界面新聞?dòng)浾?| 何柳穎

界面新聞編輯 | 江怡曼

AI浪潮正在重塑銀行業(yè)。

德勤今年8月發(fā)布的一份報告指出 ，曾經(jīng)需要銀行投入大量人力才能解決的各類(lèi)挑戰在人工智能時(shí)代或將迎刃而解 。例如過(guò)往銀行職能部門(mén)需通過(guò)增加訓練有素的員工才能提升業(yè)績(jì)這一局面
，人工智能技術(shù)將對其帶來(lái)變革性影響
。AI技術(shù)的應用帶來(lái)了運營(yíng)效能的巨幅提升，與雇傭更多員工相比 ，該技術(shù)能實(shí)現同等產(chǎn)能提升的邊際成本更低。

不僅如此
，“游戲規則”或將被改寫(xiě) 。德勤表示，我們從與全球各大銀行的業(yè)務(wù)合作中發(fā)現 ，領(lǐng)先創(chuàng )新機構正奮力推動(dòng)跨越式轉變
。人工智能將不再是“戰術(shù)工具 ”（即加速當前商業(yè)計劃的交付），而將升級成為“戰略決定因素
”（即未來(lái)業(yè)務(wù)規劃將圍繞人工智能能力構建展開(kāi)）。

“AI已經(jīng)融入到銀行日常的營(yíng)銷(xiāo)、服務(wù) 、經(jīng)營(yíng)各個(gè)方面 。”近日
，圍繞銀行業(yè)的AI布局思路與實(shí)踐，招商銀行信息技術(shù)部副總經(jīng)理俞吳杰接受了包括界面新聞?dòng)浾咴趦鹊拿襟w采訪(fǎng)。俞吳杰談及 ，銀行日常工作中存在很多重復性的
、簡(jiǎn)單的流程化工作
，而這恰巧是大語(yǔ)言模型能夠發(fā)揮作用的地方
。

俞吳杰透露
，針對AI與大語(yǔ)言模型，目前招行的重點(diǎn)在于智算平臺的建設。“原來(lái)的服務(wù)器集群叫通算平臺 ，和大模型相關(guān)的叫智算平臺 。智算平臺既包含招行的訓練平臺
，也包括推理平臺
。 ”他提到，招行探索大模型的目標不是建立通用模型 ，而是在金融行業(yè)建設垂直領(lǐng)域的大模型。

銀行與AI

2022年11月
，ChatGPT橫空出世，各大銀行迅速跟進(jìn) 。比如中國建設銀行啟動(dòng)“方舟計劃
” ，推進(jìn)金融大模型建設工程；中國工商銀行率先建成了全棧自主可控的千億級參數規模AI大模型技術(shù)體系
。

從全球競爭看，國內多家金融機構在大模型方面已奪得先機。根據《麻省理工科技評論》發(fā)布的全球金融機構大模型領(lǐng)域專(zhuān)利創(chuàng )新排行榜
，在全球金融機構大模型專(zhuān)利創(chuàng )新領(lǐng)域，中國申請量達1909件 ，占比超75% 。從專(zhuān)利申請量看
，有12家國內金融機構進(jìn)入全球TOP20
。

在俞吳杰看來(lái)，AI與銀行業(yè)適配性非常強。其稱(chēng) ，銀行有三個(gè)重要的“密集型”特征 。 一是數據密集
，包括客戶(hù)數據、行業(yè)數據 、產(chǎn)業(yè)數據等；二是知識密集，包含大量的政策
、法規、條款 、合規等；三是人力密集 ，銀行需要開(kāi)展大量的運營(yíng)工作
，無(wú)論是網(wǎng)點(diǎn)還是后臺的審核，都需要大量的人力
。在這些方面 ，大語(yǔ)言模型能夠產(chǎn)生的價(jià)值面非常廣。

