近期，生成式AI在全球迅猛發(fā)展，金融機(jī)構(gòu)期望通過(guò)大模型推動(dòng)業(yè)務(wù)創(chuàng)新和智能化轉(zhuǎn)型，但在實(shí)際應(yīng)用中面臨專(zhuān)業(yè)性不足、成本高昂、適配難度大等挑戰(zhàn)，效果未達(dá)預(yù)期。業(yè)內(nèi)人士建議，金融機(jī)構(gòu)需重新審視需求，探索小模型及應(yīng)用層面的深耕細(xì)作。同時(shí)，全球金融科技市場(chǎng)競(jìng)爭(zhēng)激烈，金融機(jī)構(gòu)在數(shù)字化轉(zhuǎn)型中面臨技術(shù)、人才、成本等壓力，亟需找到適合自身的發(fā)展路徑，實(shí)現(xiàn)技術(shù)與業(yè)務(wù)的深度融合。

大模型熱潮下金融機(jī)構(gòu)的現(xiàn)實(shí)困境

近年來(lái)，生成式AI的出現(xiàn)讓銀行等金融機(jī)構(gòu)積極接入大模型，期望借助其算力和數(shù)據(jù)處理能力重塑業(yè)務(wù)流程，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)、風(fēng)險(xiǎn)防控、管理優(yōu)化和產(chǎn)品創(chuàng)新。然而，盡管投入巨大，大模型的實(shí)際落地效果卻不盡如人意。

比如，在智能投研領(lǐng)域，大模型雖能快速處理數(shù)據(jù)，但分析報(bào)告缺乏深度和針對(duì)性，難以滿(mǎn)足專(zhuān)業(yè)投資決策需求。在風(fēng)險(xiǎn)控制方面，大模型對(duì)傳統(tǒng)風(fēng)險(xiǎn)識(shí)別尚可，但應(yīng)對(duì)新型金融風(fēng)險(xiǎn)時(shí)易誤判或漏判。在理賠環(huán)節(jié)，大模型雖提高了效率，但在處理復(fù)雜理賠案件時(shí)，因?qū)鹑诜ㄒ?guī)和條款理解不精準(zhǔn)，易引發(fā)客戶(hù)投訴。

第一財(cái)經(jīng)記者從業(yè)內(nèi)了解到，部分大中型銀行引入大模型并投入大量人力適配和對(duì)接，試運(yùn)行后，僅在基礎(chǔ)業(yè)務(wù)場(chǎng)景有微小效率提升，關(guān)鍵領(lǐng)域突破少。某股份行金融科技部門(mén)人士稱(chēng)，大模型在智能投研方面的建議與市場(chǎng)表現(xiàn)偏差大，投資收益未達(dá)預(yù)期；在風(fēng)險(xiǎn)控制方面，對(duì)新型金融詐騙識(shí)別不足，還會(huì)誤判正常業(yè)務(wù)為風(fēng)險(xiǎn)事件。

“雖然金融機(jī)構(gòu)在金融科技領(lǐng)域投入了大量資源，但目前AI技術(shù)對(duì)金融機(jī)構(gòu)業(yè)務(wù)模式的改變尚未實(shí)現(xiàn)實(shí)質(zhì)性的突破，主要集中在提升效率和降低成本方面。”中歐國(guó)際工商學(xué)院經(jīng)濟(jì)學(xué)與決策科學(xué)教授、中歐AI與管理創(chuàng)新研究中心主任方躍對(duì)記者表示，生成式AI雖具潛力，但其在企業(yè)級(jí)應(yīng)用層面仍處于早期階段。目前，該技術(shù)在金融領(lǐng)域的應(yīng)用，如智能投研、風(fēng)險(xiǎn)控制、理賠等場(chǎng)景的實(shí)際進(jìn)展較為有限。

究其原因，大模型的通用性與金融機(jī)構(gòu)業(yè)務(wù)的專(zhuān)業(yè)性存在矛盾。大模型基于通用文本數(shù)據(jù)訓(xùn)練，缺乏對(duì)金融場(chǎng)景的深度學(xué)習(xí)，難以適配金融機(jī)構(gòu)復(fù)雜多樣的業(yè)務(wù)流程、專(zhuān)業(yè)術(shù)語(yǔ)和法規(guī)政策。中國(guó)銀行首席信息官孟茜指出，基礎(chǔ)大模型預(yù)訓(xùn)練中金融知識(shí)占比僅約5%，限制了其在金融領(lǐng)域的深度應(yīng)用。

