金融大模型落地，還需跨越幾重山？

科技云報道原創(chuàng)。

時至今日，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)密集且有強勁的數(shù)字化基礎(chǔ)，從一眾場景中脫穎而出。

越來越多的公司開始布局金融行業(yè)大模型，無論是樂信、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”。

從過去的一年看，金融大模型已涉及運營、客服、營銷、風控、研究以及貸后等多個場景，但金融機構(gòu)對大模型的應(yīng)用仍集中在探索、研發(fā)或試用階段。

據(jù)北京商報《2023金融大模型報告》顯示，商業(yè)銀行出于其審慎經(jīng)營、風險管控的原則，近70%的銀行在金融大模型的應(yīng)用中都仍然處于內(nèi)部測試、聯(lián)手建模、團隊搭建甚至內(nèi)部探討階段。

一邊是行業(yè)進展轟轟烈烈，另一邊是金融業(yè)謹慎落地，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？

大模型賦能金融業(yè)

一直以來，金融機構(gòu)都在通過數(shù)字化技術(shù)持續(xù)挖掘數(shù)據(jù)價值，比如業(yè)內(nèi)廣泛采用的AI技術(shù)，在客服、內(nèi)容生成、視覺識別等領(lǐng)域已帶來了明顯的價值提升。而大語言模型技術(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“強心劑”。

北京商報《2023金融大模型報告》顯示，金融業(yè)對大模型在金融領(lǐng)域中的應(yīng)用都非?？春?，有95.45%的機構(gòu)表示看好金融大模型的應(yīng)用前景，且有超過一半的機構(gòu)認為金融機構(gòu)“非常需要”大模型的應(yīng)用。

業(yè)內(nèi)普遍認為，大模型在營銷、客服、投顧、風控等領(lǐng)域具有廣泛的應(yīng)用價值，有助于金融機構(gòu)提升服務(wù)效率及用戶體驗、優(yōu)化風控決策能力、高效響應(yīng)用戶需求，實現(xiàn)金融機構(gòu)經(jīng)營效率及服務(wù)手段的升級轉(zhuǎn)型。

對此，騰訊公共事務(wù)副總裁、騰訊研究院高級顧問馮宏聲表示，大模型對金融場景的賦能會有兩個方向：

一是，原有場景的升級，即原來金融行業(yè)的業(yè)務(wù)場景、業(yè)務(wù)內(nèi)容，可以借助大模型進一步地去強化，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，使得金融機構(gòu)可以在更多的具體業(yè)務(wù)場景得到輔助，甚至替代掉原有工作中重復性的部分，包括替代規(guī)則化、邏輯化的一些場景。

一個典型的金融場景是風控。傳統(tǒng)的風控模型會遇到建模效果有限、小樣本數(shù)據(jù)不足的情況下，會導致性能不達標，單點的防御能力和風險預測能力很難適應(yīng)業(yè)務(wù)快速發(fā)展的需求。

但基于大模型的風險治理升級會對傳統(tǒng)的風控業(yè)務(wù)流程進行改造，能夠?qū)崿F(xiàn)實現(xiàn)高頻率、高精度的專家級建模，全流程自動建模自動上線，跨風險類型的能力泛化。

再比如，在智能交互方面，大模型能提供“真人級”對話效果，對客戶的語音識別準確率可達到99%以上。同時，在處理復雜和專業(yè)性金融知識上，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)品營銷等帶來一個質(zhì)的飛躍。

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

在風險決策、信用評估、反欺詐等場景下，大模型能豐滿信息的維度，挖掘出小模型無法覆蓋到的區(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度和效率。

二是，新場景的變革。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，可以在很多場景當中來替換原有的小模型，比如對話、抽取、內(nèi)容理解，同時也能夠基于大模型開發(fā)出很多場景。

比如，在中后臺場景中，代碼是一個最根本的保障。

通過基于大模型的AI代碼助手，可以建立代碼補全、自動化測試、代碼診斷、技術(shù)對話的能力，減輕人工撰寫代碼的負擔，也能夠提升代碼質(zhì)量，進一步提升敏捷開發(fā)的效率。

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

長期去看，現(xiàn)在的大模型技術(shù)也會疊加一些外設(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)用場景。

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發(fā)展，但在談及落地時，金融機構(gòu)大多認為需較長時間才能解決大模型所面臨的合規(guī)、安全、隱私等問題。更多的金融機構(gòu)和服務(wù)商認為，3-5年內(nèi)金融大模型才會大范圍落地，也有少部分機構(gòu)認為落地時間需要5-10年甚至更久。

首要的挑戰(zhàn)來自數(shù)據(jù)安全合規(guī)。

金融行業(yè)本身對數(shù)據(jù)安全和隱私合規(guī)有著嚴格的要求，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)大模型更為謹慎。

數(shù)據(jù)是不同金融機構(gòu)的核心生產(chǎn)力，關(guān)系著自身的護城河問題。

大模型發(fā)展需要高質(zhì)量數(shù)據(jù)集，同時又受限于自身遠遠不及通用語料的數(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)建一個合理且安全的機制，考驗的是整個金融行業(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。

金融機構(gòu)對模型精度和效率要求高，尤其是一些專業(yè)性強、知識密度高的領(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，以及如何控制幻覺問題等模型缺陷問題。

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

如果無法有效發(fā)現(xiàn)“幻覺”中的漏洞，那么將很可能導致金融大模型出現(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，大模型負責認知、理解、溝通、創(chuàng)作，小模型負責把握風險、承載嚴謹?shù)倪壿嫞?/p>

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

三是將開放QA（問答）和封閉QA的結(jié)合，讓大模型得到請求指令后，在專業(yè)知識領(lǐng)域內(nèi)進行檢索，大幅提高準確性。

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)是風控，大模型在優(yōu)化金融業(yè)務(wù)流程和用戶體驗的同時，也需要降低大模型高昂的迭代和訓練成本。

一些金融機構(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)用過程中帶來的倫理道德、價值觀等問題，需要法律法規(guī)的約束，這些在未來都需要進一步厘清和給出明確的規(guī)定指引。

總的來看，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)，使得大模型落地實際效果和預期業(yè)務(wù)價值之間存在差異。

金融大模型落地的真正難點在于，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。

從更大的視角來看，隨著金融大模型標準的落地，數(shù)據(jù)合規(guī)、隱私安全和訓練工藝等問題一一得到解決，金融大模型一定會撬動更多的崗位，解決當下無法解決的問題，帶來更大的產(chǎn)業(yè)價值。

【關(guān)于科技云報道】

專注于原創(chuàng)的企業(yè)級內(nèi)容行家——科技云報道。成立于2015年，是前沿企業(yè)級IT領(lǐng)域Top10媒體。獲工信部權(quán)威認可，可信云、全球云計算大會官方指定傳播媒體之一。深入原創(chuàng)報道云計算、大數(shù)據(jù)、人工智能、區(qū)塊鏈等領(lǐng)域。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。