![](https://gbres.dfcfw.com/Files/iimage/20240429/E4B05898FCF8EA3560144500B984493E_w1080h484.jpg)
文 | 周公子
编 | 周星星
短短1年时间,动辄采购、上马千亿级别的大模型基础设施的“技术卡位战”已告一段落,相关的“业务应用”却在明显提速,甚至有部分业务效能提升的成果,已可管窥。
结合2023年报季已入尾声,亦可进一步察觉银行等金融机构都在强调大模型在应用层面的落地情况在“扩容”——除了集中度较高的前台零售与客服、后台研发与风控等环节之外,更多的场景也慢慢进入金融机构的考虑范畴,比如知识管理、精准营销、智能开户等。
显而易见,大模型的商用及成果,依旧是2024年甚至未来很长一段时间的关注重点。
从“技术卡位战”快进至“业务效能初现”,在研发上持续探路“降本增效”,已经成为金融大模型长跑的新赛点。
“技术卡位战”快进至“业务效能初现”
招商银行$招商银行(SH600036)$在2023年度报告中提到,其在大模型方面的举措主要有两方面,一边是引入千亿参数大模型,用自有语料调优、训练、适配行内场景,同时跟进开源大模型技术的发展,并在专业场景自研百亿参数大模型。另一边,是探索大模型在零售、批发、中后台的应用。
不难发现,作为业内最早披露千亿级大模型采购信息的银行(回戳:《银行招投标透露了金融大模型落地的哪些信号),其大模型相关的技术“基建”已告一段落。而2024年的主要KPI,想必也是围绕银行的研发、业务场景的适配与落地应用。
不仅招行,周观统计发现,以银行为代表的各大金融机构,只要提及“大模型”的进展和布局都不离“应用”。与2023年初最大的不同是,各家已经从紧张刺激的技术“卡位战”中走出来,转而更强调技术落地进展和成效。
比如奇富科技$奇富科技-S(HK|03660)$,就在2023年财报中提及,关于大模型等创新技术的推动,已经步入了“效率优先、质量为重”的发展新阶段,一方面扩大市场份额,另一方面也提升获客效率。
奇富科技CEO吴海生还提到,2023年战略性地将更多资源分配给人工智能和大语言模型,主动探索大语言模型在金融领域的应用。回顾1年前的2023年4月份,当时吴海生还在内部发布全员信称,一级战略部门大模型部刚组建完成。
而到2023年末的业绩会上,吴海生已透露了多项与大模型直接相关的业务效能提升:
比如,在智能营销应用上,奇富科技通过AIGC优化图像和视频素材,整体的获客成本可优化降低约达9%,长远来看AIGC生成的图像和自动投放可更快速优化投放策略,提升营销效率。
又比如,在大语言模型于电话营销的应用上,奇富科技已尝试促进约1300万用户的沟通,户均提款额度增加了约5%。
短短一年时间过去,从“技术卡位战”迅速朝“赋能业务应用”迈进的,并不只有招商银行和奇富科技。
农业银行也在2023年报中提到,已经通过成立人工智能创新实验室赴推进大模型技术的研究与培育工作,并已经在客户服务知识管理系统中成功部署了答案推荐和智能搜索辅助功能。
加码“研发”效能成新看点
而让人意想不到的是,诸多金融机构在2023年报中提到了大模型为提升“研发效率”所带来的变化。在不少业内人士看来,提升编程、软件等研发效率,已经成为促进金融大模型业务应用落地的关键。
中信银行就提到,把大模型的应用,放在了自动代码生成、智能运维管理等环节进行探索和试验。
中国银行在年报中虽仅仅提及“大模型”一次,但落脚点也提到了热门的“辅助编码”这一与研发密切相关的应用,此外也有内部知识服务等场景。
