“AI取代银行业事情岗位的数量可能超过其他任何行业。
”花旗集团近期一份报告显示，美国银行业约54%岗位将有可能实现自动化，还将有12%岗位通过AI得到增强。

美国银行业54%岗位将有可能实现自动化 图片来源：花旗集团官网

当下银行业的各类迹象已然对此不雅观点有所映射，特殊是这两年正逢天生式AI大模型的风口，“AI+金融”发展迅速。
从运用处景来看，银行机构在客户做事与智能问答、信贷审批与风险管理、智能运营与流程自动化等多个领域都开展了AI运用探索且日趋成熟。

这背后的动力在于，在当前息差持续承压、营收增速放缓的环境下，以银行业为代表的金融机构正在进行一场“刀刃向内”的自我改造，而AI在金融领域的创新运用则推动着金融做事向着更加智能化和个性化发展，匆匆使金融机构更有效地管理风险、提高运营效率、优化客户体验。

有不雅观点认为，以天生式AI等为代表的新兴技能作为驱动力，将为金融领域带来一场前所未有的变革，而与此同时，行业仍面临着隐私保护、本钱投入、决策可信度等多方面寻衅，如何破局成为各家金融机构面临的共性问题。

当前，在金融数字化转型的版图上，一场新的科技竞赛已悄然展开。

交易、贷款、反洗钱⋯⋯人工智能正被广泛运用于银行各业务条线

“就银行业而言，各家商业银行都在拥抱AI技能，希望利用技能创新来支撑业务创新发展，提升做事水平，在差异化竞争中脱颖而出。
”南京银行干系卖力人对表示，由于客户量巨大及AI技能的成熟度，商业银行的零售AI场景更为常见，如智能问答、OCR赞助录入、反敲诈、智能投顾等。
实在，在小微企业、中大型企业、集团以及金融市场客户中，各种AI运用处景也逐渐丰富起来，并且银行内部各项管理环节中，也逐步涌现了增效、提质的AI场景。

采取人工智能对银行盈利能力的影响 图片来源：花旗集团官网

行行AI董事长、工信部工业文化发展中央AI运用事情组实行组长、顺福成本管理合资人李明顺表示，人工智能在金融行业的运用历史相称悠久。
并非由于大措辞模型（LLM）的涌现，才开启人工智能在金融领域的运用，要将传统的AI技能与大措辞模型加以区分。

李明顺先容，“据我理解，至少从20世纪90年代开始，美国的一些金融行业就已经开始运用人工智能技能。
大约在十几年前，我国金融行业也开始采取人工智能技能。
包括十年前，我本人也投资了一些专门从事风险掌握、资产定价以及消费者信用评分的金融公司。
这些运用已经拥有较为丰富的历史，因此可以说，金融行业是人工智能运用较早的领域之一。
”

一名在国有行从事风险管理干系事情的员工见告，人工智能在银行金融市场业务中，紧张运用于量化交易算法和虚拟交易员。
例如，在贵金属、外汇等代客交易中，操作重复且构造化，每每只在方向和金额上有差异，故可利用量化交易算法（AI）代替交易员实行市场策略。
而在资金业务中，虚拟交易员可利用天生式AI，在资金拆借等场外交易中，通过谈天办法完成互换、报价乃至成交。

此外，银行还通过在“易贷类”产品中运用AI技能简化贷款审批流程。
利用AI剖析客户信息，形成“白名单”，名单内客户将在输入要求后快速得到信用额度。
上述国有行员工表示，“传统审批流程繁琐，需信贷员与客户沟通、签署材料、提交分行或总行审批，耗时可能数周至数月。
‘易贷类’产品使审批模型化、实时化，客户可迅速得到反馈。
”

人工智能在金融做事领域的运用 图片来源：花旗集团

在结算业务中，AI还用于反敲诈和反洗钱，预判交易风险。
上述国有行员工指出，“以前***到期后须要去网点更新信息，现在不用去网点，拍照人脸识别即可，这也得益于AI的运用。
”

