AIGC在银行业的悄然崛起：它将如何改变银行业务？

今年以来，随着Chat GPT的火爆，生成式人工智能（AIGC、生成式AI）技术越来越备受金融行业的重视。为最早应用传统AI技术的领域之一，银行业也正积极试水生成式AI在行业内各领域和场景下的应用。

“该技术已不只停留于概念阶段，如何借力新技术赋能银行转型已成为行业必须深入思考的命题。”近期，波士顿咨询公司（BCG）发布《银行业生成式AI应用报告（2023）》，董事总经理、全球资深合伙人何大勇称，当前AIGC落地银行业仍处于最初级的阶段。在多重因素作用下，银行体系内规模化应用生成式AI仍面临巨大挑战。

何大勇预计，AIGC将成为银行核心竞争力。未来三到五年，AIGC应用或成为银行发展好坏的分水岭。而银行业在构建AIGC过程中，短期内靠创新能力，中期靠独有的数据将大模型调节得更加精准可靠，而从长期来看则需要依靠人才的培养。

AIGC在银行业大有可为 价值释放前景可期

得益于科学算法的突破和工程算力的进步，生成式AI相较于传统AI展现出了突破性的对话和创造能力。对于银行业而言，波士顿咨询认为，AIGC技术在赋能银行业发展中大有可为。

根据波士顿咨询发布的《报告》显示，就“对话”能力而言，传统AI在回答问题时往往对上下文的理解欠缺，导致答案相关性较低，表达机械化；而生成式AI则能够理解更长的上下文，并进行拟人化的思考和回答，与人类进行更自然的对话沟通；在“创造”能力方面，传统AI只能按照预设任务输出答案（如分类、数值预测）；而现在的生成式AI能够自动生成自洽的图形、文字创作甚至代码，具备优秀的内容创作能力。

《报告》认为，银行业应用生成式AI主要遵循两大类价值创造逻辑：一是替代人，接受大量重复性、简单基础的任务，以释放运营类人力资源；二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。

波士顿咨询公司董事总经理，全球合伙人谭彦表示，生成式AI的应用场景可以贯穿银行全产业链的各个环节：每个职能部门、每条业务线本质上都能找到生成式AI的应用场景。同时，有实践表明规模化应用生成式AI有望为银行业带来可观的降本增效收益。

此外，何大勇还指出，AIGC可以让银行中“超个性化”的业务发展更快。通过AIGC，银行可以更加精准快速地根据客户画像生成推荐产品。其中，从标签到算法，再到内容展示环节，AIGC在两端都是非常大应用的空间。

规模化应用仍面临挑战 银行仍需系统性规划

波士顿咨询发布的《报告》指出，银行业具备由点及面推进生成式AI应用的三大条件，即扎实的数字化基础、完备的技术能力和多元丰富的数据。但规模化应用仍面临挑战。

“当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求，”谭彦表示，如何让生成式AI模型“说专业的话”“说真话”就成了银行业规模化应用生成式AI的两个关键挑战。此外，银行等金融机构对数据安全的严格要求也意味着模型的精调和应用都很有可能需在本地进行。

BCG合伙人兼副总裁，BCG中国区首席数据科学家窦德景告诉贝壳财经记者，当前银行不需要自己训练大模型，而只需要在供应商已训练好的大模型基础上，用自身积累的专业化数据对其进行微调，而所谓的微调则主要是为了改变重要参数权重。这对于银行业而言，其成本和难度并不会太高。

《报告》亦认为，在具体应用过程中，巧用方法，利用嵌入、提示词设计、微调三大抓手，让AI生成的答案更专业、实事求是。例如利用嵌入，可以使大模型能基于给定的数据库来生成答案；而利用提示词设计，则可使模型给出切合专业性要求的准确答案。

此外，《报告》还认为，银行需具备长线思维，开展体系化的顶层规划，并与相关业务和科技部门协同共进，推动规模化应用的分步落地。在生成式技术能力体系建设上，夯实技术基础，合理部署、多维选型、全栈升级。而在重塑体系规模化应用过程中，遵循10/20/70原则，即10%是模型，20%是整体IT能力升级，70%是业务与组织的转型，而后两个因素更为关键。

建立负责任的AI体系 银行还应更加注重人才培养

有银行人士担忧，AIGC在应用过程中，可能会造成员工过度依赖AIGC的情况，由此会带来一定的金融风险。不过，波士顿咨询相关研究人士认为，这实际上可以通过制度问责和人才培养两方面来解决。

BCG合伙人，BCG金融机构专项核心领导孙蔚认为，在AIGC应用过程中，银行要建负责任的AI的体系。除了在公平性等方面有所体现外，还需要防范如在信贷风险决策中让AIGC变成“黑箱”，导致从监管方无法对其进行穿透管理。同时，在数据安全等方面也应建立起问责机制。

谭彦表示，AIGC并非让人变得更加懒惰，而是可以把人从低价值的重复性劳动中解放出来，去做更有意义的创造性工作。

“在AIGC大规模使用的未来，人人都可能是数据工程师、IT应用开发工程师。即便是不会编程的人，只要问出‘对的问题’，即可完成相关程序创新工作。”谭彦认为，这需要员工更加理解业务，并了解如何把业务结构化、工程化，这就需要有释放员工通用型的结构化思维，分析问题、解决问题的能力。她预计，未来各类机构将针对这一方面能力进行大规模的普及性培训。

此外，《报告》指出，AIGC大范围应用也将变革银行的岗位和人才结构。专业技能岗位的基础级别员工的需求量可能会减少，而质量管理岗位的人才需求可能会增加。从人的能力素质要求来看，员工之间专业技术的差距可能会伴随机器的赋能而变小，但在问题定义能力、问题解决能力方面的综合要求会比以前更高、更能拉开人与人之间的差距。围绕人才要求的改变，银行的人才培训体系、人才晋升路径和标准也都需要相应改变。

新京报贝壳财经记者 姜樊

编辑 徐超

校对 卢茜