券商中國
2025-07-12 09:08
隨著（AI）人工智能大模型應用的逐步落地，銀行業(yè)正在經(jīng)歷一場前所未有的變革。ChatGPT和DeepSeek的爆紅讓大模型走入尋常百姓家，也讓銀行管理者更加重視AI應用場景落地。
界面新聞記者從業(yè)內(nèi)了解到，目前AI大模型已經(jīng)運用到銀行業(yè)務的前中后臺，從服務、營銷到產(chǎn)品等多個業(yè)務流程。不過，業(yè)內(nèi)人士普遍認為，數(shù)據(jù)安全、合規(guī)，傳統(tǒng)流程和組織架構乃至政策法規(guī)的適配，仍然是大模型在銀行業(yè)更廣泛應用需要面臨的挑戰(zhàn)。
應用多點開花
“您好，這里是銀行智能客服，向您推薦一款理財產(chǎn)品，風險等級R2，最短持有期3個月，最近三個月年化3.05%，是否需要我將詳細信息發(fā)送至您手機或為您轉(zhuǎn)接專屬客戶經(jīng)理?！苯缑嫘侣動浾咦⒁獾?，越來越多的銀行外呼營銷開始采用AI。
宇信科技CTO張寧在接受界面新聞記者專訪時表示：“線索收集是銀行營銷最常見的場景之一，這并不是一個新技術或新場景，但大模型的出現(xiàn)讓對話更自然，客戶會覺得更像在和真人對話。”
一位上市城商行人士對界面新聞表示，類似外呼或智能客服這樣的場景，是目前各家銀行應用最為廣泛，客戶最容易接觸到的場景。
中信銀行副行長谷凌云在2024年業(yè)績發(fā)布會上提到大模型落地場景時表示，目前處于探索研發(fā)期的應用場景有80多個，已落地的40多個，已應用的有16個。比如，中信銀行基于大模型知識檢索能力構建的智能體，已經(jīng)在輔助650多名坐席人員與客戶的對話，部分場景的內(nèi)容檢索效率提升了50%以上。
張寧向界面新聞解釋說，銀行營銷的場景，80%以上都是標準化的問題，在大模型的支持下，又可以細分為兩個響應模式：一種是全自動應答模式。這類問答相對簡單，比如回答客戶“最近的銀行網(wǎng)點在哪兒”，適用于標準問題；另一種是人工輔助模式，系統(tǒng)生成建議后由客服人員決定是否采用，可以提高人工客服的效率，更多用于比較開放的問題。
前述城商行人士對界面新聞表示，就其個人觀察，除了常見的已經(jīng)廣泛應用的場景，目前銀行布局AI大模型主要的應用落地場景有兩類。一類是對內(nèi)部員工，完成財務報表、授信報告關鍵信息提取，生成會議通知或會議紀要，或基于內(nèi)部文件、規(guī)章制度的知識庫?！爸饕翘岣呷粘＝?jīng)營管理工作效率，運行基于銀行內(nèi)網(wǎng)，合規(guī)風險也很可控?！?/p>
以民生銀行為例，在2024年業(yè)績發(fā)布會上，民生銀行首席信息官張斌表示，2024年推出了15個面向員工各類工作場景的助手和工具類的應用，包括文案編寫、公文校對，以會議通知這樣的場景為例，全行日均使用超過萬次。
一位銀行軟件開發(fā)部門人士對界面新聞表示，在軟件開發(fā)過程中，AI大模型輔助代碼生成也已經(jīng)得到了廣泛應用，這可以顯著提升項目開發(fā)的效率。
張斌透露，民生銀行在代碼輔助方面，尤其是代碼續(xù)寫、遷移、單元測試的生成和接口文檔的轉(zhuǎn)化等場景，AI代碼生成采用率超過了34%。
前述城商行人士對界面新聞表示，另一類AI大模型應用目前還沒有完全落地，因為涉及銀行更加核心的信貸或財富管理業(yè)務。
張寧也認為，在AI大模型的應用上，銀行信貸業(yè)務前景非常廣闊，但零售業(yè)務和對公業(yè)務面臨的情況又有所不同。
