(资料图片仅供参考)

专家表示，当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。因此，如何让生成式AI模型“说专业的话”“说真话”就成为银行业规模化应用生成式AI的两个关键挑战。以ChatGPT为代表的生成式AI已经在各行各业引发了广泛的讨论。更重要的是，各领域和行业已经开始积极尝试推动生成式AI技术落地应用。在金融领域中，银行业对于生成式AI技术的应用探索也在逐步深入。“该技术已不只停留于概念阶段，如何借力新技术赋能银行转型已成为行业必须深入思考的命题。”波士顿咨询公司董事总经理、全球资深合伙人何大勇称。不过，多重因素作用下，在银行体系内规模化应用生成式AI仍面临巨大挑战。波士顿咨询公司最新发布的《银行业生成式AI应用报告（2023）》（以下简称“报告”）显示，银行业应用生成式AI主要遵循两大类价值创造逻辑：一是替代人，接受大量重复性、简单基础的任务，以释放运营类人力资源；二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。生成式AI的应用场景可以贯穿银行全产业链的各个环节：每个职能部门、每条业务线本质上都能找到生成式AI的应用场景。同时，有实践表明，规模化应用生成式AI有望为银行业带来可观的降本增效收益。报告指出，银行业具备由点及面推进生成式AI应用的三大条件，即扎实的数字化基础、完备的技术能力和多元丰富的数据。而银行业在推动生成式AI应用落地的过程中有四大举措需要关注。第一，在探索初期，优选生成式AI应用场景，平衡收益和风险，与传统AI充分结合；第二，在具体应用过程中，巧用方法，利用嵌入、提示词设计、微调三大抓手，让AI生成的答案更专业；第三，在生成式技术能力体系建设上，夯实技术基础，合理部署、多维选型、全栈升级；第四，在重塑体系规模化应用过程中，遵循10/20/70原则，即10%是模型，20%是整体IT能力升级，70%是业务与组织的转型，而后两个因素更为关键。“当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。”波士顿咨询公司董事总经理、全球合伙人谭彦表示，“因此，如何让生成式AI模型‘说专业的话’‘说真话’就成为银行业规模化应用生成式AI的两个关键挑战。此外，银行等金融机构对数据安全的严格要求也意味着模型的精调和应用都很有可能需在本地进行。”报告认为，在对生成式AI的探索中，银行需具备长线思维，开展体系化的顶层规划，并与相关业务和科技部门协同共进，推动规模化应用的分步落地。概括而言，可分三个阶段由点及面、敏捷推进：第一阶段为少量场景的概念验证和局部落地，即选择重点应用场景，快速完成概念验证、构建MVP最小可行产品；第二阶段为开展全场景盘点和体系规划，即基于局部应用的效果和经验，形成规模化实施的顶层规划；第三阶段则为规模化应用落地和体系能力的固化。

关键词：