俞吳杰指出
，大語(yǔ)言模型在銀行業(yè)的應用是全方位的 。比如在營(yíng)銷(xiāo)方面，可以借助大語(yǔ)言模型直接生成營(yíng)銷(xiāo)文案 ，并由專(zhuān)人審核，確保內容正確合規；服務(wù)質(zhì)檢方面
，過(guò)去人工客服接聽(tīng)電話(huà)、記錄內容
、整理歸類(lèi)的流程可能需要五分鐘，但現在可以借助語(yǔ)音識別轉換成文本后交給大模型處理 ，可以把流程縮短到“秒 ”級
，大幅提升工作效率；風(fēng)控方面，招行的“天秤”風(fēng)控平臺可以通過(guò)大量的神經(jīng)網(wǎng)絡(luò )算法 ，將客戶(hù)的正常行為和風(fēng)險行為區分
，保障客戶(hù)資金安全......

而在大模型的開(kāi)發(fā)應用過(guò)程中，小模型的使用價(jià)值也并未褪色。

俞吳杰認為 ，大模型的覆蓋范圍會(huì )越來(lái)越廣泛
，因為它可復用，邊際成本會(huì )變低；而小模型需要專(zhuān)門(mén)的開(kāi)發(fā) ，專(zhuān)門(mén)的部署
，專(zhuān)門(mén)的維護，成本會(huì )高 ，但兩者一定會(huì )長(cháng)期并存
。“因為小模型有很好的解釋性與針對性，比如客戶(hù)的信貸額度評測
，這需要很精準的數字要求，通常小模型的表現會(huì )更好 ，我們會(huì )持續用下去。
”

如今在銀行業(yè)
，AI+趨勢已然明確，各大中小銀行應如何入局？

俞吳杰認為 ，從行業(yè)角度看
，大語(yǔ)言模型是一項持續的、規模大的投資，包括建集群 、招聘人才等 ，且資源都比較稀缺
，并非所有銀行都適合大規模投入其中 。銀行業(yè)之間的交流非常多，中小銀行機構可以復用一些業(yè)內經(jīng)驗
。“不建議盲目跟風(fēng) ，尤其是一次性的大投入
，目前大模型的發(fā)展還有很多變數，包括通用大模型哪個(gè)更優(yōu) ，怎么部署等，都還在變化過(guò)程當中。建議中小銀行機構更多地做好行業(yè)交流學(xué)習
，針對自身實(shí)際情況量力而為才是更合適的 。”

通用與專(zhuān)業(yè)

2017年，招商銀行成立了AI實(shí)驗室 ，彼時(shí)的研究范圍主要是語(yǔ)音
、語(yǔ)言、計算機視覺(jué)技術(shù)等
。生成式AI浪潮襲來(lái)
，招行于2024年年初建立了智算平臺。后續，招行將持續提升推理集群和訓練集群算力效能 。

俞吳杰尤其強調算力的重要性
。“算力對于未來(lái)的大模型應用是剛性需求 ，沒(méi)有算力服務(wù)
，場(chǎng)景很難擴展，體驗提升也有限。推理需要時(shí)間 ，你問(wèn)它一個(gè)問(wèn)題
，它需要多久給你答案，這個(gè)是由算力決定的 ，算力必須持續增加 。 ”

針對訓練模型集群的擴大
，俞吳杰稱(chēng)，招商銀行不會(huì )在通用大語(yǔ)言模型上花費更多精力 ，因為通用大語(yǔ)言模型在銀行業(yè)的運用有其弱點(diǎn)——對專(zhuān)業(yè)知識理解有限，在專(zhuān)業(yè)領(lǐng)域數據處理能力較弱
。

囿于此
，招行會(huì )在比較好的通用模型基礎之上，將足夠的專(zhuān)業(yè)領(lǐng)域知識給到大模型 ，“最起碼是銀行業(yè)
，未來(lái)還可能擴展到證券 、保險等與銀行關(guān)聯(lián)性大的行業(yè)
”。