“實際上，零售貸款審批速度大大提高，是基于已有的大量數(shù)據(jù)和風控模型支持，這其中大模型的作用并不突出，對公信貸中，大模型能發(fā)揮的作用比較大，比如授信報告的撰寫。大模型可以結合信貸審核的規(guī)則，對客戶經(jīng)營情況進行初步判斷，比如自動識別營業(yè)執(zhí)照信息，或發(fā)現(xiàn)財報中不合理之處?！睆垖帉缑嫘侣動浾弑硎尽?/p>
“我被大模型騙了”
“有一次寫報告需要查詢相關政策法規(guī)，我問了大模型后，大模型告訴我是在第幾章第幾條，但我查詢后發(fā)現(xiàn)根本沒有這個內(nèi)容?！?/p>
“我有一次想讓大模型把答案整理成一個表格，它很爽快地答應了，并說要發(fā)我郵箱，五分鐘后我才反應過來被騙了?！?/p>
在界面新聞記者采訪中，有不少銀行人士分享了日常使用大模型的體驗。大模型在開放性話題中存在“一本正經(jīng)地胡說八道”的“幻覺”問題。
張寧對界面新聞解釋說，在銀行的強約束、封閉式場景中，由于任務目標明確，模型產(chǎn)生幻覺的風險相對較低；但對于一些需要模型進行判斷和推理的場景，例如評估公司經(jīng)營狀況是否健康，模型仍需結合業(yè)務思維鏈進行分解，可能出現(xiàn)偏差。如何確保模型輸出的準確性和可靠性，是銀行在應用大模型時必須解決的核心問題之一。
事實上，界面新聞記者了解到，目前AI大模型應用正在從效率提升逐步過渡到信貸、財富管理、金融市場交易等創(chuàng)造價值的核心業(yè)務中，但這類應用能否落地的關鍵之一是權責劃分。
一位國有行信貸條線人士對界面新聞表示，基于大模型或數(shù)據(jù)風控模型生成的授信結果，還需要人工審核。在整個業(yè)務流程中，當AI在決策鏈條中發(fā)揮了主要作用，但最終仍需人工“拍板”時，AI權責與人的權責不對等，使得銀行難以完全放心地將核心業(yè)務決策交給AI?！耙虼宋覀儸F(xiàn)在看到在零售場景中，前面的工作基本都由大數(shù)據(jù)和風控模型完成，最后一步是人工審核?！?/p>
一位股份行自營交易部門人士也對界面新聞表達了類似看法，基于行內(nèi)私有云數(shù)據(jù)，有嘗試利用AI進行模擬交易，包括自主定價和風險管理。預計AI agent未來可以快速準確分析市場信息。但數(shù)據(jù)隱私和合規(guī)邊界是目前還沒有解決的問題，“因為它不是人，我們需要給它建立一個框架。我們覺得未來可能的方向是，建立跨機構數(shù)據(jù)共享協(xié)議，確保數(shù)據(jù)安全，同時通過監(jiān)管微調(diào)，確保agent訓練確保隱私合規(guī)?！?/p>
前述交易部門人士對界面新聞補充說，上述問題還只是銀行內(nèi)部的問題，即便是理清了數(shù)據(jù)安全問題，AI做出的決策如何做到能讓客戶信任？整個決策路徑透明化是技術層面的，在觀念層面，客戶短時間內(nèi)可能難以接受，這可能是AI時代另一種投資者教育。
“另外，在人機訓練過程中，端場景下存在大模型共振風險，AI agent判斷會趨同，金融市場業(yè)務是對風險要求極高的場景，這可能需要在大模型精調(diào)訓練是充分驗證模型絕對對‘黑天鵝’事件的表現(xiàn)，采取多元化的措施避免大模型共振問題。”該交易部門人士對界面新聞記者表示。
中國銀行原行長李禮輝在總結AI大模型應用面臨的問題時對界面新聞表示，金融業(yè)是對安全和可信度要求近乎苛刻的行業(yè)。金融機構部署AI模型必須配置先進的安全技術工具，特別要注意這幾點——用于市場分析和預測，特別注意克制模型幻覺；用于客戶篩選和分層，特別注意避免模型歧視；用于量化交易和投資顧問，注意防止算法共振；用于身份識別和驗證，要特別注意抵抗AI虛假；用于線上線下客戶服務，要特別注意消解機器冰冷等。
