银行业：（中国）】银行保险金融机构生成式人工智能（GenAI） 战略报告

摘要 生成式人工智能(GenAI)是人工智能的细分领域，其代表性应用ChatGPT的问世在全球范围引起巨大震动。 ►大型语言模型(LLM)是ChatGPT技术的基础模块，它是一种深度学习算法，可识别、预测和生成基于上下文关联的文本，并在大量数据集上进行训练。 ►基于ChatGPT的能力，企业可提供大规模、个性化和更高效的客户互动，进一步提升客户参与度和满意度。此外，生成式人工智能还将颠覆现有产品、流程、运营方式乃至商业模式，并通过赋能不同的业务职能，为企业带来全新转型机遇。►随着生成式人工智能开始带来新的机遇，董事会和企业管理层需开始围绕人才团队、基础设施、可访问性及其他一系列错综复杂的问题制定强有力的战略。►与所有其他生成式人工智能工具一样，ChatGPT仍处于萌芽阶段，并且其定义和能力仍在不断更新。未来在ChatGPT的引领下，利用大型语言模型和生成式人工智能的业务潜力将拥有广阔的想象空间。 金融行业中不少细分领域的领先者已经开始将生成式人工智能引入业务实践，将这一技术广泛应用于不同业务场景，其卓越的内容理解和创造能力将对金融服务行业不同细分赛道带来极大的效能提升。 若想率先在人工智能快速迭代的技术浪潮中确立竞争优势，金融机构应尽早审视自身战略发展过程中所面临的技术相关风险和阻碍，及时完成战略思维的转变；同时制定人工智能战略相关落地与流程管理保障机制，结合企业自身处境制定完整及契合自身发展节奏的人工智能战略规划、战略实施路径以及技术用例实施方案。 技术发展背景 什么是生成式人工智能（GenAI）？GenAI是人工智能的细分领域，可以通过学习现有数据来生成新数据，实现类人的创造力 人工智能是计算机科学的一个领域，主要研究如何创造出具备人类智慧的智能机器。 机器学习是人工智能的一个子领域，广义上是一种机器模仿人类智能行为的能力。 深度学习是机器学习的一个子集，本质上是一种具有三层或更多层的神经网络学习。 生成式人工智能是人工智能的一种，它可以基于训练过的数据，利用大型语言模型、变换神经网络和生成式对抗网络等技术，创建图像、文本、音频或视频等新内容。 GenAI的重要性体现在哪里？GenAI拥有普通AI不具备的内容创造能力，其中代表性应用ChatGPT的问世震动全球 一种能创造如文字、代码、图像、音频和视频等全新内容的深度学习 为何了解生成式人工智能非常重要? 随着对其新兴功能和能力边界的快速探索，生成式人工智能的范围和对商业运行的影响正在迅速扩大 GPT与ChatGPT的关系：GPT是OpenAI1为用户提供的人工智能模型统称；ChatGPT是其中专门针对聊天界面问答进行训练的版本 生成式人工智能见证了前所未有的数字化应用。大规模投资正在涌入人工智能领域，创新热潮不断升温，ChatGTP的出现亦唤起各行业对自身业务的重新审视 生成式人工智能无法取代企业领导者的地位，但却能大大提高其领导力，企业需要重新制定战略，梳理各个业务职能节点结合人工智能工具的可行性 虽然生成式人工智能的具体功能可能因平台而异，但从底层逻辑上看存在某些共性。这些特性使其成为企业寻求创新并在竞争中保持领先地位的有力工具 可扩展性 适应性 创造力 生成式人工智能可处理大型数据集和任务，因此适合企业级应用 生成式人工智能可以快速、准确地执行重复性任务，让员工可以专注于更有价值的任务 它能够产生新的想法、设计和解决方案，帮助组织创新并在竞争中保持领先地位 作为生成式人工智能技术的卓越代表，当前热门应用ChatGPT的战略优势可帮助企业转变用户体验并简化业务运营 从更广义的商业世界看，生成式人工智能将颠覆现有产品、流程、运营方式乃至商业模式，带来全新转型机遇 2 场景应用机会 生成式人工智能包含信息处理、信息检索、新内容生成三大基础组件，可在多种场景下应用，赋能银行保险金融机构 