摘要:“大模型”無疑是2023年最熱的關(guān)鍵詞之一，隨著大模型概念的崛起和廣泛傳播，金融行業(yè)因被視作最優(yōu)落地場景也同步掀起了一輪熱潮。大模型究竟會給金融行業(yè)帶來什么？它會在何種程度上重塑技術(shù)和業(yè)務，會衍生出怎樣的商業(yè)價值？21世紀資管研究院調(diào)研了三十多家金融機構(gòu)和科技公司相關(guān)負責人，形成了這份《大模型重塑金融業(yè)態(tài)報告》，通過梳理機構(gòu)布局情況以及這些領(lǐng)軍者們的觀點，描繪行業(yè)發(fā)展趨勢。

21世紀資管研究院研究員楊夢雪、李覽青

已有多家金融機構(gòu)官宣上線大模型產(chǎn)品。

證券及基金業(yè)機構(gòu)中，國信證券深入研究AI大模型的運用，目前內(nèi)部落地以賦能員工工作效率提升為主；工銀瑞信基金上線的FundGPT在數(shù)字人問答技術(shù)、檢索增強大模型、數(shù)據(jù)分析師伴侶、AI助手等領(lǐng)域都取得了技術(shù)突破。

科技公司及各類非銀機構(gòu)中，馬上消費金融的“天鏡”在應用層面涉及人工智能客服等場景；奇富科技的“奇富GPT”涉及獲客、運營、風控、貸后服務等諸多業(yè)務環(huán)節(jié)；恒生電子的“Light-GPT”包含投顧、投研等核心金融場景；螞蟻集團基于螞蟻自研基礎(chǔ)大模型的兩款應用分別面向理財和保險兩個領(lǐng)域，其中C端智能金融助理“支小寶2.0”可為用戶提供高質(zhì)量的行情分析、持倉診斷、資產(chǎn)配置和投教陪伴等專業(yè)服務，B端智能業(yè)務助手“支小助”可在投研分析、信息提取等環(huán)節(jié)提供智能服務。

大模型將為金融行業(yè)的業(yè)務發(fā)展帶來哪些改變？又將如何重塑業(yè)務流程？我們認為，這個問題的答案需要從當前的應用場景和行業(yè)關(guān)注的風險問題等方面來綜合分析。

大模型提供的N種可能

從目前金融大模型的應用場景來看，智能客服、投研服務、合規(guī)審查等均成為較為主流的應用方向。而大模型在這些領(lǐng)域的應用，也將對業(yè)務模式進行重塑。

• 智能客服如何“更聰明”？

智能客服，即在人工智能、大數(shù)據(jù)、云計算等技術(shù)賦能下，通過客服機器人協(xié)助人工進行會話、質(zhì)檢、業(yè)務處理，從而釋放人力成本、提高響應效率的客戶服務形式。

智能客服一度被認為是大模型在金融行業(yè)當前最有可能落地的場景之一。與此同時，隨著技術(shù)的發(fā)展和深入應用，智能客服的職能邊界也逐漸從提供基礎(chǔ)的人工客服輔助向運營管理、營銷等功能延伸，市場規(guī)模一路走高。

2023年10月，21世紀資管研究院發(fā)起了一輪針對手機銀行APP智能客服的測評。測評結(jié)果顯示，當前智能客服已經(jīng)成為手機銀行的基礎(chǔ)功能設(shè)置，也體現(xiàn)出各家銀行精細化運營的大趨勢和差異化。與此同時，手機銀行智能客服功能的用戶體驗重度依賴于前期大量基礎(chǔ)設(shè)置，入口設(shè)置、圖標設(shè)置、互動流程設(shè)置等，每一項都非常影響體驗。而由于銀行業(yè)的特殊性，需要非常重視安全和隱私，智能客服需在體驗、效率和安全之間尋找最佳平衡點。此外，數(shù)字人尚未進入深度應用階段，目前主要作為視覺形象展示，服務功能上與傳統(tǒng)智能客服尚無差異，使用體驗也有待優(yōu)化。