如何“喂料”是關(guān)鍵問(wèn)題之一 。“如今能從互聯(lián)網(wǎng)獲得的專(zhuān)業(yè)語(yǔ)料非常有限，更多的是招行幾十年來(lái)經(jīng)營(yíng)積累的專(zhuān)業(yè)語(yǔ)料給到大模型 ，否則算力再強也沒(méi)有實(shí)用性。 ”俞吳杰表示
。

應用場(chǎng)景方面
，俞吳杰認為，應用場(chǎng)景應選擇“三多
”場(chǎng)景 ，即資金投入多
、人工投入多、耗時(shí)多的各類(lèi)場(chǎng)景
，“AI在這些場(chǎng)景產(chǎn)生的價(jià)值會(huì )更大”。截至2024年10月，招行的大語(yǔ)言模型應用場(chǎng)景已超百個(gè) 。

為進(jìn)一步延伸應用場(chǎng)景 ，招行將自上而下 、自下而上地進(jìn)行嘗試
。自上而下是做好規劃
，在零售
、批發(fā)、中后臺等領(lǐng)域探索應用空間；自下而上是了解一線(xiàn)需求，“最痛的點(diǎn)是什么 ，或者最能產(chǎn)生業(yè)務(wù)提效的點(diǎn)是什么，往往都是一線(xiàn)聽(tīng)得到炮火的員工理解得最深 ”。

值得一提的是
，招行的FinTech基金為以上嘗試提供了容錯成本 。“對于大語(yǔ)言模型的基礎設施建設和應用，總行是全力支持 ，基本上都能通過(guò)FinTech基金走綠色通道
。
”俞吳杰談及。

人與機

技術(shù)總有缺陷
，大語(yǔ)言模型亦不例外 。

“風(fēng)險之一是大模型幻覺(jué)，這對銀行的應用非常不利
。”俞吳杰強調。針對此 ，招行給出了兩個(gè)解決辦法
，一是保留人工審核，二是應用檢索增強生成技術(shù) ，讓大模型對接外掛知識庫 。

“另外一個(gè)困難是資源消耗非常大
。 ”俞吳杰稱(chēng)
，若性能沒(méi)有調優(yōu)，等待時(shí)間很長(cháng) ，會(huì )影響客戶(hù)體驗。因此需要不斷擴大算力
，提高性能 。

“數據隱私也是一個(gè)比較大的考量因素，尤其在訓練環(huán)節里 ，一定不能使用客戶(hù)敏感信息。
”俞吳杰表示，如果數據管理不夠嚴格
，大語(yǔ)言模型可能會(huì )泄露隱私，因此招行在數據訓練的準備上非常謹慎
。

“最后 ，大語(yǔ)言模型對于答案生成的可解釋性比較弱
，你給他一個(gè)輸入，他會(huì )給你一個(gè)輸出 ，但為什么是這個(gè)輸出呢？”俞吳杰舉例稱(chēng)
，比如做貸款發(fā)放審批的時(shí)候，為什么機器審核結果有的是同意 ，有的是不同意？

在俞吳杰看來(lái)
，大語(yǔ)言模型的神經(jīng)網(wǎng)絡(luò )邏輯是一個(gè)“黑盒子 ”，在某些決策場(chǎng)景可能并不適用 ，這也意味著(zhù)
，大語(yǔ)言模型對場(chǎng)景是有選擇和要求的。

因此，為優(yōu)化客戶(hù)體驗 ，目前招行推行的是“人+數字化”的協(xié)同模式 。俞吳杰認為，單獨由人來(lái)解決
，有溫度但成本很高，解決不了規模效應問(wèn)題；單獨由機器來(lái)解決 ，效率很高
，但可能給部分客戶(hù)帶來(lái)糟糕的體驗
。

“對招行而言，更重要的是怎么把兩者結合好。在產(chǎn)生規模效應 、提高效率的同時(shí) ，也能提升客戶(hù)滿(mǎn)意度
，人機結合將是我們未來(lái)很重要的客戶(hù)服務(wù)形式 。
”