来源：中国经营报

本报记者 李晖 北京报道

(相关资料图)

数字经济顶层设计深化正在刺激金融行业科技战略进阶。

相关部门近期印发《数字中国建设整体布局规划》（以下简称“《规划》”），提出推动数字技术和实体经济深度融合，在农业、工业、金融、教育、医疗、交通、能源等重点领域，加快数字技术创新应用。

政策面的利好也带动了资本市场和行业的景气度。《规划》印发后，中证人工智能主题指数、人工智能ETF（159819）等应声上涨。作为人工智能的重要技术分支，近期以ChatGPT（聊天机器人模型）为代表的AIGC（人工智能制造内容）大热，不仅让资本市场陷入疯狂，也让包括金融行业在内的多领域面临新的机遇和挑战。

《中国经营报》记者注意到，自2023年2月以来，多家金融机构披露AIGC相关应用。而业界普遍关心的是，在重视合规、严谨、容错率极低的金融行业，AIGC能发挥多大价值？金融业广泛应用的人工智能和ChatGPT有何区别？在人工智能的新浪潮里，金融机构将如何抓住机遇？

AIGC的价值所在

ChatGPT的大火，让金融行业开始重新审视AIGC的价值所在。

“当我们思考亲情时，却发现它是一种超越生物学的‘利他’行为。”这句颇具哲思的文字来自招商银行信用卡公众号通过ChatGPT撰写的营销文章，引发了金融机构对AIGC的踊跃试水。

自2月以来，江苏银行、金融壹账通等机构陆续披露AIGC在业务中的具体运用。此外，百信银行、邮储银行、泰康保险、广发证券、鹏华基金等机构也宣布接入号称中国版ChatGPT的百度“文心一言”。一些机构披露，将集成“文心一言”的技术能力，推进智能对话技术在金融场景的应用。

从公开信息看，当前金融机构试水AIGC主要有自研和外脑两种路径。一是凭借机构在人工智能领域的技术积累，结合自有场景主动开启研发和探索，比如招行信用卡中心、江苏银行、金融壹账通等；二是直接接入类似ChatGPT应用的AIGC生态，“借船”升级。此外，也有两种方式兼用的机构。

事实上，人工智能涉及的应用方向繁多，包括自然语义处理、语音识别、计算机视觉、营销、风控、推荐、知识图谱等，ChatGPT只是其中自然语义处理中的一个分支。金融壹账通人工智能研究院总工程师徐亮认为，ChatGPT在金融领域的应用范围包括而不限于：欺诈检测和风险管理、客户服务与支持、客户意图识别及精准营销，以及对金融市场的信息处理和决策辅助等。

2022年是AIGC技术的爆发之年，此前国内已有不少机构或多或少涉足此类应用。比如网商银行的百灵系统，通过AI信贷员和用户交谈，依据用户提供例如发票、账单、合同、门口照等材料，经过风控系统识别、采信，判断是否给用户增加信贷额度。浦发银行、百信银行等多家机构此前也曾推出AI技术的“虚拟数字人”，作为其数字化转型的重要布局。

一位股份制银行科技部门负责人向记者透露，2022年该行通过推出AI风控员、AI交易员、AI理财专家、AI培训师等一系列产品，对客户的触达和转化率都有了明显提升。

而券商机构则更多希望AIGC在智能投研、投教领域发挥价值。广发证券公开披露，将通过加入“百度文心”探索大语言模型在基础问题解答、客户需求识别、内部效率提升方面的能力。

某股份制银行人士向记者直言，ChatGPT价值在于表达的方式可以发生变化，即当我们有了标准答案后，有没有可能利用ChatGPT把这个标准答案更有趣地表达出来。在合规基础上，可以将这项技术用在宣传文案、营销话术，不见得一下子让机器人回答的东西面向客户，比如利用ChatGPT帮助员工生成业务话术就可以极大提升效率。