大模型的落地應用，能否為智能客服裝載一個更智能的“大腦”？從業(yè)務邏輯來看，當前主流的智能客服大多依靠內(nèi)容檢索和預設(shè)，幾乎無法實現(xiàn)語義理解和分析。但如果能夠利用大模型的知識和通用能力，在限定話術(shù)的情況下或能一定程度上完成智能應答及輔助人工座席實時服務等工作，在提高智能客服擬人度的同時也能夠提升人機協(xié)同的效率，同時在對客服務體驗優(yōu)化和員工效率提升兩方面提供助力。

• 投研服務如何“更智能”？

投研服務通常包括投資咨詢和研究服務，通過對投資對象的分析研究預測其未來表現(xiàn)和收益等，在投資領(lǐng)域占據(jù)重要位置。

大模型技術(shù)對于投研服務的重塑更多地體現(xiàn)在“增效”方面，將原本依賴人工花費小時級的資料查詢整理等工作縮減至分鐘級，同時基于市場資訊、研報等專業(yè)材料的預訓練之后，智能投顧理論上也可以實現(xiàn)基于自動化分析，從而實現(xiàn)思考維度更全面、邏輯推理更穩(wěn)定的分析結(jié)果。

• 信貸風控如何“更高效”？

大模型在金融行業(yè)的應用場景還包括為以信貸業(yè)務為代表的一系列風控審查工作提質(zhì)增效。以貸款業(yè)務為例，在傳統(tǒng)的業(yè)務模式下，申請、審批、放款、存續(xù)到收回的全流程均涉及各類盡調(diào)及分析等耗時耗力的工作，同時也具有審批文件量大、審核點數(shù)量多、人工審核費時費力等諸多痛點。而基于衛(wèi)星遙感、NLP等大模型能力，能夠抽取信貸審批書風險審核要素(如金額、期限、利率、業(yè)務品種、擔保方式等審批關(guān)鍵點)，為后續(xù)數(shù)據(jù)查詢和分析挖掘提供支撐，大大降低時間和人力成本，提升審核效率。

信貸業(yè)務對于人工智能技術(shù)的應用已相對成熟，當前有越來越多的機構(gòu)愿意嘗試以大模型技術(shù)提升風控能力。從應用層面來看，大模型技術(shù)能夠應用于信貸審批的場景涉及貸前風險評估、智能盡調(diào)報告、輔助審批、合規(guī)審查、貸后催收服務等幾乎全流程的業(yè)務。

合規(guī)風險等難題待解

大模型技術(shù)的應用就像硬幣的正反兩面，正面是技術(shù)應用將信息處理和智能決策帶入新紀元，反面則是大模型訓練和微調(diào)面臨的數(shù)據(jù)問題、合規(guī)及法律法規(guī)等方面的問題、大模型固有的“幻覺”問題等一系列可能存在的問題。

作為一個對安全性、合規(guī)性、準確性、可控性要求都較高的行業(yè)，盡管當前的主流觀點傾向于認為以大模型為代表的人工智能技術(shù)將對金融行業(yè)現(xiàn)有的業(yè)務流程帶來重塑，但大模型的應用仍然面臨合規(guī)風險、數(shù)據(jù)安全、隱私安全、可信可解釋等諸多方面帶來的風險。

從我們多方調(diào)研的情況來看，盡管當前在金融不同業(yè)務場景中已有諸多應用和探索，但對于金融機構(gòu)而言，目前大模型考慮或已落地應用最多的方向仍然是為內(nèi)部員工“增效”。如為客服人員提供AI客服助手，以基于大模型的人工智能工具協(xié)助工作人員提取部分信息、提升服務效率，為投研人員提供研報摘要、輔助生成報告，為審計業(yè)務人員提供數(shù)字勞動力，以基于大模型的語言指令調(diào)取API等，此外還包括代碼生成、代碼輔助等。

不同于其他行業(yè)，金融行業(yè)對于機構(gòu)的合規(guī)性考察更為嚴格，且已有一套針對業(yè)務相對完善的監(jiān)管標準。具體到應用層面，多家金融機構(gòu)都表達了對于合規(guī)性的擔憂。