此外，李明顺也表示，天生式AI正被用于供应轻度勾引做事，包括为高净值客户供应投资理财咨询。
结合数字人技能，辅导客户办理手续，供应专业投资建议，同时降落隐私信息透露风险。
传统人工做事中，客户经理可能记住敏感信息，存在信息透露风险。
人工智能则能有效保护客户隐私，避免数据透露。

人工智能还可被运用于催收。
李明顺表示，“过去，催收事情常日由人工实行。
然而，人工催收存在感情颠簸问题，可能导致不当沟通和极度行为。
天生式AI赞助催收可通过预设表述避免过激措辞，能够始终保持礼貌、专业，且不用安歇。
”

参与项目筛选、尽职调查⋯⋯硅谷风投契构“玩转”人工智能

谈及未来可探索的领域，上述国有行事情职员表示，AI还可用于贷后管理，预警市场风险、信用风险或其他风险指标。
此外，由于天生式AI在文本处理上具有先天上风，未来还可探索在舆情管理方面的运用。

李明顺表示，人工智能赞助口试在大规模招聘中极具潜力。
人工智能可准确记录候选人的感情、性情及专业程度，帮助口试官客不雅观评分，减少私人关系影响。
已有公司在连锁企业中考试测验AI口试，虽非直接手事金融，但事理相同，预示着AI在金融人力资源领域的运用前景广阔。

为人工智能在金融做事领域铺平道路 图片来源：花旗集团

一位在外洋咨询行业事情的数据剖析师见告，他所在的公司正在演习自己的大模型。
“公司在这个行业已有20年历史，我们想把历史数据做成数据库，输入到大模型中，做一个谈天机器人。
”演习过程须要大量数据微调，“要将机器人变成能回答某一领域问题的专家，就须要这个领域的专家出马，给出问题的答案。
组内的数据工程师再将答案拿走用作微调，逐步将大模型调度到可以给出合理答案的状态。
”

《AIGC：智能创作时期》作者、未可知集团创始人杜雨曾先后供职于腾讯、红杉成本。
他表示，大模型在数据处理、表格创建方面的速率及能力已远超传统信息做事软件。
目前，券商在报告编写、投资协议草拟及定期报告撰写等场景中，已开始利用这项技能。

此外，硅谷风险投资机构已广泛采取人工智能参与项目筛选、尽职调查，并撰写投资备忘录。
AI通过算法和数据剖析，提高风投与初创公司匹配效率，实现自动化筛选和交易搜索。
它赞助商业数据剖析，使投资人快速决策。
投资人还可利用专有数据源演习人工智能平台，构建内部知识库，增强投资决策深度和广度。

在投资机会创造阶段，AI通过剖析招聘平台动态、运用程序***量和消费品交易规模，帮助投资者识别潜在项目。
尽职调查环节中，天生式AI自动天生公司业务先容，进行前瞻性剖析，直接通过邮件发送给投资者，包括投资选项比较和评估。
撰写投资建议书环节，天生式AI可以完备自动化地完成，供应专业且精准的投资建议。

此外，AI在韶光管理和方案方面也能为投资团队供应有力支持。
团队成员可以在系统上查看同事对特定项目的评价和反馈。
系统具备定期提醒功能，确保投资团队能够及时回访目标公司，并更新业务进展。

人工智能在金融做事领域的潜力 图片来源：花旗集团

多位受访人士指出，AI参与金融领域带来的上风是多方面的，个中最为显著的是效率和本钱的优化。
与传统的业务操作流程比较，AI技能能够自动化、智能化地处理大量数据，实现快速、准确地决策，从而显著节省韶光和人力本钱。

同盾科技创新研发卖力人Tinus对表示，AI的参与能够提升金融风控、金融营销等运用的精准度，提高金融机构的效率、降落运营本钱，并增强金融做事的遍及性。

他举例说道，传统金融业务流程紧张依赖专家决策系统，系统培植以指标和专家规则为根本，指标加工以数据批处理等离线办法为主，数据时效性较低；专家规则的更新掩护以数据剖析为根本，须要大量领域专家的人工本钱，且难以知足日益增长的业务体量。

