AI时代银行业如何做好大模型应用“必答题”？

    本报记者 熊悦

    今年以来，人工智能创新应用在金融业大量涌现，大模型赋能金融业务的价值正持续显现，加强大模型技术的应用也已成为商业银行等金融机构的必答题。

    9月5日，招商银行举办2025招银浦江数字金融生态大会。这是招商银行在2025年中期业绩报告中首次提到以“AI First”引领数智招行建设这一提法后，紧接着举办的一场以“AI”为主题的行业大会。大会上，各界人士围绕AI如何赋能银行等金融机构高质量发展这一命题展开探讨。

    机遇与挑战并存

    “大模型在各行各业的应用条件正在变得越来越好，加强大模型技术的应用在今天是合适的选择。”招商银行首席信息官周天虹在大会上表示。

    招商银行数字金融发展办公室副主任韦江波同样认为，当前银行业经营面临诸多挑战，大模型是最大的确定性机会，其技术突破将推动银行服务模式、交互模式和工作模式变革。

    韦江波表示，从银行业来看，AI技术的发展有三个方面值得进一步关注：一是从原来的文字交互进阶到智能化的语言交互，这将改变用户的操作界面。二是非结构化数据能够被听懂，由此带来诸多应用场景的变化。三是推理能力方面，能够实现像人一样思考，甚至形成比人更聪明的思考方法。

    AI技术的发展将推动银行的经营发生转变。韦江波进一步补充道，一是服务模式上，以前只能聚焦重点客户，现在可以做到以每个客户为中心，真正做到千人千面。二是交互模式上，以前交互模式主要以图形界面为主，现在的交互模式可能不只是图形，而是“图形+对话”，这或将成为银行今后大量推广的场景。第三，组织模式上，以前主要是人，AI进行适当辅助，现在打造数字员工，极大拓展人的工作效率。

    “实践中，大模型已在多行业落地，包括智能客服高效响应、多模态审核助力风控、综合报告生成提升效能等。”通义大模型业务总经理徐栋表示。

    对于银行等金融机构而言，加快大模型等AI技术的应用落地也已逐步成为业内共识和实践方向。不过就目前的情况来看，银行机构推进大模型应用仍然面临着一些需要解决的问题。

    火山引擎总裁谭待认为，在金融应用场景中，大模型落地还面临着合规、安全、可信挑战。他表示，目前以大模型为基础的AI数字员工已经在各个金融机构普遍落地，比如智能风控、智能客服、展业助手、智能投研、信贷报告、代码辅助等领域。“整体来看，金融机构对AI的应用还处在初期。模型能力有待加强、领域知识有待提升、如何做好后训练等非常关键。”

    “如何让基座模型能力更精准地适配银行的业务逻辑，如何更好地抑制AI幻觉，如何避免做了很多大模型场景研发但是业务单位体感不高的问题等等，是当前金融业要重点攻坚的方向。”周天虹提到。

    共建大模型应用生态

    周天虹表示，金融业要进一步提升大模型解决领域问题的能力，关键在于打好三个“组合拳”，即上下文工程、知识管理和后训练。首先，上下文工程是做好大模型应用的基础性工作。其次，企业级知识管理是释放大模型能力的关键。通过构建完善的企业级知识管理体系，可以将大模型能力与企业自身语境和知识体系对齐，提高答案的准确性。第三，后训练是增强模型在专业领域应用效果的有效手段，通过监督微调、强化学习等方式，将领域知识和领域业务逻辑融入模型，可以显著提升模型在专业领域的基础认知和理解力，使其更好地处理复杂、高难度的领域任务。

    “当前大模型的应用成本仍然比较高，而大模型在银行的应用范围又非常广泛，几乎所有涉及人工参与的场景，大模型都能搭上边，但不同场景产生的业务价值差别很大。”周天虹进一步表示，因此，金融业要发挥好大模型作用做好大模型价值变现，还有一个关键是选好场景。

    周天虹介绍，招商银行的策略是聚焦“用人多、用时多、省钱多”的高价值场景。在“用人多”场景，用AI扩充人力，扩大服务半径、提升服务水平、优化客户体验，推动业务量持续增长。在“用时多”场景，用AI协助员工工作、降低复杂度、提升质量，实现提质增效。在“省钱多”场景，针对成本高、风险大的环节，用AI提升风险识别的覆盖度、准确度和时效性，减少成本支出。

    韦江波表示，在AI时代，更需要共建一个产业的神经网络。在这个网络里每一家金融机构、科技公司都是智慧的神经元，通过开放的API、共享的数据标准、协同的技术平台去连接彼此，让数据、算法、算力、场景、高效的交互与激荡，当神经元被激活并连接在一起的时候，整个产业的智慧将实现指数级的增长，将远超任何一个孤立个体的总和。

    “大模型应用研发工作需要从‘业技融合’走向‘业技共创’。大模型在银行的应用发展需要生态伙伴的支持、需要行业的合作才能做好，‘单打独斗’难以做到高水平，更可能错失机遇窗口。”周天虹认为。

（编辑 才山丹）