基于生成式人工智能的自动化作业可广泛应用于金融机构各个业务职能的多类型场景 不仅如此，生成式人工智能技术还将通过语言、声音、图像相结合的方式为不同业务单位和职能部门创造价值 金融服务领域的新一代人工智能相关举措：金融业各细分领域头部玩家已采取行动，利用生成式人工智能工具赋能多个核心业务环节 金融行业细分赛道已有多家企业启动了融合生成式人工智能技术的场景实践… 生成式人工智能在金融行业的核心应用实例 财富管理行业：核心应用于客户挖掘、整体财富管理建议、财务规划方案等领域资产管理行业：核心应用于前台投资人关系维系、交易支持、交易合规管理、销售和渠道管理等领域零售银行：核心应用于客户挖掘、信贷管理、信用卡和支付管理等领域投资银行：核心应用于财务框架研究分析、交易条款分析、法律合规分析等领域对公银行：核心应用于信贷审批、风险管理、运营和资金管理、客户挖掘等领域资本市场：核心应用于账户开立、交易执行、交易后处理、风险管理等领域财险行业：核心应用于客户获取、核保、保险方案定制、理赔处理、损失分析等领域寿险行业：核心应用于账户开立、核保和风控、定制化保险方案、风险模型预测等领域金融科技行业：核心应用于客户画像、数字化资产管理、运营流程优化等领域支付行业：核心应用于账户开立、支付处理、账户管理和动态风控等领域 …其中在金融服务的各个细分领域中，可以覆盖并产生效益的应用场景相当广泛 案例研究-财富管理：某财富管理公司通过嵌入生成式人工智能工具，大幅提升内部知识库使用效率，同时通过分析工具赋能财务顾问、改善客户服务体验 问题陈述 一家大型财富管理公司正在实施一项以嵌入人工智能工具为核心的计划，希望将OpenAI集成到核心业务平台中，目的是：(i)改善员工（财务顾问、服务助理）对内部信息的访问；(ii)提高员工的工作效率；(iii)改善客户体验。 项目价值 使用案例 内部知识管理 已开发 效率提升：简化内部流程，节省时间沟通一致性和准确性：大幅降低业务错误和语境误解情形的发生定制建议：生成量身定制的财富管理建议和配置方案迭代学习：通过对历史案例的学习，为未来战略和最佳实践提供依据能力建设：提高满足客户需求的能力和高价值客户挖掘能力 通过虚拟助理、强化搜索和创建高质量元数据（摘要、分类、常见问题），提高组织知识库的访问和检索能力 内部知识管理虚拟助理搜索元数据（摘要、分类、常见问题） 呼叫中心分析 通过记录客户关系管理系统（CRM）关键内容、标记对话中的商机和风险、为员工培训提供交互洞察等举措，提高座席人员的工作效率和客户体验 安永支持领域 案例研究-筹资建议书的起草和管理：生成式人工智能卓越的文字语言整理能力帮助某金融服务机构提升客户项目筹资报告撰写效率和准确性 某金融服务机构正在运用大型语言模型自动管理投资项目筹资流程，具体做法是：(i)从项目介绍中提取关键概念；(ii)以最小的工作量整合项目相关文档并起草筹资建议书 案例研究-ERP管理与理解：某基金销售平台通过打造“ChatERP”工具简化业务查询与决策流程并提高生产力 问题陈述 金融机构面临的业务环境和合规要求日益复杂，金融行业也需要高效的方法来管理其企业资源规划（ERP）系统。然而传统的ERP系统界面通常较为复杂，操作这些系统需要较为高阶的技术知识积累，对用户使用的门槛要求通常较高 ChatERP利用生成式人工智能的力量，通过自然语言实现直观的ERP互动，通过聊天实现数据无缝访问和更新，为所有用户简化决策并提高生产力 自定义答案U:用户C:ChatERP 定制的大型语言模型 将企业资源规划与数据湖相结合 案例研究-知识管理：某银行通过运用生成式人工智能工具提升线上平台客户服务效率、有效降低客户在账户开立等方面的问题咨诉率 现状优化 现状 1.大型语言模型可为上下文搜索创建更丰富的内容嵌入，并适应自然语言查询，从而增强搜索功能 1.