路線與競爭
界面新聞從業(yè)內(nèi)了解到，目前，國有大行和股份制銀行已全面啟動大模型應用建設，并在前、中、后臺均有正式投產(chǎn)的應用案例。
其中，國有大行憑借雄厚的資金與技術積累，更注重技術的全棧掌控，旨在通過構建自主可控的技術體系，滿足自身多樣化的業(yè)務需求，進而提升核心競爭力。
一位股份制銀行人士在談到大模型應用落地投入時坦言，銀行還是以信貸業(yè)務作為根基，大模型應用比較容易看到效果的金融市場業(yè)務，最近幾年利潤、營收貢獻上以及經(jīng)營管理重要性不斷提高，但行內(nèi)在智能體研發(fā)資源投入并沒有跟上。
一位政策性銀行軟件開發(fā)部門人士對界面新聞表示，目前同時接洽了幾家大模型廠商，出于數(shù)據(jù)安全和合規(guī)考量，未來肯定是做本地化部署。目前從各個業(yè)務部門抽調(diào)人手，成立了專門的項目組負責測試不同廠家的大模型。列出了一些“白名單”業(yè)務分類場景進行智能體搭建和技術驗證?！皼Q策的過程可能會比較長，所以需要多測試、磨合?！?/p>
在大模型的競賽中，中小銀行雖然不想掉隊，但受限于資金和技術實力，難以像大行那樣進行大規(guī)模的基礎模型訓練。對于他們而言，進行模型的微調(diào)訓練已是足夠的挑戰(zhàn)。
一位國有大行人士對界面新聞表示：“此前，大型銀行試圖走向中小銀行輸出技術方案的路徑，在實際操作中面臨諸多阻礙。給自己使用和為外部輸出的技術方案，其建設思路和標準存在巨大差異?！贝送?，在回歸主責主業(yè)的背景下，大銀行在技術輸出上投入縮減，使得這一路線面臨不確定性。
多位業(yè)內(nèi)人士認為，AI大模型進一步落地有賴于銀行體制機制變革。
中國銀行副行長蔡釗在今年年初的業(yè)績發(fā)布會上表示，圍繞智能化建設發(fā)展，該行將“建機制，搭平臺、匯數(shù)據(jù)、調(diào)模型、落場景、練隊伍”，一方面，強化配套機制建設，推動建立人工智能應用治理架構，推進AI平臺完善和模型調(diào)優(yōu)，暢通大模型數(shù)據(jù)使用流程；另一方面，推進應用落地見效，按照“先內(nèi)后外”的策略，以需求為牽引，以成效為驅(qū)動，優(yōu)先聚焦知識輔助、內(nèi)容生成等高價值場景，實現(xiàn)提質(zhì)增效降本。
李禮輝向界面新聞記者強調(diào)，應該避免小型金融機構金融創(chuàng)新的邊緣化。一方面，小型金融機構還有必要進一步進行兼并整合。另一方面，從金融科技技術發(fā)展上，應該考慮生態(tài)共建、技術共享、鼓勵有實力金融機構和科技企業(yè)發(fā)揮龍頭作用，選擇適當商業(yè)模式建立1+N技術合作架構，為小型金融機構提供低投入、高品質(zhì)金融科技服務。
李禮輝向界面新聞分析，從政策法規(guī)的角度來看，應該明確金融智能體法律地位，比如金融智能體行為邊界在哪里，明確金融機構管理者的決策責任在哪里，如果智能體的決策發(fā)生了偏差，出了一些問題，產(chǎn)生了損失，到底這個決策責任是誰來擔當？明確金融智能體與金融客戶法理關系。
“所以一定要加快數(shù)字金融監(jiān)管創(chuàng)新，一是完善法律法規(guī)，明確數(shù)字金融業(yè)務規(guī)范。二是完善一體化穿透式的金融監(jiān)管系統(tǒng)，降低監(jiān)管成本也降低被監(jiān)管成本。三是完善數(shù)字金融審核制度，完善AI平臺的測試標準和方法。四是完善數(shù)字金融市場風險分析和監(jiān)測系統(tǒng)。”李禮輝總結說。