招商银行也将低代码作为数字化的主要成果之一来呈现,其提到,招商银行的低代码开发体系发布应用已经超过5500个,业务人员占全体开发者比重超过53%。尽管招商银行并未直言这个板块的技术应用是否与大模型相关,但小周从业内了解到,招商银行低代码研发能力背后接入的,是深圳某大厂的大模型AI代码助手。
奇富科技同样把大模型能力落到了研发场景,并表示“首要目标是提升软件研发效率”,目标是提升30%。
“金融系统的研发与开发、编程等工作同样有其特殊性,常常涉及更高复杂度、敏感度的数据处理,对于研发过程中的安全性、准确性、效率和合规性的要求极高。”奇富科技技术副总裁宋荣鑫指出,业务逻辑强相关的代码不能仅靠外部通用模型,当前各大厂商仅靠能用模型生成代码量在整体业务系统代码量的比例,基本都很难超过10%,目前奇富科技在引入能用模型的基础上,还嫁接了金融特有的业务逻辑编写模型,落地到业务系统中,已经可做到超30%代码由AI生成。
这也是为何金融机构们都聚焦提升研发效率的原因,长期来看,研发场景的需求度高,也恰好是AI大模型的能力优势所在,理解语言、修订代码、协助编程,不仅可以大量减轻金融机构这方面的人力与时间消耗,而且是大模型业务应用提速的关键。
中国邮储银行于4月26日在官网公示的大模型采购中标结果也显示,其需求集中在大模型智能研发测试辅助系统智能编程软件开发与集成服务,须实现代码自动补全、代码解释、自然语言转代码、智能问答、代码翻译、后台管理等功能。
三大经典场景应用也在提速
尽管各家金融机构在大模型应用的实际进展不一,但从现有的落地情况和初步成果上看,金融大模型典型的应用场景可以总结为三个:客服与营销、研发、风控,涵盖前台服务、中后台的研发等,一步步向金融业务各环节深入。
微众银行就提到,其大模型在信贷方面的应用就与数字化触达、运营和大数据风控相关,比如专门面向科技型企业的科创贷款产品。
乐信$乐信(NASDAQ|LX)$也在2023年报中提到了其自研大模型已经在电销、客服、催收等主要的信贷业务流程发挥作用。自去年四季度,其大模型在用户画像识别领域的效用也开始显现。通过训练,大模型可以自动分析多种数据源,识别出用户所在行业、还款意愿等信息,构建差异化、个性化的客户画像和标签体系,实现数据驱动的分客群精细化经营。
消费金融领域的另一案例,中原消费金融则选择与腾讯合作,迅速提升大模型在风控环节的应用,尤其是在应对“金融黑灰产”的问题上面。
中原消金的首席风险官周晨卉在受访时提及,去年已经和腾讯合作搭建了一整套涵盖“获客+授信准入+贷中管理+贷后管理”全流程的智能风控体系,但黑产的技术也在进化,利用 AI 技术模拟大量“真人行为”来骗贷。魔高一尺,道高一丈,逼得中原消金和腾讯不得不升级技术,通过行业MaaS(Model-as-a-Service)模式联合共建了10个风控模型,应用在反欺诈、信用初筛、通用信用、拒绝回捞等多个场景。
“效能至上”新长跑已开启
或自研,或借助外部力量,要在开局快速赢得“技术卡位战”并不难,难的是后面。
技术与创新界里,有一条被奉为圭皋的阿玛拉定律:“我们总是短期高估技术的收益,而长期低估技术的影响。”如果说AI大模型过去一年被高估了短期收益,跑马圈地投入技术布局之后,需要冷静对待的是,AI大模型在金融行业的应用前景、效能仍未被充分挖掘。
尤其在息差缩窄,营收增速陷入瓶颈的当下,银行等金融机构更需要科技能力提升“新质生产力”。如果足够重视,那些在互联网时代落下的脚步,在AI时代或有机会补位。
不难窥见,在“技术卡位战”之后,应用提速,效能至上,已经成为金融大模型2024年开启的长跑“新赛点”。
—THE END—
原创文章,未经授权,请勿转载。
以上观点分享不构成投资建议。
本文作者可以追加内容哦 !