近年来，在数据、模型和算力三大因素的推动下，人工智能发展迅速、内涵广泛，成为科技革命和产业革命的重要驱动力量。人工智能的大模型技术突破，与量子信息、生物技术等技术要素正在催生大量新产业、新业态、新模式，给全球经济发展和人类生产生活带来翻天覆地的变化。随着金融行业不断向数字化、智能化转型，人工智能技术成为金融领域最为重要的技术之一。银行业务高度数字化且形态复杂，正是人工智能率先高度赋能的行业之一。
专家介绍：李金龙，现任招商银行人工智能实验室高级经。自加入招商银行以来，先后从事新资本协议实施、数据标准建设，大数据、区块链研究，人工智能等领域的研究。目前聚焦智能金融的研发和应用，牵头大模型研究与应用、大财富管理能力。主持的科技项目荣获中国银保监会一等奖、中国人民银行科技发展二等奖两次。在工作中荣获招商银行“十大杰出”人才、获得新资本协议专家称号，主导高校的联合研究工作，指导、参与人工智能领域学术论文十余篇，国家专利数十项。DataFun社区｜出品
数据智能专家访谈 第24期｜来源
银行业务高度数字化且形态复杂，正是人工智能率先高度赋能的行业之一。商业银行通过“网络化”拓展业务场景，将传统线下业务逐步向线上转移；同步通过“数字化”为“智能化”奠定大数据基础，通过业务流程的数据闭环对“智能化”形成正反馈，促进模型和算法在业务数据的传播过程中不断进行自我学习，最终实现系统效能的提升和客户体验的优化。“智能化”是从“网络化、数字化”到“平台化”“生态化”的动力和中枢。金融机构作为数字化建设的行业先行者,多年来已积累了海量的金融应用数据。借助人工智能技术的迅猛发展，金融机构能够充分挖掘出数据资产的内在价值，可以突破信息不对称造成的资源壁垒，降低金融服务的准入门槛，推进普惠金融的产品开发和服务下沉，更全面地覆盖金融业务中的薄弱领域和弱势群体，同时促进传统商业银行在同质化的竞争中优先升级客户体验和服务质量，继而带动其内部经营管理模式的创新和战略规划的变革，最终实现科技型银行效率的全面提升和产能释放。智能金融是指人工智能技术在金融行业的深度运用，是用机器替代和超越人类部分经营管理能力的模式变革，已成为金融业的核心竞争力，其优势在于生产效率的提升。“人工智能+”的思维更加面向价值创造，力争塑造新的业务模式。按照《中国智能金融发展报告》中的披露，各大银行在营销、风控、运营、客服等领域有大量的实践。2023年国内外兴起的预训练大语言模型的风潮，具备逼近真人的交互聊天、文稿撰写、逻辑推理、计算机编程以及综合性思考能力，其展示出的通用化智能潜力，具备引发新一轮技术竞赛、产业革命，乃至改变未来人类生活形态的可能性。大模型的核心优势体现为认知水平高、泛化能力强、知识储备深、推理有逻辑、交互有温度，多轮对话的交互能力实现飞跃性提升，意图识别准确率更高。大模型相关技术潜在场景广泛,各大银行高度重视并积极投入，探索的方向多元。财富管理方面，可以辅助研报生成、研报理解、研报脱水，并根据外部各类信息解析出alpha因子；可以服务方面，可以提高知识库的丰富度，逐步实现个性化服务；营销方面，可以辅助话术生成，提升数字人交互能力；运营领域可以提高智能化审核质检能力，并逐渐演化呈多模态超级RPA的能力; 系统研发领域，可以辅助代码生成、监测代码质量,并提高自动化测试的能力；办公领域，可以辅助会议记录、报告、ppt的编写，提高工作效率。招商银行在人工智能方面率先投入，2017年开始成立人工智能实验室，坚持“模拟人、辅助人、替代人”为主要工作方向，聚焦业务价值创造和核心技术研究，实现了关键能力自研，在客户服务、经营、运营、投研等领域落地应用场景百余个。在客户服务方面，招商银行推出AI小招、文本客服、智能外呼、智能协呼等多种智能客服产品，通过人机协同服务模式提升服务效率，降低服务成本。