中国农业银行信用卡中心副总裁 黄金强

  信用卡业务一直是商业银行探索人工智能应用的重要阵地，面对大模型引领的新一波人工智能应用浪潮，信用卡行业应秉持主动拥抱的态度，实施融合融入的策略，积极应对大模型带来的变化与挑战，务实解决如何想用敢用、好用实用的问题，让大模型成为信用卡业务新的“增长引擎”，实现人工智能对信用卡业务的深度赋能。

  一、信用卡大模型应用的三大契机

  在信用卡业务高质量发展新时期，中国农业银行信用卡中心(以下简称“农行信用卡”)主动拥抱、积极应用人工智能技术，以“省时、省人、省力”为目标，持续建设“系统、数据、模型、策略、渠道”五位一体的信用卡智能主干道，系统性解决了想用敢用、好用实用两大问题。通过在信用卡细分领域推进场景化、数字化、集约化转型，农行信用卡致力于打造以客户与员工为本的“双客”营销与服务智能助手，建设“千人千面”的风险画像与模型策略体系，构造自动化作业能力和运营体系。人工智能的广泛应用帮助农行信用卡实现了经营质效的跨越式提升。大模型作为当下最为前沿和关键的人工智能应用技术，商业银行应主动融合融入，积极把握信用卡领域大模型应用的三大契机。

  一是先发优势契机。大模型应用在信用卡面客服务、客群经营、内部管理方面具有显著的先发优势，应用者可通过数据积累、模型优化和客户习惯培养形成服务依赖。信用卡客群结构丰富，应用者需结合客户年龄、职业、行为、地域、风险意识等特征进行多维差异化运营;产品生命周期经营流程复杂，例如，农行信用卡经营细分为八大旅程、108项流程，应用者需要对流程进行解构、优化再重构以实现效率提升;业务高耗能点多，例如审批环节中，在实现标准影像件机器识别基础上，非标复杂场景仍需人工干预。当持卡人需求从标准化转向个性化、信用卡经营环节从批量化转向差异化、高耗能业务从劳动集约化转向智能集约化，通过积极拥抱大模型应用，信用卡业务将迎来进一步助力提振消费、提升服务能力、降低经营成本的重要契机。

  二是“业模融合”契机。大模型的价值实现需与信用卡业务场景和流程深度耦合，通过明确业务逻辑限定模型边界，建立“需求—数据—模型—应用”的价值传导机制。现有预训练大模型中，金融知识的配比普遍不到10%，信用卡细分领域的专业知识占比更低，这在一定程度上影响了其在信用卡场景的深度应用。因此，只有让大模型充分理解信用卡领域的规则、流程和场景特征等智慧型知识，才能实现知识推理与业务规则的动态适配，避免“通用能力泛化、专业价值弱化”的技术缺点，从而达到对高耗能点治理雪中送炭、对客户精细化经营锦上添花的效果，最终形成模型迭代与业务进化的正向循环。

  三是智能化水平跃升契机。农行信用卡按照先易后难、由浅入深、连点成片的建设思路，自研精准营销类、智慧风控类数据模型百余个，开发部署自动化营销与风控经营策略千余条，通过系统规则与模型的迭代应用，充分应用自然语言处理、标准化图像/语音特征识别、规则化交互的人工智能能力，使业务智能化水平大幅提升。随着以大模型为代表的生成式人工智能快速发展，在信用卡领域完全有机会实现逻辑深度思考与推理、多模态特征处理及动态交互能力跃升后的高阶智能，驱使信用卡服务从标准化向个性化演进，最终实现技术驱动下的客户体验、经营体验、管理体验的全面升级。

  二、信用卡大模型应用的三大挑战

  结合农行信用卡前期人工智能的应用经验可以发现，大模型应用面临着安全应用、深度应用、应用支撑三大挑战。

  一是安全应用挑战。信用卡在大模型应用中可能面临数据隐私泄露、模型漏洞及技术缺陷等安全风险。例如，为达成更好的模型训练效果，过度采集用户数据可能侵犯用户隐私;算法设置不当导致利率差异性过大，引发消费者歧视;数据污染导致大模型生成虚假信息;攻击方精心设计提示词，诱导大模型泄露训练数据中的敏感信息;开源大模型可能存在底层框架漏洞等安全性问题，以上均可能引发决策失误或系统性风险。

  二是深度应用挑战。现有主流大模型主要基于深度学习算法，核心是通过多层神经网络自动学习数据中的复杂特征，不再需要专家经验主导的特征工程，“黑盒”特性显著，因此也难以进行大模型推理过程的解释。模型复杂度指数级提升的同时，也导致其决策路径缺乏透明性，其幻觉问题与逻辑缺陷也进一步加剧了风险不可控性。例如，模型可能生成虚假、错误、误导类信息，而深度学习算法的复杂性使得业务人员难以排查问题根源。尤其在信用卡风控领域，若机制难追溯、逻辑难解释，可能会提升信用卡发生批量风险的概率。