整体来看，借助ChatGPT大火的AIGC应用，可能会给金融机构科技战略带来一些新的刺激。

一位国有大型银行内部人士表示，现在金融机构对科技布局基本都有了战略层面的意识，但在实践中，科技创新往往很难得到多部门协同。例如，银行就是信息科技部、网金部等少数部门的责任，需要不断有新的“爆点”推动相关决策的执行。

网商银行人工智能部总经理韩冰认为，ChatGPT让机构看到了“大模型”的威力。之前，网商银行已经有了关于多模态的识别技术，以及大规模认知领域图谱的建设，并产生了多模态融合模型以及金融领域模型。未来会继续坚持以大模型为底座，去构建“数字信贷专家”。

AIGC的“走红”也让相当多金融机构的员工开始担心AI对人力的“威胁”。“我们平时生成的研报是对很多市场的数据做整合，AIGC对简单的研报撰写可能有一定的替代作用，这就需要人力去做更高阶的洞察分析工作。”一位券商分析师向记者如是表达他的顾虑。

平安银行总行金融科技部零售研发中心总经理兼基础零售事业部联席总裁储量在近期一个小型沙龙中亦认为，ChatGPT的技术，不见得会改变金融服务本身，而是可能会让客户行发生一些改变。原来很多客户主要通过专业人员获取金融知识，但今天可以直接问语音机器人。它的回答可能比某些银行员工还要专业，或者丰富度更高。“当你的客户已经了解很多知识的时候，就对银行员工提出了更高的要求，即如何体现出员工的专业性。”他表示。

积极探索 谨慎拥抱

虽然机构对新技术普遍秉持积极态度，但在合规压力巨大的金融行业，是否能完全复制AIGC应用在其他领域的效能仍需要观察。

金融机构往往需要给大家带来的是严谨、专业的形象，风趣“有思想”的聊天工具是否合适被全面应用？以客户这个场景为例，从传统智能客服的行为来看，其做的是判断选择题，即利用自然语言理解能力识别用户的问题，进而给出标准答案，但AIGC则不完全一样。

兴业银行总行金融科技研究院负责人李锋在前述沙龙中表示，ChatGPT打破了传统对话机器人要穷举用户对话意图的运营模式，从自然语言生成的角度，能够产生极其丰富的对话内容和应答范围，却不需要大量的人工运营成本。但银行业有着非常高的严谨性和合规性要求，对客户的回答话术代表银行服务，每句回答必须有严格的审核和质量控制，以保证其合规性和严谨性。

此外，智慧离不开巨额投入，ChatGPT的“智能”来自技术的突破，而技术的突破则需要千亿级以上的参数训练。国盛证券在题为《ChatGPT需要多少算力》的研报中估算，GPT-3训练一次的成本约为140万美元，对于一些更大的语言模型，训练成本介于200万美元至1200万美元之间。从这个角度来看，大多数金融机构自建ChatGPT可能并不现实。

一家华东地区城商行人士就直言，引入AIGC应用首先要看是否触碰合规的要求，其次也要看积累和投入成本，是否需要自建大量的算力。对我们而言，探索可以，但放到业务场景里面去面客，目前还不会考虑。

储量认为，银行在AI的实践中，要避免两个误区：第一，业务部门神话AI，觉得把诉求丢给AI自然就得到答案了。业务需要了解算法和AI运行的逻辑，跟算法工程师、研发工程师一起合作解决问题。第二，业务部门仅把AI当作几个技术产品、解决几个点状的问题，这种性价比不高。

一个市场共识是，ChatGPT所代表的语言生成类技术，对于金融机构很有启发。在韩冰看来，机构需要思考的是，如何让这类技术能够做它擅长的事情，从而为商业模式创造新的可能性。“比如我们的系统是通过AI信贷员和用户交谈，依据用户提供的材料，经过风控系统识别、采信，从而判断是否给用户增加信贷额度。收集材料的过程，容错率相对高、难度低，大规模语言生成技术能让AI信贷员和用户的交流更顺畅。但是对材料的采信、计算授信额度，是这类技术无法完成的。”她补充道。