人工智能技术将重新定义金融产品的生产模式，重塑与用户的交互和服务方式，加速银行业智能化转型，但是智能化技术也面临着技术风险、数据安全、隐私保护等挑战，需完善数据基础设施，补齐智能化关键技术短板，同时加强法律监管，保持敏锐性、前瞻性和主动性。具体表现在以下几个方面。一是数据供应生态不全。随着数字化时代的到来，数据已经成为企业发展和竞争的重要资源，然而在数据获取、处理和使用的全流程中，都存在着诸多问题，首先是数据获取阶段，数据来源单一，难以获得更全面、准确、有用的数据；其次在数据处理阶段，数据形态多样化，存在大量非结构化数据，在数据清洗和标准化处理数据时，数据质量参差不齐；最后在数据应用阶段，金融业务中包含大量敏感数据，如果对客户的敏感信息或隐私数据没有合适措施加以保护，容易引起客户投诉甚至法律纠纷。二是模型存在技术风险与合规问题。金融领域场景对模型的准确度要求较高，模型误判率必须保持在极低水平，低质量数据影响模型的可靠性和模型精度；一些复杂的深度学习模型很难解释其决策过程，其“黑盒子”的结构属性，导致模型的运行和预测结果缺乏透明度和可解释性。这就使得监管机构很难对模型进行全面、有效的监管，也很难确保模型的合法性和公平性。三是算力资源耗费巨大。银行属于金融科技应用行业，大模型的能力得益于巨大的参数量，但此类模型在训练、部署、线上服务方面成本消耗极大，对算力有着非常高的要求，银行很难有比肩科技公司的投入。如何在有限的投入下保持技术的领先，是我们需要进一步思考的。虽然人工智能在金融领域应用面临诸多困难和挑战，但随着技术成熟以及新技术的崛起，人工智能在金融领域的应用将会更加广泛，具体呈现以下几个方面的趋势：基于大模型和机器学习算法，人工智能为客户提供更加个性化的服务，包括投资建议、财务规划等。如通过对客户历史交易记录进行分析，银行可以向客户推荐最适合他们风险偏好和收益目标的投资产品。依托人工智能技术优化业务流程，升级人机协同模式，实现智能替代和自动作业，提升运营管理效率。利用知识图谱、大数据分析等技术，高效识别异常交易行为，有力打击反欺诈与反洗钱等非法活动，同时，对市场趋势、风险因素等进行预测和分析，帮助金融机构做出更好的决策，并有效控制风险。总之，人工智能在金融领域的应用和发展将带来更多的机遇和挑战，人工智能技术将继续深入渗透到金融领域各个环节，并推动业务模式不断创新与变革。在利用AI技术改变金融产业的同时，也需要关注人工智能技术带来的潜在风险，如隐私泄露、算法歧视等，并采取相应措施确保其可持续发展。与谈人：刘晓坤 DataFun
编辑：刘晓坤 DataFun
▌专家介绍
👨 李金龙
现任招商银行人工智能实验室高级经理。自加入招商银行以来，先后从事新资本协议实施、数据标准建设，大数据、区块链研究，人工智能等领域的研究。目前聚焦智能金融的研发和应用，牵头大模型研究与应用、大财富管理能力。主持的科技项目荣获中国银保监会一等奖、中国人民银行科技发展二等奖两次。在工作中荣获招商银行“十大杰出”人才、获得新资本协议专家称号，主导高校的联合研究工作，指导、参与人工智能领域学术论文十余篇，国家专利数十项。▌数据智能专家访谈
“数据智能专家访谈”是 DataFun 新推出的内容系列，本系列旨在访谈不同公司的核心技术人员，得到专家在不同领域的洞察，包括但不限于行业重点、热点、难点，增加读者对行业技术的了解。
▌大话数智
大话数智，是DataFun策划的智库类公众号，包括但不限于知识地图、深度访谈、直播、课程等学习资料，旨在为广大数据智能从业者、数据智能团队提供一个日常学习成长的平台，促进先进的数据智能技术的传播与广泛落地。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