歡迎來到HH撲克 &德?lián)淙σ迅拿?HHpoker 您的約局神器!專注于線上德州競技,推薦加入排行(名)前十實力靠譜一線老牌聯(lián)盟俱樂部,德州牛仔、推推樂、Omaha奧馬哈、短牌應有盡有!全天24小時HHpoker俱樂部客服聯(lián)系全方位對接。

在風控管理方面，以保險為例，眾多頭部險企正以AI為核心，實現(xiàn)承保、理賠等環(huán)節(jié)的智能化。通過AI大模型，理賠單證能夠進行智能分類、自動提取重要字段，大幅提升了處理效率。中國平安的“雙錄AI質(zhì)檢”業(yè)務(wù)流程已成功實現(xiàn)了質(zhì)檢效率的大幅提升，最短質(zhì)檢時間可達到1分鐘，年均節(jié)省質(zhì)檢成本達2500萬。

AI已有不少落地場景

wpk德州俱樂部

從IT模型到業(yè)務(wù)模型，融合是關(guān)鍵

針對AI大模型應用及未來智能體落地，不少金融機構(gòu)也開始構(gòu)建完整的體系。一些大型銀行的嘗試，對中小型金融機構(gòu)而言也具有參考意義。

AI代碼開發(fā)僅是AI大模型在金融行業(yè)應用的一個縮影，某金融機構(gòu)利用AI大模型，實現(xiàn)了80%以上客服功能由智能客服完成；江蘇銀行本地化部署DS大模型實現(xiàn)了信貸材料綜合識別準確率超97%，信貸審核全流程效率提升20%......由此可見，AI大模型已經(jīng)在金融機構(gòu)的多個業(yè)務(wù)環(huán)節(jié)中起到了降本增效的作用。

與此同時，據(jù)統(tǒng)計，2024年，六大國有銀行在金融科技的投入合計達到1254.59億元，同比增長2.15%。

在徐啟昌看來，解決了上述兩個難題之后，企業(yè)也就步入了業(yè)務(wù)模型驅(qū)動的流程中，“未來，所有業(yè)務(wù)人員都是開發(fā)人員，業(yè)務(wù)人員能夠直接生成軟件，完成開發(fā)?！毙靻⒉M一步強調(diào)到，“這個是在很多實際的過程中得到驗證的，我們相信業(yè)務(wù)模型驅(qū)動企業(yè)發(fā)展，前景可期?！?/p>

“金融行業(yè)利用AI大模型進行代碼開發(fā)，已經(jīng)可以實現(xiàn)降低開發(fā)成本25~30%左右，”神州信息常務(wù)副總裁于宏志指出，“未來，有望能達到降低40%開發(fā)成本的水平，這也是神州信息未來努力的方向之一?！?/p>

而面對未來的優(yōu)化方向，徐啟昌表示，降本和增效是智能體在各行業(yè)中應用最核心的目前，而這兩部分也將成為眾多廠商提升競爭力的主要抓手。“以AI代碼開發(fā)為例，目前已經(jīng)可以做到降低金融機構(gòu)25%~30%的開發(fā)成本，未來希望能夠達到40%以上，甚至更高。”徐啟昌強調(diào)。（本文首發(fā)于鈦媒體APP，作者｜張申宇，編輯丨蓋虹達）

在徐啟昌看來，原先金融機構(gòu)很多都是通過IT部門驅(qū)動數(shù)字化轉(zhuǎn)型的進程，但這種現(xiàn)狀隨著AI大模型應用的加深，以及行業(yè)智能體的出現(xiàn)，出現(xiàn)了轉(zhuǎn)變，“未來需要更多的業(yè)務(wù)人員參與到公司數(shù)字化轉(zhuǎn)型的過程中去。具體來看就是所有的業(yè)務(wù)人員都是開發(fā)人員，業(yè)務(wù)人員都能夠直接生成軟件完成開發(fā)。”徐啟昌如是說。

此外，在在信貸審批業(yè)務(wù)場景中，AI大模型可應用于銀行授信報告自動生成、客戶資質(zhì)預審等場景，部分銀行已經(jīng)實現(xiàn)了全流程自動化審批，比如文章開頭提到的江蘇銀行。

