許多行業(yè)都在加速與大模型融合，其中金融行業(yè)也在逐漸探索、謹(jǐn)慎摸索中。那么綜合來(lái)看，大模型在金融行業(yè)到底發(fā)揮了怎樣的作用？還有哪些挑戰(zhàn)阻礙著大模型在金融行業(yè)的大規(guī)模落地？一起來(lái)看作者的解讀。

時(shí)至今日，大模型的狂歡盛宴仍在持續(xù)，而金融行業(yè)得益于數(shù)據(jù)密集且有強(qiáng)勁的數(shù)字化基礎(chǔ)，從一眾場(chǎng)景中脫穎而出。

越來(lái)越多的公司開始布局金融行業(yè)大模型，無(wú)論是樂(lè)信、奇富科技、度小滿、螞蟻這樣的金融科技公司，還是百度智能云、華為、騰訊云等互聯(lián)網(wǎng)和科技大廠，都推出了金融行業(yè)大模型及解決方案，希望搶到金融大模型的“頭啖湯”。

從過(guò)去的一年看，金融大模型已涉及運(yùn)營(yíng)、客服、營(yíng)銷、風(fēng)控、研究以及貸后等多個(gè)場(chǎng)景，但金融機(jī)構(gòu)對(duì)大模型的應(yīng)用仍集中在探索、研發(fā)或試用階段。

據(jù)北京商報(bào)《2023金融大模型報(bào)告》顯示，商業(yè)銀行出于其審慎經(jīng)營(yíng)、風(fēng)險(xiǎn)管控的原則，近70%的銀行在金融大模型的應(yīng)用中都仍然處于內(nèi)部測(cè)試、聯(lián)手建模、團(tuán)隊(duì)搭建甚至內(nèi)部探討階段。

一邊是行業(yè)進(jìn)展轟轟烈烈，另一邊是金融業(yè)謹(jǐn)慎落地，大模型在金融行業(yè)到底發(fā)揮了怎樣的作用？還有哪些挑戰(zhàn)阻礙著大模型在金融行業(yè)的大規(guī)模落地？

一、大模型賦能金融業(yè)

一直以來(lái)，金融機(jī)構(gòu)都在通過(guò)數(shù)字化技術(shù)持續(xù)挖掘數(shù)據(jù)價(jià)值，比如業(yè)內(nèi)廣泛采用的AI技術(shù)，在客服、內(nèi)容生成、視覺(jué)識(shí)別等領(lǐng)域已帶來(lái)了明顯的價(jià)值提升。而大語(yǔ)言模型技術(shù)的出世，更是給金融行業(yè)的AI技術(shù)應(yīng)用注入了一針“強(qiáng)心劑”。

北京商報(bào)《2023金融大模型報(bào)告》顯示，金融業(yè)對(duì)大模型在金融領(lǐng)域中的應(yīng)用都非常看好，有95.45%的機(jī)構(gòu)表示看好金融大模型的應(yīng)用前景，且有超過(guò)一半的機(jī)構(gòu)認(rèn)為金融機(jī)構(gòu)“非常需要”大模型的應(yīng)用。

業(yè)內(nèi)普遍認(rèn)為，大模型在營(yíng)銷、客服、投顧、風(fēng)控等領(lǐng)域具有廣泛的應(yīng)用價(jià)值，有助于金融機(jī)構(gòu)提升服務(wù)效率及用戶體驗(yàn)、優(yōu)化風(fēng)控決策能力、高效響應(yīng)用戶需求，實(shí)現(xiàn)金融機(jī)構(gòu)經(jīng)營(yíng)效率及服務(wù)手段的升級(jí)轉(zhuǎn)型。

對(duì)此，騰訊公共事務(wù)副總裁、騰訊研究院高級(jí)顧問(wèn)馮宏聲表示，大模型對(duì)金融場(chǎng)景的賦能會(huì)有兩個(gè)方向：

一是，原有場(chǎng)景的升級(jí)，即原來(lái)金融行業(yè)的業(yè)務(wù)場(chǎng)景、業(yè)務(wù)內(nèi)容，可以借助大模型進(jìn)一步地去強(qiáng)化，提供更智能化、更人性化的服務(wù)方式。

受制于原有的一些技術(shù)條件，金融機(jī)構(gòu)的數(shù)字化建設(shè)只是用于特定業(yè)務(wù)的流程管理。

但是大模型的加持，使得金融機(jī)構(gòu)可以在更多的具體業(yè)務(wù)場(chǎng)景得到輔助，甚至替代掉原有工作中重復(fù)性的部分，包括替代規(guī)則化、邏輯化的一些場(chǎng)景。

