广东南粤银行首席信息官 黄思颖

  AI大模型技术相较于过往的ABCD(人工智能、区块链、云计算、大数据)等新技术更加进步，是一场颠覆式的技术变革。AI大模型技术的发展提高了人工智能的普适性和泛化性，使得人工智能可以在更多的领域和场景中应用，从而扩大了数字创新的范围和深度。大模型让我们能够完成一些以前难以想象的事情，如让AI生成图像、诗歌、文本、音乐、编写代码等，也让我们面临一些前所未有的挑战，如数据安全、模型可信、知识产权、人工智能伦理等方面的问题。

  AI大模型技术不仅改变了处理数据和信息的方式，也改变了我们认识世界和判断事物的方式。AI大模型技术不仅对劳动密集型的工作产生影响，也对脑力密集型的工作产生了深刻影响。未来几年，AI大模型技术逐步成熟，将会重构现有的社会分工以及商业模式，给整个社会带来巨大变化。我们需要在充分利用其优势的同时，注意防范其潜在风险，并积极探索适应其变革的策略和路径，把握好技术变革带来的机遇。

  一、银行业AI大模型应用场景

  1.同业的应用情况

  2022年1月，人民银行、原银保监会分别发布了《金融科技发展规划(2022—2025年)》和《关于银行业保险业数字化转型的指导意见》，提出“十四五”时期金融机构数字化转型工作目标和重点任务，并在业务经营管理数字化、数据能力建设、科技能力建设等三方面提出了相应的指导意见。我们看到，这三个方面也是当前中小银行数字化转型的痛点与难点，中小银行应该积极探索AI大模型在金融服务场景中的落地。

  随着金融科技的发展以及数字化转型的深入推进，银行业积累了一定的数据基础设施、大量的数据和丰富的应用场景，为AI大模型技术的落地应用提供了肥沃土壤。目前，业界普遍认为AI大模型技术将为金融行业数智化转型带来新一轮变革与创新。例如，工商银行、农业银行、建设银行等国有大行已经率先将AI大模型技术应用到具体业务场景中，招商银行、平安银行、兴业银行、江苏银行等股份制银行及城商行也正积极推动或密切关注AI大模型技术在金融场景的最新应用成效。

  2.对应用场景的思考

  相比现有的AI技术，AI大模型技术可以处理更加复杂、庞大的数据集，具有更好的泛化能力，可以处理不同类型的数据，并可应用在银行前、中、后台不同业务场景中，带来明显的质效提升。AI大模型在银行前、中、后台可落地的应用场景见表1。

表1 AI大模型在银行前、中、后台可落地的应用场景

  当前，AI大模型技术在银行业的应用虽然在数据安全、模型可解释性、法律法规、伦理道德等方面面临着一些挑战和风险，但是其在银行业的应用是非常有价值和有意义的，可帮助银行提升服务质量、降低运营成本、增加营收收入、优化风险控制、促进金融创新等，让银行业务更加智能化、数字化、人性化，从而满足客户的多样化需求，提高客户的忠诚度和满意度，增强银行的竞争力和影响力。

  AI大模型技术的浪潮已席卷全球，国内外诸多金融机构均已开始加速应用场景的探索。中小银行应充分意识到，AI大模型技术不只是噱头，而是有望切实带来革命性生产力提升的范式变革。

  二、AI营销助手应用案例：智能营销工具

  智能营销工具项目的目标是打造一个基于AI大模型智能营销工具(AI营销助手)，利用大模型技术帮助银行客户经理发现、挖掘、跟进和转化客户的潜在商机的系统，从而帮助银行客户经理提升获客、客户服务和管理能力，增进客户关系，提升客户忠诚度，提高营销效率和服务质量。

  该项目中AI大模型所使用的数据包括行内、行外两部分数据。行内数据涉及客户在行内发生的账务数据、开立的账户数据以及持有的产品等相关数据。行外数据则有两个来源：一是采购的第三方数据，如工商数据、征信数据、企查查数据等;二是自动采集的外部数据，如政府、企业、资讯平台等的公开数据。

  该项目通过AI大模型对这些海量数据进行关联学习，识别出客户的需求、痛点、偏好、风险等特征，从而发现具有潜在价值的商机。通过AI大模型，根据客户的特征和商机的属性，生成不同形式、不同内容的营销创意和方案，帮助客户经理实现个性化的商机跟进和沟通，并通过客户经理的反馈，提取出客户的意图、情绪、态度等信息，从而挖掘出客户的隐性需求和商机。同时，针对不同的商机进行评估和排序，确定最优的转化策略和行动方案，实现高效的商机转化和业务成交。

  图1～图4分步骤演示了客户经理借助工作台进行客户商机挖掘过程，并针对每张图的关键点进行了说明。

图1 客户经理工作台

图2 客户经理商机管理功能-1

图3 客户经理商机管理功能-2

图4 客户经理商机管理功能-3

  三、AI大模型技术应用面临的问题与建议

  中小银行往往在AI大模型应用方面存在着起步晚、人才少、数据少、科技能力薄弱、投入成本有限等问题，其中除一小部分中小银行采用跟随策略外，大部分中小银行尚处于观望状态。中小银行在尝试探索AI大模型应用时，通常会遇到“如何着手”“如何落地”“中小银行的优势在哪里”等方面的问题，针对上述问题，笔者提出一些建议。

  1.如何着手

  在探索AI大模型技术的过程中，中小银行应避免进入研究算法的误区，应该利用已有的算法和方法论，将重点放在大模型的应用而不是纯粹的算法研究上，找到与其实际问题相结合的途径，用好大模型解决自身面临的挑战，而不是开展大模型的基础研究。

  2.如何落地

  中小银行应采用积极探索的态度，及时抓住大模型这个革新机遇，结合自身的资源禀赋，选择合适的场景，并遵循先行先试的原则，采用渐进式的应用策略，充分发挥中小银行灵活的优势，与基础技术厂家合作共赢，专注研究银行领域的应用场景。

  3.如何化劣势为优势

  AI大模型技术应用需要大算力、大数据、多模型等的加持，中小银行由于人才匮乏、IT基础薄弱、数据缺失、成效不明显等问题，使得新技术应用投入产出比不高，往往望而生畏。然而，AI大模型技术应用是一个厚积薄发的过程，目前各个细分领域的应用正在萌芽发展，再具体到银行业，无论大小银行均处于同一起点，在任何技术变革的起步阶段，敢于想象和实践者将会脱颖而出。中小银行的经营范围较小，数据更加容易治理与补齐，更加容易进行组织动员，更加适合人工智能快速反馈训练模型的特征。相比大银行，中小银行通过选择合适的场景，采用渐进式、持续地训练和优化自身模型，积小为大，更加容易在AI大模型技术应用场景产出业务价值。

  中小银行可以通过将重点放在实际应用上，结合自身资源禀赋，利用已有的算法和方法论，小成本、渐进式地开展大模型的应用场景。在大模型技术应用方面应“可为，敢为，善为”，为中小银行业务增长带来巨大的价值和机遇。

作者：广东南粤银行首席信息官 黄思颖

    广东南粤银行数字银行部副总经理 林伟

    广东南粤银行首席信息官 黄思颖