与传统的离线批处理办法比较，AI可以更及时地获取最新的数据和信息，为决策供应更全面的参考。
与传统的基于指标和规则的风险评估比较，AI优化的决策系统可以综合利用更多维度的数据和成分，更全面地识别潜在的风险，通过持续的数据剖析和模型优化，可以不断提升决策的精准度。

2010年以来数据增长速率 图片来源：花旗集团

瑞银证券非银金融剖析师曹海峰以证券行业为例阐释AI参与带来的上风。
一是大幅减少根本性、重复性的人力事情，提升效率。
例如，营销环节中的人工客服、营销内容制作；投顾业务中初步客户信息网络、客户咨询；投研事情中的数据检索、会议纪要、定期报告撰写、路演材料制作；投行业务中的银行流水核查、招股书撰写等；投资中的交易策略代码撰写；中后台的报告天生、办公、代码开拓。

二是提效，赋能员工，提升产品竞争力，投研业务等分析师利用“数字分身”提高传播效果；投资业务中实现数据的自动挖掘剖析、股价预测、优化基金产品的收益风险比；交易业务中优化交易策略以减少交易本钱及人为偏差。

三是优化做事，提升客户体验。
例如，在营销环节中实现千人千面的营销；投顾业务中深度剖析客户需求并供应个性化推举，投顾通过智能检索内部智库为客户供应专业化做事，人性化的智能客服。

一位就职于头部券商的投资顾问见告每经，他在日常事情中通过人机结合的办法扩大了做事半径。
一方面，天生式AI的参与提高了微信回答客户的效率；另一方面，借助天生式AI将专业术语转化为客户易懂的措辞或故事，再结合自己的专业知识校正，增强沟通效果，提升转化率。

“大模型在直播准备中也能发挥主要浸染，”由于事情须要，他常常须要直播。
“帮助确定主题、搜索资料、设计PPT，节省韶光。
主播只需供应核心思想，给出总体趋势或策略，并卖力审阅修正。
这让我能够专注于核心策略和研究事情。
”

合规风险、隐私保护⋯⋯人工智能尚不适用于金融行业核心部门

曹海峰认为，短期来看，对付天生式AI技能实际落地仍相对谨慎，特殊是对客业务，落地案例较少。
制度环境方面，随着《天生式人工智能做事管理暂行办法》的出台，以及未来金融监管的或有规定，公司须要考虑如何合理地利用这一技能。

合规风险方面，一方面须要担保内部数据的安全性，另一方面利用GPT技能做事客户，直接推举股票、基金等受到监管牌照限定。
技能方面，大模型在一些问题的回答上仍存在谬误，须要人工参与审核和校正，可能会招致客户投诉。

风险与合规是人工智能发展的紧张障碍 图片来源：花旗集团

同时，在采访中理解到，目前AI在金融领域的运用还存在以下痛点。

一是可能导致市场变得更加薄弱。
上述国有行员工指出，如果金融市场中的参与者广泛采取同一模型进行决策，这可能会导致市场变得更加薄弱。
假设所有参与者利用相同的模型，并且输入相同的数据，那么很可能会得出相似的结论。
金融市场的交易须要不雅观点不同的买卖双方达成同等才能完成交易。
如果大多数参与者都采纳相同的不雅观点，比如同时选择卖出，那么市场颠簸可能会因此而剧烈增加。

二是大模型尚不适用于金融行业核心部门。
李明顺总结了金融业在运用大模型时的困境。
他表示，可以将大模型在金融行业中的运用理解为人工智能技能的一个分支。
大模型在金融行业的紧张运用表示在营销端和做事端，例如资料整理、咨询做事等。
然而，在一些更为严格和关键的金融领域，如风险掌握和资产定价，其运用并不十分直接，由于大模型目前还存在幻觉。