一個(gè)典型的金融場(chǎng)景是風(fēng)控。傳統(tǒng)的風(fēng)控模型會(huì)遇到建模效果有限、小樣本數(shù)據(jù)不足的情況下，會(huì)導(dǎo)致性能不達(dá)標(biāo)，單點(diǎn)的防御能力和風(fēng)險(xiǎn)預(yù)測(cè)能力很難適應(yīng)業(yè)務(wù)快速發(fā)展的需求。

但基于大模型的風(fēng)險(xiǎn)治理升級(jí)會(huì)對(duì)傳統(tǒng)的風(fēng)控業(yè)務(wù)流程進(jìn)行改造，能夠?qū)崿F(xiàn)實(shí)現(xiàn)高頻率、高精度的專家級(jí)建模，全流程自動(dòng)建模自動(dòng)上線，跨風(fēng)險(xiǎn)類型的能力泛化。

再比如，在智能交互方面，大模型能提供“真人級(jí)”對(duì)話效果，對(duì)客戶的語(yǔ)音識(shí)別準(zhǔn)確率可達(dá)到99%以上。同時(shí)，在處理復(fù)雜和專業(yè)性金融知識(shí)上，大模型也具有人工所不具備的能力，這將為金融客服、智能投顧、產(chǎn)品營(yíng)銷等帶來(lái)一個(gè)質(zhì)的飛躍。

在分析決策方面，大模型能夠憑借強(qiáng)大的信息挖掘能力，喚醒金融機(jī)構(gòu)大量沉積的信息，對(duì)關(guān)鍵信息進(jìn)行抽取，為判別式AI小模型進(jìn)行賦能。

在風(fēng)險(xiǎn)決策、信用評(píng)估、反欺詐等場(chǎng)景下，大模型能豐滿信息的維度，挖掘出小模型無(wú)法覆蓋到的區(qū)域。大模型與小模型相互搭配，將大大提升金融決策的精準(zhǔn)度和效率。

二是，新場(chǎng)景的變革。大模型的出現(xiàn)意味著技術(shù)路徑轉(zhuǎn)換和技術(shù)能力的增強(qiáng)，可以在很多場(chǎng)景當(dāng)中來(lái)替換原有的小模型，比如對(duì)話、抽取、內(nèi)容理解，同時(shí)也能夠基于大模型開發(fā)出很多場(chǎng)景。

比如，在中后臺(tái)場(chǎng)景中，代碼是一個(gè)最根本的保障。

通過(guò)基于大模型的AI代碼助手，可以建立代碼補(bǔ)全、自動(dòng)化測(cè)試、代碼診斷、技術(shù)對(duì)話的能力，減輕人工撰寫代碼的負(fù)擔(dān)，也能夠提升代碼質(zhì)量，進(jìn)一步提升敏捷開發(fā)的效率。

在AI開發(fā)層面，大模型的自動(dòng)生成能力也將顛覆傳統(tǒng)機(jī)器學(xué)習(xí)模型開發(fā)“手工作坊”的模式，大模型工程師只需要下達(dá)清晰的指令，用文字描述出需求，即能自動(dòng)生成模型，極大提升機(jī)器學(xué)習(xí)的開發(fā)效率和生產(chǎn)模式。

長(zhǎng)期去看，現(xiàn)在的大模型技術(shù)也會(huì)疊加一些外設(shè)的設(shè)備，產(chǎn)生更多的Agent（智能體），從而不斷去重構(gòu)應(yīng)用場(chǎng)景。

二、金融大模型落地面臨多重挑戰(zhàn)

盡管金融業(yè)普遍看好大模型的未來(lái)發(fā)展，但在談及落地時(shí)，金融機(jī)構(gòu)大多認(rèn)為需較長(zhǎng)時(shí)間才能解決大模型所面臨的合規(guī)、安全、隱私等問(wèn)題。更多的金融機(jī)構(gòu)和服務(wù)商認(rèn)為，3-5年內(nèi)金融大模型才會(huì)大范圍落地，也有少部分機(jī)構(gòu)認(rèn)為落地時(shí)間需要5-10年甚至更久。

首要的挑戰(zhàn)來(lái)自數(shù)據(jù)安全合規(guī)。

金融行業(yè)本身對(duì)數(shù)據(jù)安全和隱私合規(guī)有著嚴(yán)格的要求，注定了金融大模型在采集、傳輸、加工及處理信息的各個(gè)環(huán)節(jié)，都要比通用大模型乃至其他行業(yè)大模型更為謹(jǐn)慎。

