷推进：第一阶段为少量场景的概念验证和局部落地，即选择重点应用场景，快速完成概念验证、构建MVP最小可行产品；第二阶段为开展全场景盘点和体系规划，即基于局部应用的效果和经验，形成规模化实施的顶层规划；第三阶段则为规模化应用落地和体系能力的固化。
“随着生成式AI技术的逐步成熟完善，其应用可拓展到银行业全价值链，充分发挥其‘对话’和‘创造’能力，替代人、赋能人，降本增效，释放生产力，为银行业带来巨大变革。因此，银行急需提速布局生成式AI的应用落地，争夺变革浪潮下的竞争先机。”何大勇表示。
（文章来源：国际金融报）
“该技术已不只停留于概念阶段，如何借力新技术赋能银行转型已成为行业必须深入思考的命题。”波士顿咨询公司（BCG）董事总经理、全球资深合伙人何大勇对《国际金融报》记者表示，未来3-5年银行业在运用AI的成熟度就会使得行业出现分水岭，未来AI将作为基础建设全面在银行铺开。
然而，多重因素作用下，在银行体系内规模化应用生成式AI仍面临巨大挑战。
生成式AI成下一个分水岭？
“新一代人工智能的大幕已经开启，将影响整个社会和未来，金融领域也不例外。”交通银行副行长钱斌表示，目前包括交行在内的部分大型金融机构已在积极布局，推动实现生成式AI商业价值。
据彭博预测，未来十年，生成式AI市场规模将从2022年的400亿美元，增长至2032年的1.3万亿美元，年复合增速有望达到42%。当银行遇上生成式AI，又会创造怎样的场景？
银行业应用生成式AI主要遵循两大类价值创造逻辑：一是替代人，接受大量重复性、简单基础的任务，以释放运营类人力资源；二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。
从前端市场销售再到渠道和运营、产品开发、投顾、客户关系管理、风险合规，银行业应用生成式AI都能实现两大类价值创造逻辑：一是替代人，接受大量重复性、简单基础的任务，以释放运营类人力资源；二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。
根据BCG发布的《银行业生成式AI应用报告（2023）》（下称《报告》） ，以一家2万员工规模的区域银行测算，银行大概薪酬总包是21亿美元，如果能够规模化在前中后台应用生成式AI，那么一年之内很可能提升的降本收益达到7亿美元左右，是非常大的提升。
目前，各家银行已经开始破冰试水。3月17日，中国工商银行发布基于昇腾AI的金融行业通用模型，率先实现了企业级金融通用模型的研制投产，并应用于客服、营销、运营、风控等业务领域。
随后，农行金融AI大模型产品ChatABC发布。据介绍，ChatABC大模型的建设重点着眼于大模型在金融领域的知识理解能力、内容生成能力及安全问答能力，对于大模型精调、提示工程、知识增强、检索增强、人类反馈的强化学习（RLHF）等大模型相关新技术进行了深入探索和综合应用，结合农行研发支持知识库、内部问答数据以及人工标注数据等金融知识进行融合训练调优，实现全方位的金融知识理解和智能问答应用。
“银行AI的分水岭短期来看是行内的创新文化，中期看是私有数据的丰富程度，长期来看就是要靠人才。”何大勇对记者总结说，短期是靠创新，中期靠独有数据，长期靠人才，这就是整个银行在生成式AI上面的三个门槛。
值得注意的是，随着生成式AI的铺开，对于人才的定义将有所变化，由于生成式AI支持自然语言编程，不会写代码的业务人员也可以直接以自然语言编程的方式实现轻度应用直接的开发和上线，因此未来的人才更需要的是问正确的问题、拆解业务的流程等底层逻辑能力。
银行专属AI仍需观望
“当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。”波士顿咨询公司（BCG）董事总经理、全球合伙人谭彦说道。
在谭彦看来，如何让生成式AI模型“说专业的话”“说真话”是银行业规模化应用生成式AI的两个关键挑战。此外，他补充道，银行等金融机构对数据安全的严格要求也意味着模型的精调和应用都很有可能需在本地进行。
因此目前，在银行体系内规模化应用生成式AI仍面临巨大挑战。但专家认为，AI未来会成为银行的基础设施。从海外的例子来看，已有金融机构成为首批吃螃蟹的人，日本第三大金融机构瑞穗金融集团宣布，将让贷款业务部的 45000 名员工使用 Azure OpenAI 服务。
对于我国银行业落地生成式AI应用的三大条件，《报告》认为需要扎实的数字化基础、完备的技术能力和多元丰富的数据。在推进技术落地过程中，有四大举措需予以重点关注：第一，在探索初期，优选生成式AI应用场景，平衡收益和风险，与传统AI充分结合；第二，在具体应用过程中，巧用方法，利用嵌入、提示词设计、微调三大抓手，让AI生成的答案更专业、实事求是；第三，在生成式技术能力体系建设上，夯实技术基础，合理部署、多维选型、全栈升级；第四，在重塑体系规模化应用过程中，遵循10/20/70原则，即10%是模型，20%是整体IT能力升级，70%是业务与组织的转型，而后两个因素更为关键。
在对生成式AI的探索中，银行需具备长线思维，开展体系化的顶层规划，并与相关业务和科技部门协同共进，推动规模化应用的分步落地。概括而言，可分三个阶段由点及面、敏捷推进：第一阶段为少量场景的概念验证和局部落地，即选择重点应用场景，快速完成概念验证、构建MVP最小可行产品；第二阶段为开展全场景盘点和体系规划，即基于局部应用的效果和经验，形成规模化实施的顶层规划；第三阶段则为规模化应用落地和体系能力的固化。
“随着生成式AI技术的逐步成熟完善，其应用可拓展到银行业全价值链，充分发挥其‘对话’和‘创造’能力，替代人、赋能人，降本增效，释放生产力，为银行业带来巨大变革。因此，银行急需提速布局生成式AI的应用落地，争夺变革浪潮下的竞争先机。”何大勇表示。
（文章来源：国际金融报）
免责申明：
本站部分内容转载自国内知名媒体，如有侵权请联系客服删除。