作为AI 领域的技术前沿，人工智能自动生成内容（AIGC）式产品及其底层的文本生成技术、计算机视觉技术和强化学习技术在银行的各类工作场景中具有巨大的应用潜力。作为金融业的代表，银行机构连接着C端用户群体，拥有海量数据积累，因此成为新兴数字技术率先落地的重要场景之一。虚拟数字人、智能客服、数字营业厅……随着数字技术与金融业务场景的不断深化融合，银行数字化转型探索正在迈出新的一步。在前台经营部门，目前最直观的应用迁移场景是线上客服。其优点之一是强大的信息整合功能，例如提问“借记卡无法使用的原因是什么”，ChatGPT 提供了六种可能的情况，而某大型银行线上客服自动回复包括了四种情况及相应的解决方案。在中台管理部门，AIGC式产品与办公软件的融合或赋能运营全流程。ChatGPT 和GPT-4 在一定程度上集成了数据管理和自动化流程功能，使其在计划财务、渠道运营、授信管理甚至战略规划等领域都具有应用潜力。当AIGC被整合到办公软件中，用户可以通过通用页面和自然语言进行调用，降低其在日常工作中的使用门槛。在后台支持部门，直接赋能人力密集型岗位。ChatGPT 最广受好评的功能是开发辅助和机器翻译，在编写和测试代码以及多语翻译、多语纠错等任务上表现优秀；GPT-4 的技术报告中最亮眼的功能是文本和图片创作，以及写作优化等。上述功能对人力密集型部门和岗位的支持作用相对明显。从设想到应用，当前AIGC式产品在商业银行业务中还面临较多实际问题：一是商业应用落地存在壁垒。使用公开互联网知识库训练的ChatGPT等产品在理论上可以解决公域使用场景下的所有文本生成问题，但在银行业务和经营中的使用涉及内部知识，包括数据、管理制度、工作规范等，要在实际应用领域获得大量语义数据并进行多次训练，初始使用成本极高。同时，未知知识库的更新方式和训练所需的计算资源，也是其在实际商业活动中落地的阻碍。二是有监督的机器学习在特定领域应用中的准确性和泛化性需进一步平衡。相比当下银行智能客服等多用途的规则模型，纯机器学习模型的灵活性较高但存在响应偏差等问题，可能影响客户满意度。并且模型在训练初期，会将训练者的个体逻辑引入实际的商业活动，带来潜在风险。三是存在明显的数据泄露风险和科技伦理问题。从目前人工智能领域的发展来看，OpenAI 和百度具有较大的市场竞争优势，银行与技术提供方之间存在的技术壁垒，导致其在银行落地应用的安全性存疑；与此同时，由于技术本身具有可拓展的性质，其此前涉及的作弊、剽窃等伦理问题，可能在商业活动中被放大。综上，为了将人工智能系统和智能语言模型真正应用起来，银行可以深入探讨评估AIGC在渠道、运营甚至风控场景下提升工作效率的可行性，尝试在合理范围内适当加大科技投入，探索相关技术的开发和使用。END行业知识交流分享，结识扩展人脉圈层公众号后台回复【数字金融】可受邀加入【金融数字化交流群】本篇文章来源于微信公众号: 数字金融网