搜索仅限于关键字搜索，在根据查询上下文进行搜索时效率低下 2.大型语言模型可用于自动生成元数据，这些元数据可由作者审查后发布 2.内容元数据往往较为缺乏，而且经常面临完整性和准确性问题 3.可以利用大型语言模型驱动的内部聊天机器人来分析内容，并为用户找到/合成正确答案 3.聊天机器人建立在一套预先确定的常见问题清单基础上，因此回答仅限于这些内容领域 解决方案流程示例： 综合见解 问题如何开设支票账户？ 生成式人工智能在金融机构部署的架构示例：通过输入结构化或非结构化数据，GenAI即可在大语言模型的支撑下通过分类、识别、排序和微调等步骤来完成文本内容输出工作 过程解析 预处理1：初步合并聚类文本信息，使用OCR识别文本之间的逻辑关系预处理2：将查询文本限制在令牌限制的范围内，利用分类模型进行逻辑分组和排序个人专属标识脱敏：利用微软语言API或自定义标识进行脱敏，做到数据可用不可见提示工程设计：完成提示工程相关设计，即设置查询逻辑，并提取最优信息输出模型微调：以确保模型训练正确性，防止利用特定数据训练而出现误差的情形后处理1：对响应进行处理，以合并所有处理结果后处理2：评估响应的正确性、偏差和漂移，然后采取适当的调整策略 关键应用挑战 从技术角度考量，金融机构应尽早审视自身战略发展过程中所面临的技术层限制因素 纵观整个企业战略蓝图，每个组织都必须深入思考发展人工智能技术的相关风险和阻碍 模型井喷式发布 海量技术开发 缺乏技术人才 意外后果及应对 道德与法律环境 为什么人工智能战略至关重要？人工智能战略帮助企业更快地确立竞争优势，思考并确定相关制度与准则工具同样关键 关键考虑因素 网络与数据安全：协议和监控必须自上而下进行，以防止漏洞的出现3 在加快追求竞争优势的同时，需要…… 品牌与体验：在员工和客户体验中采用生成式人工智能具有很高的上行价值，但同时也蕴藏巨大的潜在风险，必须快速部署并加以控制4 为什么生成式人工智能的应用需要从战略规划入手？以战略为引领的组织才能提前扫除障碍，更大程度提升人工智能对企业发展的价值 在生成式人工智能应用的早期阶段建立管理框架，可最大限度地提高上行价值，并最大限度地降低下行风险 以人工智能战略为引领的组织... 不以人工智能战略为引领的组织... 在人工智能实现之前了解并降低其风险主动识别人工智能部署的高价值领域推广在早期试点中发现的经验和最佳做法在创造收入的同时保护收入，从而加快投资回报率大规模采用人工智能，最大限度地扩大对各职能部门和业务单位的影响 各自为政地采用人工智能，从而限制了规模、投资回报率和可见性造成优先级混乱，导致投资分散被动应对风险，损害声誉和财务在采用人工智能的整个生命周期中，各业务单元重复犯错 制定人工智能相关政策、落地流程和实施指南可较大程度帮助企业顺利转型变革 生成式人工智能将大大改变传统的数据战略方法，以知识战略为基础的同时塑造数据架构 4 如何战略布局 深厚的数据基础、丰富的场景用例、较强的科技能力、领先的金融专长和前瞻性的战略布局，是金融机构在发展生成式人工智能应用过程中能够脱颖而出的关键 怎样的金融机构才能在当前趋势下取胜？ 在细分领域更具金融专长的金融机构有望基于对行业的深度理解和丰富经验、广阔的业务网络和深厚的产业资源，顺应生成式人工智能浪潮实现自身业务的迭代升级 提前进行应用布局的金融机构能够率先搭建较为完备的人工智能生态、进而为促进技术迭代，实现市场领先金融业各细分领域头部玩家已采取行动，赋能多个核心业务环节 若金融机构通过前期投入已建立了较为完善的系统，则有望较大幅度降低发展生成式人工智能应用成本例如某基金销售平台在ERP系统之上打造“ChatERP”以提高生产力 第三方IT服务商所提供的算法和算力资源或已经能支持金融机构的人工智能布局而未来真正能够体现生成式人工智能在金融服务上差异化的核心要素是各金融机构的专有数据储备 打造商业模式闭环、实现商业