(資料圖片)

專家表示，當前市場通用的生成式AI模型具備普適、跨行業通用、模糊語言的特性，而這難以滿足銀行業對金融專業能力、精準性方面的高要求。因此，如何讓生成式AI模型“說專業的話”“說真話”就成為銀行業規模化應用生成式AI的兩個關鍵挑戰。

以ChatGPT為代表的生成式AI已經在各行各業引發了廣泛的討論。更重要的是，各領域和行業已經開始積極嘗試推動生成式AI技術落地應用。

在金融領域中，銀行業對于生成式AI技術的應用探索也在逐步深入。“該技術已不只停留于概念階段，如何借力新技術賦能銀行轉型已成為行業必須深入思考的命題。”波士頓咨詢公司董事總經理、全球資深合伙人何大勇稱。不過，多重因素作用下，在銀行體系內規模化應用生成式AI仍面臨巨大挑戰。

波士頓咨詢公司最新發布的《銀行業生成式AI應用報告（2023）》（以下簡稱“報告”）顯示，銀行業應用生成式AI主要遵循兩大類價值創造邏輯：一是替代人，接受大量重復性、簡單基礎的任務，以釋放運營類人力資源；二是賦能人，利用生成式AI的“對話”和“創造”能力，以AI為助手放大關鍵節點“人”的產能，賦能“專業”內容形成和“基礎管理”環節。

生成式AI的應用場景可以貫穿銀行全產業鏈的各個環節：每個職能部門、每條業務線本質上都能找到生成式AI的應用場景。同時，有實踐表明，規模化應用生成式AI有望為銀行業帶來可觀的降本增效收益。

報告指出，銀行業具備由點及面推進生成式AI應用的三大條件，即扎實的數字化基礎、完備的技術能力和多元豐富的數據。而銀行業在推動生成式AI應用落地的過程中有四大舉措需要關注。第一，在探索初期，優選生成式AI應用場景，平衡收益和風險，與傳統AI充分結合；第二，在具體應用過程中，巧用方法，利用嵌入、提示詞設計、微調三大抓手，讓AI生成的答案更專業；第三，在生成式技術能力體系建設上，夯實技術基礎，合理部署、多維選型、全棧升級；第四，在重塑體系規模化應用過程中，遵循10/20/70原則，即10%是模型，20%是整體IT能力升級，70%是業務與組織的轉型，而后兩個因素更為關鍵。

“當前市場通用的生成式AI模型具備普適、跨行業通用、模糊語言的特性，而這難以滿足銀行業對金融專業能力、精準性方面的高要求。”波士頓咨詢公司董事總經理、全球合伙人譚彥表示，“因此，如何讓生成式AI模型‘說專業的話’‘說真話’就成為銀行業規模化應用生成式AI的兩個關鍵挑戰。此外，銀行等金融機構對數據安全的嚴格要求也意味著模型的精調和應用都很有可能需在本地進行。”

報告認為，在對生成式AI的探索中，銀行需具備長線思維，開展體系化的頂層規劃，并與相關業務和科技部門協同共進，推動規模化應用的分步落地。概括而言，可分三個階段由點及面、敏捷推進：第一階段為少量場景的概念驗證和局部落地，即選擇重點應用場景，快速完成概念驗證、構建MVP最小可行產品；第二階段為開展全場景盤點和體系規劃，即基于局部應用的效果和經驗，形成規模化實施的頂層規劃；第三階段則為規模化應用落地和體系能力的固化。

（文章來源：金融時報）

關鍵詞：