2023中国金融业人工智能行业应用发展图谱

易观智慧院2023年12月 金融业人工智能行业应用发展背景01 中央强调金融赋能实体经济主旋律，人工智能等数智技术融合模式创新推动金融高质量发展 中央金融工作会议强调金融是国民经济血脉，要为经济社会发展提供高质量服务。从金融机构主体角度而言，一方面，围绕各个产业中的实体企业所进行的数字化金融服务，与围绕自身数字化转型所进行的金融创新，需要进行有效对接。另一方面，打造现代金融机构和市场体系，疏通资金进入实体经济的渠道，需以AI等数智技术为驱动进行多方融合共建产业生态，通过模式与技术共振，进行金融资本和金融科技综合精准赋能，将有力促进产业结构优化升级和金融高质量发展。 数智技术赋能产业金融发展特征 随着数字技术纵深发展，产业应用场景不断拓展，实现了线上融资、风险评估、交易撮合、营销决策等环节的数字化；同时，数字技术应用弥补了传统金融风控局限，改善银企之间信息不对称导致的服务可得性不足、信贷资源投放不精准和决策误差，对实体经济赋能作用显著增强。 产业数字金融以数据为核心要素将金融和产业进行有机结合，依托数字技术的深入应用，相应生态主体能够实现协同合作，形成更加细分的生态模式。 通过对数字技术的创新运用，产业数字金融形成了标准化的产品体系，面向企业能够快速批量提供基础融资产品，且能够覆盖企业全生命周期，配套服务明显呈现综合化发展趋势。 AI塑造金融智能交互与KYC探查能力，全面升级客户服务体验 金融行业普遍采用智能客服介入客户服务环节，但是目前智能客服仍然以“搜索”为核心应对用户疑问，重在快速解答。生成式AI能够结合多轮对话与KYC探查能力，有效提升用户对话体验。同时，基于AI交互与沉淀数据，构建客户体验指标评价体系，使客户体验做到可监测可度量。在体系搭建过程中基于统一客户旅程，围绕核心业务目标逐层拆解，利用AI技术持续跟踪、检视和对标分析，通过监测分析优化客户体验、提升流程规范与业务合规程度。 人工智能进入生成式阶段，知识战略与数据战略并重，成为银行下一阶段技术能力分化的核心 银行作为知识密集型行业，引入生成式AI能力，一方面能够加速金融领域知识的生产和更新，使银行能够更快速地应对市场和客户需求的动态变化，丰富内外部应用场景的智能化水平；另一方面，将生成式AI具有的隐性知识和推理能力，与金融知识库显性知识进行的有效融合，传统金融知识体系的学习门槛、学习效率都将得到改善，相应地，客户的交互体验、员工的工作和学习模式也将迎来显著改变。在这个过程中，需要银行在数据战略基础上，同样考量知识战略的搭建与落地，从而能够以“知识”为抓手形成从数字化到智能化的跨越。 金融业人工智能行业应用发展图谱及行业应用案例02 AI应用赋能金融行业提质增效，“AI+金融”正在进入深化应用创新阶段 金融行业进行数字化转型建设的起步早，当前行业整体数字化成熟度较高，具备人工智能深入应用的良好土壤，也是生成式AI、大模型率先实现行业落地的重点领域。人工智能技术应用场景的广度不断扩展，目前已经覆盖营销、服务、投研、投顾、风控、研发等前中后台数字化经营关键环节，于行业而言，其核心价值将在原有AI能力的基础上进一步释放，结合业务云化趋势，“AI+金融”正在进入深化应用创新的阶段。 业务运营降本增效，释放人力资源进入高价值环节 赋能金融场景创新，提升千人千面的 客户能力 激活数据要素价值，进一步促进金融普惠化 •AI可依据业务规则，替代执行简单重复劳动，从而释放出更多的人力资源，向高价值环节迁移；•以人机协同方式，一方面能够辅助员工在内外部场景下提高效率，另一方面融合AI与行业know-how能够更精准捕捉客户需求，使金融决策从经验驱动向数据驱动转化，使财富管理、智能投顾等高价值场景更具智能化。 •客户需求+金融知识是推动金融创新的基本要素，传统的创新模式更多依赖于业务专家的能力，人工智能的应用引入了智能化的创新因子，能够结合潜在需求，融合知识图谱提供更多创新方向；•借助AI能够了解、分析客户情绪，在智能客服、营销、投教等环节，提供千人千面服务能力，升级客户体验。 •改善原有外部数据离散、内部数据孤岛等问题，借助AI在数据捕捉、整合、分析挖掘等方面的能力，激活数据要素，释放关联数据价值，一方面能够帮助金融机构拓展过去难以覆盖的群体，增加盈利空间，带来新增长点，另一方面能够解决信息不对称问题，降低金融服务门槛，使金融资源能够惠及更多的长尾客户、小微企业。 金融行业AI应用核心场景与关键提升 金融行业AI应用图谱 银行业AI应用案例：工商银行加速五维布局，AI赋能全链路智能应用 工商银行集团数字化品牌“数字工行（D-ICBC）”，率先提出了“数字生态、数字资产、数字技术、数字基建、数字基因”的五维布局，其中，人工智能技术在其中扮演着关键角色。以大规模金融应用为目标，工商银行的企业级人工智能技术平台围绕Mlops理念，实现数据、算法、模型、服务、场景等智能信息的统一管理、统一运营，已广泛应用于客服、运营、风控、产品创新、生态等场景智能。 工商银行企业级人工智能技术平台应用实践 •智慧普惠 利用人工智能形成客户准入模型、授信模型，打造了一触即贷、秒级放款的“经营快贷”“e抵快贷”等产品，有效实现向小微企业的精准滴灌。 •智慧政务 打造“1+N”智慧政务产品体系，建设“一网通办”政务服务平台，全面推进政务数据融合，在29家分行落地300多个政务合作场景 •数据要素层：基于企业级数据中台，复用全行数据的融合共享、资产治理能力，给智能化建设提供统一的数据支撑。智能底座层：封装异构算力、异构算法、异构框架，夯实公共AI技术软硬件基础设施的统一供给能力。智能开发层：以低门槛、低代码为目标，建立统一的AI工作站，实现各垂直领域的通用+专用AI建模能力，满足全领域全场景的建模需要。•智能服务层：沉淀可跨机构、跨部门、跨产品共享的通用智能服务和业务专用智能服务，加速人工智能场景落地。 •智慧风控 在防盗刷、老年人转账等高风险领域加强异常交易监控，有效保护客户资金安全。 银行业AI应用案例：工商银行加速五维布局，AI赋能全链路智能应用 工商银行金融大模型应用探索 工商银行与鹏城实验室、清华大学、中国科学院、华为等联合发布了基于昇腾AI的金融行业通用模型，首家实现了企业级金融通用模型的研制投产。当前已应用于员工智能助手、知识运营助手、金融市场投研助手等多个场景。 智能知识管理 远程银行客服 事前智能客服知识运营阶段，利用大模型自动完成数据标注与知识维护，助力提升传统智能客服分流质效。在事中服务客户阶段，利用大模型打造前情摘要功能、知识随行功能、工单智能填写功能，极大提升坐席运营效率，压降通话时间。在事后质量检查阶段，生成传统质检AI模型数据，即模拟坐席及客户问答，提升传统质检模型准确率。 围绕远程银行中心数千人的客服团队，贯穿坐席事前、事中、事后全流程，聚焦对客服务中枢的运营团队、群体基数较大的人工坐席、工作量较为繁重的质检人员，重新定义该群体的作业和生产模式，基于大模型能力赋能全流程业务场景。 网点员工智能助手为一线员工提供规章制度、业务文档等智能问 答支持 智慧办公 智能研发 升级办公模式，利用大模型的文本生成、问答能力，围绕邮件、文档、会议、员工日常事务等方面，优化行内办公工具的交互体验，助力全行40万员工的办公效率提升。比如会议纪要生成，根据会议对话内容，大模型快速生成会议纪要初稿，降低人工记录会议纪要的成本，助力全行办公领域智能化。 利用大模型代码生成、代码识别与检测、代码转自然语言等领域的全方位能力，构建基于大模型的智能研发体系。截至目前人工智能编码助手共收集到超2100万个字符编码数据，录入代码超80万行，编码助手生成代码量占总代码量的比值从20%提升至40%，有效提升一线开发人员编码效率和质量。 