  三是应用支撑挑战。大模型在信用卡领域的广泛应用还面临组织架构适配不足、制度规范滞后及与传统管理思维冲突等方面的问题。在组织层面，现有劳动组合与管理体制对大模型应用需求仍有一个适应过程，传统协作模式可能会导致其推广应用存在阻力。在制度建设方面，大模型数据采集的“最小必要”原则与敏感信息负面清单等合规框架尚未完全落地。同时，传统小模型“经验数据双轮驱动”的管理惯性与大模型“纯数据驱动”的技术逻辑存在一定的不适应性，若业务人员无法充分信任技术决策过程，可能会进一步削弱大模型应用的实际效能。

  三、信用卡大模型应用的方向及路径探索

  基于信用卡智能主干道，在信用卡业务合规、技术安全、体验良好的总体框架下，商业银行可组合应用流程嵌入式人工智能、人工助手型人工智能，积极探索信用卡大模型应用的方向和路径。

  1.应用方向

  应用一：聚焦场景，融合融入。紧扣客户体验提升与价值创造两大课题，与信用卡业务场景、运营流程、客户全生命周期紧密结合。围绕价值创造，重点探索打造全流程精准营销体系，建设集客群分析、活动设计、营销物料生成、效果评价为一体的智能营销平台;巩固提升风险经营效果，通过大模型实现审批区域差异化、风险信息智能收集及审批辅助决策;探索建设领域级的办公助手，重点针对重人力、长周期的高耗能环节提供大模型智能助手支持。在场景与流程的融合中打造“小场景验证—中台能力沉淀—生态协同放大”的渐进路径，最终实现大模型对信用卡业务的深度赋能。

  应用二：流程优化，实效为先。建立大模型的应用范式，全面梳理重构业务流程，积极探索推行嵌入式AI,落地阶段秉持“小步快跑，快速验证”的原则，提升应用质效。通过接入高频痛点环节、非侵入式接入与灰度试点等方式，在真实业务环境中迅速检验模型效果。采用大小模型协同策略，依托大模型多模态识别技术处理长文本、非标图片、音视频类复杂任务，以小模型快速响应标签特征类高频需求，形成“实时响应+全局优化”闭环，覆盖营销、风控、客户服务全流程，减少人工介入并提升效能。

  应用三：体验升温，服务跃迁。致力推动“双客”体验提升，重点探索打造个人用卡管家，融合产品、商圈、消费行为、客户诉求，智能匹配产品与权益，从“千人千面”进一步升级到“一人千面”，为客户提供伴随式、有亲和力的信用卡管家智能体，提升服务温度;面向员工提供知识生成与创作、交互与决策的知识智能体，基于大模型自动生成营销策略、文案及创意素材，全天候提供具有真人级互动感的精准信用卡服务支持，提升服务响应效率。

  2.路径探索

  路径一：人人参与，认知提升，深化大模型的应用理念。围绕认知变化、行为转化、生态进化三个阶段，逐步将大模型应用从技术工具转化为员工的思维习惯。认知变化阶段，通过面向不同层级的战略研讨、场景模拟、微课学习，系统性提升全员对大模型认知。行为转化阶段，打造轻量化、非侵入式的技术赋能平台，让通用的大模型能力可以快速嵌入业务流程，降低业务人员使用大模型门槛，向全员推送优秀应用案例。生态进化阶段，建立大模型效能仪表盘，实时展示模型应用广度、深度与效能指标，并建立“反馈—迭代—再培训”机制，持续更新高频应用场景，最终形成大模型应用从被动使用到人人主动破题的思维转变。

  路径二：多元路径，协同创新，实践大模型的应用方法。以私域公域结合与大小模型协同为方向，构建层次分明、优势互补的应用体系。私域公域结合，旨在兼顾数据安全与应用效能。敏感场景与核心业务流程在私域大模型探索实现，确保业务逻辑与数据安全的深度绑定;通用场景与非核心业务流程在公域大模型探索创新，助力业务快速开展，降低业务耗能。大小模型协同，聚焦于效率与体验的平衡。大模型凭借深度推理及多模态识别能力，完成复杂任务的处理分析;小模型则以轻量、高频、即时的特性，完成目标任务的迅速响应。量化回流迭代，构建“量化指标+动态回流”迭代升级体系，让大模型效果可衡量、可追溯、可优化。通过在作业中实时评估并达成结果闭环，让大模型随业务变化动态进化，提升应用质效。