(相关资料图)

  近期,生成式AI热度持续走高,在各行各业产生了较显著的影响,其自然对话的形式大大降低了使用成本,受到业界广泛关注。业内人士指出,银行业作为最早应用传统人工智能技术的领域之一,生成式AI的应用对其产业形态具有显著影响力,有望带来巨大的生产力变革提升,而未来能否有效使用大模型实现降本增效将是行业竞争重点。

  日前,波士顿咨询(BCG)发布的《银行业生成式AI应用报告(2023)》(下称《报告》)指出,生成式AI允许使用者使用自然语言直接获取数据分析结论,大大降低了数字化产品使用门槛,在银行业的应用场景可以贯穿前中后台各个环节,规模化应用后有望带来客观的降本增效收益。

  “在生成式AI应用方面,举例来看,银行的理财客户经理可以直接与生成式AI助手进行自然语言交互,询问与客户的联络情况,包括上次联系情况、客户持有产品、近期交易状况等,并在此基础上,由AI推测客户偏好的产品类型,给出推荐产品和产品对比。在这种情况下,客户经理不需要具备大量专业化、数字化工具的使用技巧,并用这些工具完成很多从0到1的信息加工,而只需要问正确的问题,由机器负责完成从0到1的信息加工工作,此时客户经理只需进行判断评估、做少量修改就可以。”BCG合伙人孙蔚表示。

  “除了对内自动化完成基础任务,提升工作效率,生成式AI还有望在银行业催生新的业务模式。”孙蔚表示,“例如,在交易撮合中,由于很多场景的交易要素非结构化,且需要多轮交互,通常需要相关人员进行协助开展撮合;而借助生成式AI,买卖双方将可能实现只与AI界面进行对话磋商,而不再需要相关人员作为中介进行撮合。”

  “以一家2万员工规模的区域银行为例,其薪酬总包约21亿美元,如果可以成功规模化应用前中后台场景,首轮规模化应用生成式AI能实现30%的降本收益,具有非常明显的降本效应。”孙蔚说。

  对于生成式AI在银行业落地的途径,《报告》指出,银行业在选择落地场景时要平衡考量收益潜力、风险、实施难度,与传统AI的充分结合,同时需要通过嵌入外部模块、提示词设计和模型微调等方式提升机器回答质量,夯实技术基础,推动业务与技术充分结合的体系化工程进展,实现新技术业态下的业务和组织转型。

  “目前国内银行业应用生成式AI主要包括商业模型和开源模型两条路径,其各自具有一定的优劣势。商业模型通常由互联网大型企业开放,其算力规模和数据标准成本较高,投入更大,稳定性更强;开源模型在成本较低的前提下,迭代速度更快,细分垂直领域发展较好。”BCG数据科学副总裁廖明表示,“银行在具体选择时需要根据自身需求,结合数据安全、使用成本等多方面因素进行考虑。”

  BCG董事总经理、全球合伙人谭彦指出,生成式AI应用的关键之一就是业务对科技的理解能力,其自然语言编程本质是支持不会写代码的业务人员,通过正确的问题、拆解正确的业务流程与其他基础大模型以及相关的工具组合,实现特定业务目标,科技人员主要负责搭建底层的架构和设施,快速落地则取决于业务人员如何使用。

  谈到未来银行业应用生成式AI的前景,BCG董事总经理、全球资深合伙人何大勇强调,利用生成式AI实现银行业态的转换升级在不同时期内需要关注不同因素。短期内,各个银行竞争的焦点在于对业务的数字化理解、企业创新文化氛围、对新技术敏捷的应用机制等,在上一次数字化进程中取得收益的银行将有更强的动力投入生成式AI应用。

  “从中期来看,银行积累的私有数据将是银行业大模型应用竞争的门槛,只有基于自身私有的企业数据微调后的大模型才能更加有效、精准地赋能业务,给出更加专业的判断,包括信贷业务中的访谈、贷后跟踪管理的业务数据等。而从更长期来看,核心竞争是人才的培养。大模型应用带来了全新生态,如何提出精准问题、如何将现实业务流程抽象化等等,成为使用的核心问题。要实现银行各个部门、各个环节规模化地有效使用大模型技术,需要建立起新的人才培养机制,从而实现长期竞争优势。”何大勇说。(记者 袁小康 实习生 万晶晶)

推荐内容