“生成式AI技術在金融業中的應用尚處于技術探索和試點的并行期，預計1—2年內，首批大模型增強的金融機構會進入成熟應用期，3年后將會帶動金融業生成式AI的規?；瘧?。”
由清華大學經濟管理學院、度小滿、《麻省理工科技評論》中國、清華大學經濟管理學院動態競爭與創新戰略研究中心聯合編寫的《2024年金融業生成式人工智能應用報告》（以下簡稱《報告》）日前做出如上預測。
《中國經營報》記者了解到，《報告》關注了國內外170余家銀行、保險、資管等金融機構，系統性揭示了金融業生成式AI的創新能力、商業價值和政策期望，為國內金融機構應用生成式AI技術提供了指引。
報告主要負責人、清華大學經濟管理學院副院長李紀珍表示，2023年是基礎大模型智能涌現的一年，2024年生成式AI將從模型層走向應用層。開拓落地應用場景，不斷提高客戶采用率和大模型利用率，將會是2024年生成式AI突破發展的重要內容。
生成式AI釋放金融業全新生產力
毋庸置疑，生成式AI正在席卷金融業，釋放新的生產力，賦能銀行數字化轉型，以前所未有的方式重塑全球金融業的格局。
《報告》指出，金融業是單位數據產出的行業，銀行業每100萬美元的數據產出高達820GB，是制藥行業、零售行業的2倍多。目前，我國金融機構的數據資產規模達到了千億級，蘊藏巨大商業價值?！霸阢y行充分釋放高質量數據價值的過程中，有望給金融業帶來3萬億規模的增量商業價值，并可能將徹底改變交易的進行、投資的管理和風險的評估方式?！?/p>
具體到金融業細分領域，《報告》指出，在零售銀行和財富業務上，生成式AI可以創建合成數據來幫助訓練KYC背后的機器學習算法，還可以為虛擬助手創建更準確的自然語言模型。
在中小企業銀行業務上，除了支持更復雜的虛擬助理之外，生成式AI還將幫助解釋包含非數字數據（例如商業計劃）的小企業貸款申請。
在商業銀行業務領域，生成式AI將加速商業銀行的后臺任務，例如在復雜場景下實時回答有關客戶財務績效的問題，還可以通過增加某些經濟條件下業務績效的稀疏數據來幫助訓練預測算法。
在投資銀行和資本市場領域，《報告》認為，生成式AI可以幫助銀行對包含復雜、非流動性金融產品的資產負債表進行壓力測試。通過綜合各種場景的測試數據，生成式AI可以使金融穩定措施更加精確并降低合規成本。
在支付領域，生成式AI進一步重塑交易方式?；A大模型支持的聊天機器人(10.210, -0.12, -1.16%)和虛擬助理提供即時客戶支持、解決查詢，甚至提供個性化的金融產品和服務。
國內頭部銀行的科技負責人表示，相比傳統模型，生成式AI大模型最突出的是工作效率的提升、輔助代碼編寫等，能大幅提升從想法到原型的開發速度。
萬億增量市場如何開發？
以我國銀行業為例，根據財報信息顯示，已有工商銀行(5.090, 0.08, 1.60%)、農業銀行(3.860, 0.06, 1.58%)、平安銀行(9.620, 0.12, 1.26%)、北京銀行(4.960, 0.06, 1.22%)等6家上市銀行公開發布大模型技術開發與應用的信息?！秷蟾妗氛J為，生成式AI在保險和證券業等金融機構中的商業應用會有所延遲，但整體差距不會超過一年。高質量數據將是銀行和其他金融機構的核心競爭力，這將會加速金融機構的組織變革與業務轉型。
但必須看到，生成式AI的發展仍在早期，在金融業的鋪開還需要時間?！秷蟾妗分赋觯竽Ｐ烷_發和使用的高成本也是阻礙其在金融業應用的主要原因，一些預算緊張的小型銀行無法使用它。
度小滿CTO許冬亮表示：“短期看，大模型是數智化的延伸，為企業降低成本、提升效率；長期看，大模型將演進為超級智能體，重構企業業務流程。”在他看來，2024年將會是生成式AI應用涌現的一年——在B端場景，生成式AI將大幅提升數據創造價值的效率。在C端場景，大模型已經在從大語言模型向多模態大模型、Agent智能體，甚至具身智能方向進化，這些新能力的注入，會極大提升生成式AI的人類交互能力和任務處理能力。
需要注意的是，面對萬億級別的市場空間，市場機構應該形成一定業務共識。針對此，《報告》提出了國內金融機構在2024年采用生成式AI時需要遵循的八項原則建議：
一、正確認識生成式AI的作用域；
二、模型參數并非越大越好；
三、技術先進性和業務可持續性是選擇合作伙伴的兩個關鍵標準；
四、生成式AI技術的開發者實際上也是重要的監管者；
五、著眼于端到端解決方案，而不是讓它成為一個點解決方案；
六、根據實際情況確認應用的優先級順序；
七、把大模型帶到數據中心環境中運行，而不是把數據帶到大模型所在的地方；
八、由首席執行官直接牽頭指導負責任的人工智能治理框架。
來源：《中國經營報》