李明顺认为，“大模型实质上是一种措辞模型，它能够理解和处理文本，但并不是一个规则引擎，大模型并不适用于金融行业的核心部门。
”上述券商投顾也认为，大模型更适宜专业人士利用。
由于普通人可能缺少足够的金融知识和履历来判断天生式AI供应的信息是否准确。
如果天生式AI供应的信息是缺点的，而用户又无法辨别，这可能会导致问题。

人工智能对繁芜任务的实行效果较慢 图片来源：花旗集团

三是缺幼年我信用评分领域的标准化机构。
李明顺表示，美国金融行业广泛运用AI于证券和资发生意营业，得益于标准化用户数据。
我国银行业虽网络用户信息，但银行间数据未互联互通，资产量化评级面临标准化不敷问题。
AI在我国金融业紧张用于风险掌握和低级营销，标准化不敷是其运用的紧张限定。

四是隐私保护难题。
上述数据剖析师表示，其所在公司虽然正在致力于将人工智能造就成领域专家，但对付将谈天机器人开放给客户利用也有顾虑。
“假设一个场景，公司先后接了两家公司的条约，这两家公司是竞争关系。
他们都不可以通过我们知道对方公司的，这就须要一个壁垒。
而大模型具有随机性，这很难实现。
”

按操持，该模型数月后便可投入利用。
出于这一顾虑，该模型初期仅供内部顾问利用，帮助新员工快速获取关键信息。

此外，为防止隐私透露，其所在公司的法律部门提出不能在开放的大模型平台上演习。
终极，该公司决定将开源模型***后支配到公司做事器上，在本地完成考验、微调。

天生式AI对金融行业的潜在重塑将大于其他行业

曹海峰认为，天生式AI对金融行业的潜在重塑将大于其他行业，紧张由于其大量的数据沉淀、劳动力密集度高，以及与措辞干系的事情内容占比高。
Tinus表示，“金融领域正在经历一场由多元技能领悟推动的创新浪潮。
在这场浪潮中，人工智能、区块链、大数据、云打算等前沿技能相互交织，为金融运用创新供应了强大的动力。
”

银行业对技能与盈利能力的计策关注 图片来源：花旗集团

Tinus进一步阐明，人工智能与大数据、云打算等技能的领悟，拓展大规模数据的运用，并通过强大的打算能力，支持更加繁芜和智能化的金融智能运用；人工智能与区块链技能的领悟，利用区块链的分布式账本、智能合约等能力，实现数据的不可修改性、可溯源性，增强金融数据运用信赖度，提升人工智能在金融领域运用的可信性和可监管性。

此外，人工智能与密码学技能领悟，冲破跨机构间数据智能协同共享的安全壁垒，拓展人工智能数据运用边界，尤其是金融领域面临的私域数据共享流利难题，以技能手段办理金融数据的安全、可信、智能化流利难题。
Tinus表示，“随着这些多元技能的不断领悟和发展，人工智能必将进一步推动金融科技创新和金融运用领域的变革。
”

Tinus认为，AI在金融领域的运用中，数据全生命周期的安全保障问题至关主要，可信人工智能将成为主要的发展趋势。

可信人工智能的特色要素包括安全性、鲁棒性、公正性、可阐明性、隐私性、可控性等。
采取隐私打算、区块链、数据沙箱等技能搭配领悟，是实现人工智能的隐私增强的有效手段。
通过隐私增强打造可信人工智能的安全底座，将赋能金融科技从“数字化”向“数智化”转型的道路上，实现安全可靠可追溯，促进人工智能的可持续发展和更多创新运用。

“AI Agent（AI智能体）是大模型在金融领域运用的一个主要趋势。
AI Agent是基于大措辞模型进行构建，同时具备影象检索、决策推理及行动顺序选择等特性，让其在处理繁芜任务上更具备上风，被认为是未来的发展方向。
AI Agent的智能决策、自动化实行、个性化做事、持续学习和优化等特点，能够为金融机构供应更加智能化、更高效的做事和决策支持。
”Tinus表示。

逐日经济***