此外，大模型的高昂成本也成為金融機(jī)構(gòu)的一大挑戰(zhàn)。上海銀行副行長(zhǎng)胡德斌指出，從購(gòu)買(mǎi)、部署到維護(hù)、優(yōu)化，大模型需要耗費(fèi)大量資金和人力，中小金融機(jī)構(gòu)難以承受，即使接入也難以充分發(fā)揮價(jià)值。

轉(zhuǎn)向小模型及應(yīng)用層面深耕

面對(duì)大模型在金融機(jī)構(gòu)應(yīng)用中的困境，業(yè)內(nèi)人士在接受采訪(fǎng)時(shí)表示，金融機(jī)構(gòu)在金融科技領(lǐng)域的探索不應(yīng)局限于大模型的盲目跟風(fēng)，而應(yīng)根據(jù)自身實(shí)際情況，轉(zhuǎn)向小模型及應(yīng)用層面的深耕細(xì)作。

方躍指出，金融機(jī)構(gòu)在接入大模型時(shí)，往往忽視了自身業(yè)務(wù)的特殊性和復(fù)雜性，期望通過(guò)一個(gè)通用的大模型解決所有問(wèn)題，這種“一刀切”的思路顯然是行不通的。相比之下，小模型具有更強(qiáng)的針對(duì)性和靈活性，能夠更好地適配金融機(jī)構(gòu)的具體業(yè)務(wù)場(chǎng)景。

對(duì)于不同規(guī)模的金融機(jī)構(gòu)，策略的選擇也應(yīng)有所差異。對(duì)于大型金融機(jī)構(gòu)，方躍認(rèn)為，應(yīng)避免盲目追求大而全的模型，根據(jù)自身的業(yè)務(wù)重點(diǎn)和優(yōu)勢(shì)領(lǐng)域，開(kāi)發(fā)具有針對(duì)性的小模型，同時(shí)加強(qiáng)與外部科技企業(yè)的合作，共同探索小模型在金融領(lǐng)域的創(chuàng)新應(yīng)用。

中小型金融機(jī)構(gòu)則更需要找到適合自身的差異化發(fā)展路徑。富滇銀行數(shù)字金融中心主任趙理明認(rèn)為，中小銀行無(wú)需盲目追隨大型銀行“重模型、全場(chǎng)景”的發(fā)展模式。相反，它們應(yīng)聚焦于“小場(chǎng)景、深融合、快迭代”的策略，從而在競(jìng)爭(zhēng)中形成非對(duì)稱(chēng)優(yōu)勢(shì)。他還強(qiáng)調(diào)，中小銀行應(yīng)集中資源投入金融專(zhuān)屬模型的微調(diào)與優(yōu)化，利用本地?cái)?shù)據(jù)進(jìn)行輕量化垂直調(diào)優(yōu)，致力于打造“小而專(zhuān)”的領(lǐng)域模型。

人才是實(shí)現(xiàn)技術(shù)與業(yè)務(wù)深度融合的關(guān)鍵。方躍建議，金融機(jī)構(gòu)在招聘人工智能相關(guān)人才時(shí)，應(yīng)更注重業(yè)務(wù)理解和應(yīng)用能力，而不僅僅是技術(shù)背景。西南財(cái)經(jīng)大學(xué)教授張曉玫也指出，“人工智能 ”銀行需考慮技術(shù)特性與現(xiàn)有業(yè)務(wù)融合的可行度，這需要大量?jī)?yōu)質(zhì)人才進(jìn)行研判。

除了技術(shù)與人才，金融機(jī)構(gòu)還需要關(guān)注未來(lái)發(fā)展的新機(jī)遇。方躍還指出，未來(lái)可能會(huì)涌現(xiàn)出一些全新的應(yīng)用場(chǎng)景，這些場(chǎng)景在當(dāng)下還難以描繪出具體形態(tài)，但它們極有可能成為金融行業(yè)賦能的新方向。金融機(jī)構(gòu)應(yīng)密切關(guān)注市場(chǎng)動(dòng)態(tài)和技術(shù)發(fā)展趨勢(shì)，提前布局，積極探索新的應(yīng)用場(chǎng)景和業(yè)務(wù)模式。

AD：

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。