伴隨開源AI大模型所展現出的廣闊應用場景，人工智能已然掀起了新一輪的技術競技。對各行各業而言，數字化都已經不再是選擇題，而是必答題。
2023年，數字金融被中央金融工作會議納入“五篇大文章”，數字化進階也成為各家銀行不得不直面的發展命題。而在數以千計的銀行機構中，無論是投入力度還是效能產出，招商銀行都是毋庸置疑的行業排頭兵。
打好數據地基，夯實科技底座
從金融科技到數字金融，兩個字差異的背后，是各方對金融和技術屬性的重新定義和理解。“數字金融是技術、金融創新疊加融合的一種高級金融形態。它具有數字與金融的雙重屬性，能夠加速資金、數據、技術等要素的自由流動和有效配置，可以提升金融供給的效率，形成了新的金融供給形式，促進金融服務更加普惠、便捷、智能，從而為經濟高質量發展注入金融活血、提供堅實保障。”招商銀行相關負責人如是理解。
據了解，2022年底，招行前后耗時三年的全面上云“超級工程”宣告收官。至此，招行的全部借記卡賬戶、信用卡賬戶、對公賬戶及總分行所有應用系統全部遷移至云上，全行賬戶結構和應用結構全面重構，完成了招行科技底盤的升級換代，成為國內系統性重要銀行前7家中首家實現全面上云的銀行。
基礎能力的躍遷在業務前端有著十分明顯的數據反饋：截至2024年6月，“招企貸”累計放款超500億元，服務5萬小微企業，其中76%為首次獲得信用貸款。在云南咖啡產區、義烏小商品城等場景，數字化授信使融資成本下降30%，印證了“普之城鄉、惠之于民”的初心。
而面對生成式AI帶來的大模型浪潮，自2024年初，招行開始將打造智算平臺作為第二大科技投入方向。
“我們將以前的服務器叫做通算平臺，和大模型相關的稱為智算平臺。”招商銀行信息技術部相關負責人介紹，智算平臺包括招行的大語言模型訓練平臺與推理平臺兩個方面。他提到，招行探索大模型的目標不是建立通用模型，而是在金融行業建設垂直領域的大模型。
然而，這場技術迭代的變革并非坦途。數字資產的計量和確權、大模型“黑箱”風險、數據隱私倫理等問題帶來重重挑戰，數字化能力并非單純依靠資金投入就能砸出未來——章法，至關重要。
數字化建設的基礎生產資料是數據。在使用數據之前，考驗的是數據的獲取、遴選能力至關重要。
以日常交易數據為例，對擁有超兩億零售客戶的招行來說，如何在日益復雜多變的電信詐騙形勢下精準識別風險數據尤為重要。招行一直致力于建設業內領先的零售智慧風控生態體系，依托AI機器學習、實時內存計算引擎等先進技術，能夠迅速識別風險數據，并精準攔截風險交易。同時，通過整合客戶、賬戶、交易等多維度數據，結合賬戶分級分類、額度管理、App彈窗提醒、AI語音外呼等一系列手段，構筑起“事前預警-事中攔截-事后處置”的全生命周期風險管理體系，讓億萬客戶能夠放心存錢、安全用卡、安心理財。
數據完成了獲取和清洗之后，便是使用。而風控系統的建模同樣挑戰重重，尤以小微金融為典型。
解決小微企業融資難題是商業銀行踐行社會責任的必要，更是做好“五篇大文章”、建設金融強國的切實需要。
但小微企業的非標特征導致小微金融一直都是傳統金融的一道硬菜：經營規模普遍較小且穩定性偏弱，數量眾多經營分散且財務狀況透明度低，往往還缺乏合格的擔保或抵押品，這給銀行的風控審批帶來了巨大難題。
為了開發出更貼合市場需求的成熟產品，招行經歷了漫長的調研、開發、測試、迭代、運營、再迭代周期，實現了數據連通、業務流通和終端平臺的“一體化”，推出了基于大數據模型的數字化純信用貸款產品招企貸。迄今為止，招企貸為小微企業累計發放超過500億元的純信用、免抵押貸款，真正實現了小微企業貸款的“一臺手機、秒級審批”，踐行了普惠金融的價值理念。
提質、降本、增效，挖潛“數智模型”金礦
某種意義上，招行對智算平臺如此傾力的投入，正是因為看到了大語言模型在各業務板塊中的潛能。事實上，盡管大模型在銀行業務中的應用還處于探索階段，但已經為銀行日常的營銷、服務、風控、經營等各個方面帶來了切實的提質、降本、增效。
以前端客服為例，接聽電話、記錄內容、整理歸類的流程可能需要五分鐘，而語音識別轉換成文本后交給大模型處理，可以把流程縮短到“秒”級，大幅提升工作效率；營銷環節，大語言模型可以輔助生成營銷文案，僅需專人負責審核確認即可，大大提高了營銷文案的生成效率；招行的“天秤”風控平臺則是利用大量的神經網絡算法，更精準地識別風險，風控能力顯著提升……
據介紹，截至目前，招行全行已有超過120個場景在應用大語言模型：超2000萬用戶享受到手機銀行便捷智能服務；反欺詐系統日均偵測交易風險千萬次，RPA機器人替代50%人工操作。
招行相關人士表示，大模型的覆蓋范圍會越來越廣泛，“如果它的準確度和效果能達到使用標準，它的可復用性將大幅降低銀行的邊際成本。”
應用場景需要業務部門和技術部門一起創新，存在一定試錯成本，招行的解法是采用FinTech基金方式，用有限的容錯成本撬動大語言模型的潛能，“總行對于這類基礎設施建設和應用都是全力支持。”
然而，這遠遠不是終點。
招行相關負責人坦言，大語言模型在銀行的落地應用還存在資源消耗巨大、數據隱私保護要求較高、答案生成可解釋性較弱等問題，需要逐步解決。在可預見的未來里，技術躍遷帶給傳統金融機構的，依舊是機遇與挑戰并存。
此外，隨著人工智能在各行各業的滲透，數字金融的發展也在呼吁政策與市場同頻共振，例如在數據端，建議政務、企業、個人數據權屬建立分級授權機制等等。
【免責聲明】本文僅代表作者本人觀點，與和訊網無關。和訊網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論