第二點，在IT模型驅(qū)動轉(zhuǎn)向業(yè)務(wù)模型驅(qū)動的過程中，行業(yè)大模型是不可或缺的存在。但在應用過程中，相較于通用大模型，企業(yè)級行業(yè)模型子訓練的過程中，更容易出現(xiàn)“幻覺”的問題，且因為企業(yè)對于大模型的“容錯率”的要求更為嚴格，所以行業(yè)大模型的訓練質(zhì)量，也就成了企業(yè)在實現(xiàn)業(yè)務(wù)模型驅(qū)動過程中不可忽視的一點。

在智能客服方面，某金融機構(gòu)利用AI大模型，實現(xiàn)了80%以上客服功能由智能客服完成。由智能客服衍生出來的智能營銷也是大模型在金融行業(yè)落地非常廣泛的場景之一。

金融行業(yè)一直是擁抱數(shù)字技術(shù)相對較快的行業(yè)之一。在AI大模型浪潮的影響下，金融行業(yè)也加大了在以AI技術(shù)為代表的金融科技領(lǐng)域的投入。根據(jù)中國移動上海產(chǎn)業(yè)研究院發(fā)布的報告，金融領(lǐng)域的大模型滲透率已突破50%，在各行業(yè)中居首位。

比如，工商銀行總結(jié)提煉適配金融行業(yè)的“1+X”大模型應用范式，構(gòu)建以大模型為核心的新一代企業(yè)級業(yè)務(wù)賦能模式，實現(xiàn)從單場景賦能到端到端業(yè)務(wù)重塑的重大革新。其中“1”是指金融智能中樞，通過運用大模型分析理解，實現(xiàn)在金融復雜場景下進行任務(wù)拆解、規(guī)劃、分步執(zhí)行和最終輸出反饋的能力范式；“X”包含知識檢索、數(shù)據(jù)分析、文檔編寫、智能搜索、API調(diào)用等基本能力范式。

“大行”無論在數(shù)字化，還是這一輪AI浪潮都有充足的資金和長遠規(guī)劃，但對于資金儲備、算力儲備不那么充足的中小型金融機構(gòu)來說，在AI建設(shè)的關(guān)鍵是打造具有自身特色的“知識庫＋提示詞”體系。

對此這類問題，于宏志表示，中小型金融機構(gòu)可以將這些“知識”數(shù)字化，通過建模資產(chǎn)的方式，令其成為企業(yè)內(nèi)部數(shù)字化資產(chǎn)，進而不會讓這些知識隨著員工的離開而消失。

中小型金融機構(gòu)如何落地？

在徐啟昌看來，相較于“大行”，一方面，中小型金融機構(gòu)數(shù)字化起步較晚，數(shù)字化完善程度不如大型銀行，且數(shù)據(jù)治理程度不足；另一方面，中小型金融機構(gòu)在投入成本、投入力度方面，其資金實力也達不到大行的水平。這時候就需要中小型金融機構(gòu)“有的放矢”，“以一個小的場景為立足點，抓住最核心的，最能實現(xiàn)降本增效目的的場景，從這個場景出發(fā)，進過POC后，在有序推進?！毙靻⒉o中小型金融機構(gòu)應用布局AI智能體提出了些許建議。

另一方面，在神州信息副總裁及新動力數(shù)字金融研究院院長徐啟昌看來，在金融行業(yè)，AI技術(shù)的應用已經(jīng)從“+AI”走向了“AI+”，“原先服務(wù)商、金融機構(gòu)會嘗試在解決方案和業(yè)務(wù)場景中添加一些AI的能力。現(xiàn)在，我們嘗試更多的是，以AI大模型的能力為主，去構(gòu)建一些全新的應用。”徐啟昌對“+AI”與“AI+”的不同進行了簡單解釋。

在投研與財富管理方面，招商證券應用“天啟大模型”，在智能投資分析中能夠?qū)崿F(xiàn)100%的行業(yè)分析師全覆蓋，報告發(fā)布的時間從2小時縮短到了20分鐘，極大提高了工作效率。

而也正是基于此，在前不久，神州信息發(fā)布了乾坤之建模工藝平臺。通過該平臺，金融機構(gòu)可以打破“部門級”“豎井式”研發(fā)模式，實現(xiàn)全行“一套業(yè)務(wù)模型、一套IT架構(gòu)、一套實施工藝、一套管理流程”，“為金融機構(gòu)提供了模型驅(qū)動的建模工藝平臺?！毙靻⒉鞔_的告訴筆者。