以上述智能客服這一場景為例，金融行業(yè)對于直接的對客服務有較其他行業(yè)更為嚴格和準確的要求，如以基于大模型的智能客服直接對客，其輸出的內(nèi)容并未經(jīng)過內(nèi)部的合規(guī)審查，對銀行等機構(gòu)而言即存在不可控的風險，相關(guān)內(nèi)容按現(xiàn)行規(guī)定也無法直接對客輸出，實際或難以落地應用。再如大模型的訓練，目前一個比較可行的方法是基于境外開源模型進行二次訓練或微調(diào)，但這仍然涉及基礎(chǔ)模型的合規(guī)性和其中數(shù)據(jù)的合法性，在二次訓練和微調(diào)階段還涉及數(shù)據(jù)隱私、數(shù)據(jù)傳輸及數(shù)據(jù)保護等方面的問題。

同時，除數(shù)據(jù)安全性與合規(guī)性問題之外，高質(zhì)量數(shù)據(jù)缺乏、數(shù)據(jù)樣本不足、迭代較慢等數(shù)據(jù)質(zhì)量問題也被頻繁提及。以高質(zhì)量數(shù)據(jù)問題為例，由于金融行業(yè)非結(jié)構(gòu)化數(shù)據(jù)較多，高質(zhì)量數(shù)據(jù)的缺乏為金融行業(yè)訓練或微調(diào)模型帶來直接的挑戰(zhàn)。

以數(shù)據(jù)迭代問題為例，由于金融行業(yè)對于信息和數(shù)據(jù)的變化更加敏感，大模型的微調(diào)和訓練均需要基于海量歷史數(shù)據(jù)，而數(shù)據(jù)無法實時更新，也使得其產(chǎn)出的內(nèi)容在實際使用中效用有所折扣。如在信貸審批及風控等應用場景中，可能面臨基于大模型的信貸風控體系無法實時匹配新客群信用風險、軟硬件基礎(chǔ)建設(shè)無法完全支持等諸多問題。

盡管大模型當前熱度空前，各金融機構(gòu)尤其是頭部機構(gòu)都基于自身需求和行業(yè)特性作出了一些探索，但大模型技術(shù)在金融領(lǐng)域的大規(guī)模落地當前仍然處于“前景不明”的階段。在調(diào)研中我們了解到，金融機構(gòu)目前首要關(guān)注的是合規(guī)性、應用方向等問題，與此同時算力和基礎(chǔ)設(shè)施等一系列改造也涉及一筆不小的投入，在尚未達到成本和效益的平衡點的情況下也或難以進行大規(guī)模投入。從目前作出的嘗試來看，金融機構(gòu)在大模型布局上也更傾向于相對謹慎的打法，先在某個領(lǐng)域或業(yè)務場景中進行小規(guī)模試水，判斷成效后再逐步應用至更核心的業(yè)務場景。

尾聲

每當一場新的技術(shù)浪潮來襲，金融行業(yè)始終站在應用的最前端。對于金融行業(yè)而言，大模型對金融機構(gòu)的影響不僅是在技術(shù)、應用層面，而是對金融業(yè)數(shù)智化轉(zhuǎn)型與金融服務的智能化發(fā)展產(chǎn)生深遠影響。

基于前期調(diào)研訪談，21世紀資管研究院認為金融行業(yè)在大模型浪潮影響下，將呈現(xiàn)四個未來發(fā)展趨勢。

第一，金融行業(yè)有望步入AI驅(qū)動的新階段。回顧過去金融機構(gòu)的數(shù)字化轉(zhuǎn)型，是基于監(jiān)管要求自上而下推進的技術(shù)架構(gòu)重塑，而大模型“iPhone時刻”的到來，對金融機構(gòu)數(shù)智化轉(zhuǎn)型的發(fā)展范式產(chǎn)生深遠影響。