數(shù)據(jù)是不同金融機(jī)構(gòu)的核心生產(chǎn)力，關(guān)系著自身的護(hù)城河問(wèn)題。

大模型發(fā)展需要高質(zhì)量數(shù)據(jù)集，同時(shí)又受限于自身遠(yuǎn)遠(yuǎn)不及通用語(yǔ)料的數(shù)據(jù)規(guī)模，就必然需要不同業(yè)態(tài)完成數(shù)據(jù)共享。如何構(gòu)建一個(gè)合理且安全的機(jī)制，考驗(yàn)的是整個(gè)金融行業(yè)的智慧。

其次，可靠性仍是大模型在金融領(lǐng)域落地的鴻溝。

金融機(jī)構(gòu)對(duì)模型精度和效率要求高，尤其是一些專業(yè)性強(qiáng)、知識(shí)密度高的領(lǐng)域，大模型的表現(xiàn)存在輸出結(jié)果不受控、可解釋性較差、可信程度較低等情況，從而限制了其應(yīng)用場(chǎng)景。

因此，金融大模型的發(fā)展，要處理好金融業(yè)務(wù)數(shù)據(jù)如何融入到大模型中，以及如何控制幻覺(jué)問(wèn)題等模型缺陷問(wèn)題。

所謂“幻覺(jué)”，指的是人工智能模型生成的內(nèi)容，不是基于任何現(xiàn)實(shí)世界的數(shù)據(jù)，而是大模型自己想象的產(chǎn)物，即給出事實(shí)錯(cuò)誤或者是一些看上去權(quán)威正確的虛假信息。

如果無(wú)法有效發(fā)現(xiàn)“幻覺(jué)”中的漏洞，那么將很可能導(dǎo)致金融大模型出現(xiàn)理解或判斷上的偏差，直接影響應(yīng)用效果。

為了將大模型更好地“縫合”到業(yè)務(wù)場(chǎng)景中，提升可靠性、安全性和流暢度，各大廠商的主流方案有三種：

一是將大模型與專業(yè)領(lǐng)域的小模型結(jié)合，大模型負(fù)責(zé)認(rèn)知、理解、溝通、創(chuàng)作，小模型負(fù)責(zé)把握風(fēng)險(xiǎn)、承載嚴(yán)謹(jǐn)?shù)倪壿嫞?/p>

二是將大模型的參數(shù)知識(shí)與結(jié)構(gòu)化、顯性化、可靠的金融知識(shí)圖譜相結(jié)合，此舉能很好地為大模型注入可靠性；

三是將開放QA（問(wèn)答）和封閉QA的結(jié)合，讓大模型得到請(qǐng)求指令后，在專業(yè)知識(shí)領(lǐng)域內(nèi)進(jìn)行檢索，大幅提高準(zhǔn)確性。

最后，成本也是金融大模型走向商業(yè)化落地的重要因素。

金融的本質(zhì)是風(fēng)控，大模型在優(yōu)化金融業(yè)務(wù)流程和用戶體驗(yàn)的同時(shí)，也需要降低大模型高昂的迭代和訓(xùn)練成本。

一些金融機(jī)構(gòu)選擇利用大數(shù)據(jù)的整合，在垂直領(lǐng)域精調(diào)模型，以小規(guī)模算力打造輕量級(jí)精調(diào)模型，將成本降到最低。

此外，在大模型技術(shù)的應(yīng)用過(guò)程中帶來(lái)的倫理道德、價(jià)值觀等問(wèn)題，需要法律法規(guī)的約束，這些在未來(lái)都需要進(jìn)一步厘清和給出明確的規(guī)定指引。

總的來(lái)看，金融數(shù)據(jù)不充分、研發(fā)成本較高、大模型在金融垂直領(lǐng)域仍未挖掘出涌現(xiàn)效應(yīng)等挑戰(zhàn)，使得大模型落地實(shí)際效果和預(yù)期業(yè)務(wù)價(jià)值之間存在差異。

金融大模型落地的真正難點(diǎn)在于，能否在產(chǎn)業(yè)中扎得更深；其顛覆性也更建立在，縱深到產(chǎn)業(yè)中去，賦能金融行業(yè)的數(shù)字化發(fā)展。

從更大的視角來(lái)看，隨著金融大模型標(biāo)準(zhǔn)的落地，數(shù)據(jù)合規(guī)、隱私安全和訓(xùn)練工藝等問(wèn)題一一得到解決，金融大模型一定會(huì)撬動(dòng)更多的崗位，解決當(dāng)下無(wú)法解決的問(wèn)題，帶來(lái)更大的產(chǎn)業(yè)價(jià)值。