除此之外，相較于大行，中小型金融機構(gòu)也面臨著人才相對短缺的現(xiàn)實情況，對此，于宏志告訴筆者，相較于大型的金融機構(gòu)而言，中小型的金融機構(gòu)相關(guān)環(huán)節(jié)的“知識”大多沉淀在老員工的腦海中，這些員工離職或退休之后，對于銀行而言就損失了這些經(jīng)驗和“知識”，“比如小銀行信貸部總經(jīng)理退休后，對于特殊產(chǎn)品的知識沒了，銀行再進行相關(guān)培訓一名合規(guī)的相應員工，需要周期和經(jīng)費，”于宏志進一步指出，“而大行因為相對人才儲備比較好，且將‘知識’轉(zhuǎn)化為數(shù)字化（數(shù)據(jù)）的進程推進比較快，就不存在類似的問題?！?/p>

不過，徐啟昌告訴筆者，企業(yè)在從原先的IT模型驅(qū)動，轉(zhuǎn)向業(yè)務(wù)模型驅(qū)動的過程中，仍面臨著兩個挑戰(zhàn)。

首先，企業(yè)需要解決業(yè)務(wù)模型本身描述過程中的完整性和準確性的問題。雖然業(yè)務(wù)模型在理論上是“完美”的，但在實際操作過程中，存在很多不確定性因素。以金融行業(yè)為例，其業(yè)務(wù)模型需要幾百人，花費幾年時間才能構(gòu)建出來，“在這個過程中，傳統(tǒng)工藝下模型的質(zhì)量、數(shù)據(jù)的質(zhì)量參差不齊，會存在噪音的情況，”徐啟昌進一步指出，“這點與結(jié)構(gòu)化、形式化的IT模型不同，需要企業(yè)特別注意?！?/p>

顯然，AI大模型在金融機構(gòu)中落地的應用已經(jīng)逐漸增多，而這個過程中，金融機構(gòu)需要更加注重體系的建設(shè)，只有打好了基礎(chǔ)，才能“蓋”起更高、更堅固的AI“大樓”。

而這種整體的布局也不僅是大行才有的，比如恒豐銀行，恒豐銀行通過構(gòu)建“雙飛輪”模型訓練體系，推動打造“通用大模型+小尺寸大模型+N個場景模型”的應用模式；中國民生銀行通過智能升級仿生金融服務(wù)（BioFaaS），深度融合AI與金融服務(wù)，并構(gòu)建全行級知識體系與一站式智能服務(wù)平臺，賦能員工與客戶。

而這個過程中，企業(yè)除了要實現(xiàn)IT部門主導的數(shù)字化進程，想業(yè)務(wù)部門主導的數(shù)字化進程的轉(zhuǎn)變之外，業(yè)務(wù)與IT的融合也是關(guān)鍵。具體來看，企業(yè)需要在底層搭建好數(shù)字化/AI平臺，而這個平臺目前市面上的IT服務(wù)商基本都有所布局（比如神州數(shù)碼的問學平臺、阿里云的PAI平臺、IBM的watsonx平臺、神州信息的乾坤平臺等）。進而通過類似微服務(wù)的形式，將各種數(shù)字化和模型的能力進行模塊化分類，讓業(yè)務(wù)人員能夠通過類似堆砌樂高的方式，對模塊化的能力進行組合，最終生成出相應的應用程序。

江蘇銀行通過本地化部署DeepSeek大模型實現(xiàn)了信貸材料綜合識別準確率超97%，信貸審核全流程效率提升20%，同時自動化估值對賬流程得到優(yōu)化。再比如，中關(guān)村科金AI模型分析10萬+通話記錄，識別“隱性承諾”“信息泄露”等風險，助力某商業(yè)銀行逾期率下降18%。?

從目前落地的應用場景上來看，主要集中在智能客服、代碼開發(fā)、風控管理，以及投研與財富管理（理財助手類）等領(lǐng)域。對此，徐啟昌告訴筆者，截至今年3月底，就已經(jīng)有超過23家國內(nèi)銀行發(fā)布了與DeepSeek相關(guān)的應用，這其中主要集中在交易助手、代碼生成、風控、投資等領(lǐng)域。