“从数字化到数智化，一字之差展现出人工智能在金融业的渗透深度。”“大模型有望提升金融机构客户营销、贷前风控、贷后管理的效率。”在近日举办的2023年北京金融论坛上，参会嘉宾表示，当前各类金融机构均在加速融入大模型的浪潮，以提升客户营销、贷前风控、贷后管理的效率。大模型高度依赖数据、算力和人才，只有极少的企业能够从头到尾地完成产业级研发，在金融领域更需要多方共建生态。
金融行业是数字化转型的“先行军”，清华大学金融科技研究院副院长魏晨阳表示，金融行业对于数字化接受程度高，较早通过了科技赋能来提升产品和服务质量。以用保险行业为例，每一类保险都要经过产品设计、销售、定价承保、保单管理、理赔等流程，每个环节都是一个场景，如果把人工智能赋能到这些场景，会看到保险业态里会有很多人工智能的应用场景落地。
上海金融与发展实验室主任曾刚认为，在过去10年，我国银行业息差明显收窄。从长期看息差还有下降的可能性，这也意味着金融行业赚钱越来越难。同时，银行业客户竞争越来越激烈，新增获客、风险识别、产品定价等均要依赖数字化能力，需要从金融科技、大模型等方面发力。
“相较传统模型，金融大模型与人的交互能力更强。”马上消费人工智能研究院院长陆全表示，一个通用大模型不能代表所有，金融企业需要的大模型包括通用大模型、知识处理大模型、工具大模型、决策大模型等类型。随着大模型技术快速发展，在金融场景会带来人机交互、风控管理、合规管理方面的根本性、深层次革新。
值得关注的是，强监管的金融行业为大模型应用画上了“红线”。综合考虑大模型本身的可靠性、隐私性以及可解释性等情况，金融大模型还面临着准确性、严肃性考验。
中国互联网金融协会法规咨询部主任肖翔建议，应结合大模型技术特点和金融业务领域相关监管要求，本着“由内而外，先易后难”的原则，现阶段可先行探索将大模型作为智能助手应用在运营管理类场景，助力实现降本增效，围绕算法合规、数据合规、业务合规、内容合规、外包合规、伦理合规等方面，建立健全多维度、全方位的大模型应用合规管理体系。
投资回报率是金融业关注的话题，多位参会的金融从业人士表示，由于大模型发展快、人才较为缺乏，在大模型应用上，金融机构要考虑整个投入产出比，思考要怎样的场景、技术方式和策略方法，才能获得最好的投资回报率。当前，出于合规性等因素考虑，大模型应优先服务金融机构内部，让机器初步生成内容，再由人来评判。这在银行对话系统已经广泛运用，大模型能够辅助银行对话系统做得更好。
谈及大模型落地的挑战及应对举措，魏晨阳表示，数据质量、规模和多样性会影响大模型的效果和性能；数据获取、处理、清洗和标注等需大量资源；数据资源和数据处理能力不足，会限制大模型的应用效果和准确性；大模型的训练和应用过程中可能涉及用户的隐私信息及企业的敏感数据；算力是大模型训练的另一个刚需。他建议，未来要用数据质量保证大模型训练效果，对于隐私要有明确的界定，要尊重知识产权加强版权保护。
微信扫一扫 
支付宝扫一扫 