從驅(qū)動大模型的“三駕馬車”來看，大模型需要大參數(shù)規(guī)模的訓練語料庫，高質(zhì)量數(shù)據(jù)集促使金融機構(gòu)重新審視數(shù)據(jù)管理流程，盤點數(shù)據(jù)資產(chǎn)，提高數(shù)據(jù)資源利用效率，加強機構(gòu)間的數(shù)據(jù)流動。同時，有限的算力資源與高昂的訓練成本，驅(qū)動金融機構(gòu)基礎(chǔ)設(shè)施架構(gòu)的平臺化轉(zhuǎn)型，通過多種技術(shù)優(yōu)化算法，以提高資源使用效率，降低大模型使用成本。

從數(shù)字化到智能化，可以預見的是，AIGC將推動金融機構(gòu)從被動轉(zhuǎn)型步入主動轉(zhuǎn)型。

第二，金融機構(gòu)有望通過“AI Agent+”實現(xiàn)技術(shù)普惠。基于大模型驅(qū)動的AI Agent，被普遍認為是未來人工智能應用的新形態(tài)，相比于過去人工智能技術(shù)的相關(guān)應用，AI Agent表現(xiàn)出驚人的自主性與智能性，數(shù)據(jù)顯示過去兩年間針對AI Agent的研究投入增幅達到300%。

21世紀資管研究院梳理各大銀行科技投入與科技人員數(shù)量發(fā)現(xiàn)，近兩年來銀行科技投入已開始出現(xiàn)下滑態(tài)勢，科技人員新增數(shù)量也逐步減少。在云平臺等基礎(chǔ)設(shè)施建設(shè)已初步完成后，下一步是釋放科技人員生產(chǎn)力。AI Agent與RPA等傳統(tǒng)技術(shù)結(jié)合，應用于金融服務的各類場景，以自主學習的能力可以及時解決非給定流程中的其他問題，在金融數(shù)據(jù)合規(guī)與隱私安全保護合規(guī)的情況下，有望成為金融從業(yè)人員與客戶未來的AI助手。

第三，金融領(lǐng)域的AI倫理建設(shè)將持續(xù)加強。成式AI重塑了金融領(lǐng)域科技的應用，但也帶來了一定的風險，關(guān)乎金融行業(yè)的數(shù)據(jù)安全、個人信息保護、知識產(chǎn)權(quán)保護、倫理道德、算法歧視等等多方面問題。

2022年《金融領(lǐng)域科技倫理指引》的發(fā)布，為金融機構(gòu)在一定程度上明確了倫理底線，但涉及到金融行業(yè)的生成式AI應用風險治理，還有待進一步政策出臺。目前多家金融機構(gòu)均已成立金融科技委員會等組織架構(gòu)，把握創(chuàng)新與安全的平衡，在未來隨著金融大模型的發(fā)展，這一趨勢將更為明顯。

第四，金融領(lǐng)域的開放生態(tài)將加速形成。大模型訓練對數(shù)據(jù)、算力等資源規(guī)模提出更高需求，可能導致金融行業(yè)數(shù)智化水平的進一步分化，一方面可能對中小金融機構(gòu)的數(shù)字化轉(zhuǎn)型形成壓力，另一方面需要高質(zhì)量數(shù)據(jù)集作為訓練語料。

這些都呼喚行業(yè)生態(tài)的進一步開放，以及在合規(guī)前提下數(shù)據(jù)資源的流動。這里的開放，是算法、數(shù)據(jù)、技術(shù)能力的全面開放。算法開放層面，開源模型可以與閉源模型形成互補，降低中小機構(gòu)的研發(fā)投入，幫助加快模型優(yōu)化迭代，提升開源模型性能，共同突破技術(shù)難題。數(shù)據(jù)開放層面，“越用越聰明”的大模型產(chǎn)品更需要金融領(lǐng)域高質(zhì)量數(shù)據(jù)集，特別是在數(shù)據(jù)成為第五大生產(chǎn)要素、數(shù)據(jù)資產(chǎn)入表的背景下，金融語料庫的共享將賦能金融行業(yè)整體智能化水平躍升。

在調(diào)研中我們獲悉，金融大模型落地的問題往往是工程化問題，因此，相關(guān)技術(shù)廠商的生態(tài)能力也至關(guān)重要，只有更為開放互通的行業(yè)生態(tài)，各方才能共同實現(xiàn)社會的智能化水平提升。