【专家说】DeepSeek爆火，银行业智能化升级的挑战与应对

核心观点与关键数据

• 银行业智能化发展差异较大：头部银行已完成数字化并开始智能化转型，中型银行处于数字化后期并试水智能化，中小银行仍需补基础数字化课。
• 双轮驱动迎接挑战：AI的三大要素（数据、算法、算力）需同步发展，基础设施和应用场景相互促进。
• 基础设施为智能化提供底层支撑：关键点包括数据平台、云平台、训推平台，需具备弹性能力支持模型训练与推理。
• 应用落地体现AI价值：通过DeepSeek等工具快速落地AI应用，验证业务成效并锻炼人才，主要场景包括代码助手、知识引擎、ChatBI、对公竞调等。

业务场景与价值

• 代码助手：提升研发效率，实现代码补全、生成、纠查等，某银行研发团队代码行采纳率达近30%。
• 知识引擎：降低知识构建成本，提升对话交互智能化，包括智能客服、坐席服务、营销助手等。
• ChatBI：通过AI增强BI系统，实现数据接入到可视化呈现的全流程智能化，降低用户使用门槛。
• 对公竞调：利用大模型提升数据收集与分析效率，加快报告撰写速度，支持普惠金融。

挑战与应对

• 积极拥抱变化：需进行科技团队范式改造、多部门整合、管理模式重塑，形成数据飞轮。
• 人才培养：需培养懂模型、工程思维及架构思维的专业人才。
• 厂商合作：需与厂商共同进行开拓性尝试，释放生产力，迎接AI时代。

研究结论

银行业智能化转型需基础设施和应用场景双轮驱动，同时进行组织与人才变革，才能释放生产力，实现新一轮快速发展。