创新投研助手实现金融市场投研报告的分 知识运营助手高效、精准实现资料提炼、 钟级智能生成 数据标注与知识维护 银行业AI应用案例：光大银行基于人工智能打造财富客户线上销售平台 光大银行为实现“打造一流财富管理银行”的战略愿景，逐年加大科技投入进行数字化转型，已在财富管理业务的多个领域实现了业务突破。其中，基于人工智能的财富客户线上销售平台集中实现了线上理财产品智能AI交互过程中的“听说读写”能力，减少人力资源投入并提升审核效率，同时能够确保审核标准统一、产品信息充分披露，提升财富管理业务关键节点的智能化水平。 人工智能在光大银行财富管理业务中的应用 智能讲解 通过AI技术智能读取内部及外部数据平台的产品数据生成双录讲解语音，保证产品销售过程中产品信息得以充分披露，帮助客户更好了解产品和评估投资风险。 智能视讯通过人脸识别、AI视频风险交互认证等流程完成线上实时视讯鉴证，对合格投 资者审核过程标准统一，话术统一。智能语音交互技术揭示投资风险和确认客户本人意愿，避免人工执行中风险揭示不充分、话术不标准、审查执行不到位等情况，有效降低理财产品销售合规风险。 智能审核采用基于深度学习、自然语言处理技术的OpenKV模型，能够对征信报告、收入 证明、手机网银账户截图、web网银账户截图、银行存款证明、理财持有证明等资信材料中的关键信息进行提取，实现非结构化数据的结构化转化，且审查标准统一、识别反馈精准快速，能够有效降低人工操作带来的风险。 银行业AI应用案例：中国农业银行ChatABC应用于多轮对话、内容摘要等场景 l建设目标：着眼于大模型在金融领域的知识理解能力、内容生成能力以及安全问答能力，实现金融知识理解和智能问答应用 l建设要点：对于大模型精调、提示工程、知识增强、RLHF等大模型相关技术进行综合应用，结合农行研发支持知识库、内部问答数据以及人工标注数据等金融知识进行融合训练调优 l参数规模：百亿级 l当前能力：可初步具备自由闲聊、行内知识问答、内容摘要等多类型任务的服务能力 l探索场景：已在行内多个渠道以多轮问答助手、工单自动化回复助手等形式面向内部员工开放试用 保险行业AI应用案例：中国太平洋保险以大模型拓展保险数字劳动力场景生态 中国太平洋保险聚焦“大健康、大区域、大数据”三大方向实施战略布局，2023年进一步深化AI赋能落地，推进以数字员工为核心的“保险数字劳动力生态”。在大模型技术方面，太保积极探索为保险科技带来新的应用范式，尝试拥有大模型能力的数字员工在保险行业的更广泛应用。 人工智能在中国太保业务中的应用 数字员工 太保科技联合数智研究院基于大模型建设应用探索人机协作终端“数字员工”，能够通过任务指令识别作业意图，具备自主规划和任务执行能力。目前，该终端已在中国太保审计中心进行能力试点，构建了审计检查、公文质检等多名审计数字员工。通过数字员工与真实员工人机编队的工作方式，助力提升审计监督效能。 RPA黑灯工厂 审计检查、公文质检、咨讯问答…… 黑灯工厂（Smart Factory）即为流程自动化集约运营平台，可24小时无休运行，集中部署、集中运行，集中管理，替代产险部分标准化、流程化的工作，并建立了营运、个客、团客、农险、财精再、法律合规、人力资源、行政办公等八大车间。目前，仅中国太保产险“RPA黑灯工厂”上海总厂的120个机器人可同时运营440多个RPA产品，其中活跃产品230个，几乎覆盖产险所有业务条线。 中国太保保险数字劳动力实验室 中国太平洋保险与华为、科大讯飞共同成立中国太保保险数字劳动力实验室。基于大模型的数字劳动力在保险场景中将拥有广阔的应用前景，助力实现更优的客户服务体验与保险行业智能化升级。保险数字劳动力实验室将在算力基础设施、底座大模型、场景领域知识等方面深度合作，通过优势互补、风险共担和成果共享的模式，共同探索保险基础大模型的建设和保险领域数字劳动力的应用。 智能决策中枢 根据场景对数智化能力做融合编排，同时支持持续的反馈学习，可支撑精准营销、数据运营、智能助理、智能风控等数智应用。依托智能