近日，易觀分析發布《中國人工智能行業應用發展圖譜2023》報告（以下簡稱“報告”）。報告對主要行業AI應用發展背景、關鍵價值與挑戰，以及典型案例進行分析，其中包括金融行業。

報告提到，人工智能進入生成式階段，推動企業從數字化向智能化升級。但大模型應用還存在挑戰，包括技術局限、巨大的模型訓練與推理算力、安全合規可信應用等。

報告展示了金融業AI應用圖譜，主要包括金融智能（智能投研、智能投顧、智能理賠、智能風控）、業務賦能（營銷與銷售、客戶服務）、金融大模型、金融整體解決方案4大領域的企業。

金融業AI應用背景及現狀

金融業的持續發展，需要AI等技術的支撐。

報告提到，從金融機構主體角度而言，一方面，圍繞各個產業中的實體企業所進行的數字化金融服務，與圍繞自身數字化轉型所進行的金融創新，需要進行有效對接。另一方面，打造現代金融機構和市場體系，疏通資金進入實體經濟的渠道，需以AI等數智技術為驅動進行多方融合共建產業生態，通過模式與技術共振，進行金融資本和金融科技綜合精準賦能，將有力促進產業結構優化升級和金融高質量發展。

報告也指出，金融智能交互與KYC探查能力仍待加強。金融行業普遍采用智能客服介入客戶服務環節，但目前智能客服仍以“搜索”為核心應對用戶疑問，重在快速解答。而生成式AI能結合多輪對話與KYC探查能力，提升用戶對話體驗。同時，基于AI交互與沉淀數據，構建客戶體驗指標評價體系，使客戶體驗做到可監測可度量。在體系搭建過程中，圍繞核心業務目標逐層拆解，利用AI技術持續跟蹤、檢視和對標分析，通過監測分析優化客戶體驗、提升流程規范與業務合規程度。

報告還提到，金融業進行數字化轉型建設起步早，當前行業整體數字化成熟度較高，具備人工智能深入應用的良好土壤，也是生成式AI、大模型率先實現行業落地的重點領域。人工智能技術應用場景的廣度不斷拓展，目前已覆蓋營銷、服務、投研、投顧、風控、研發等前中后臺數字化經營關鍵環節，于行業而言，其核心價值將在原有AI能力的基礎上進一步釋放，結合業務云化趨勢，“AI+金融”正進入深化應用創新的階段。

金融業AI應用價值、場景及案例

報告提到，金融業AI應用價值主要在于：降本增效，釋放人力資源進入高價值環節；激活數據要素，促進金融普惠；賦能場景創新，提升千人千面的服務能力。

應用場景分為金融內部場景與外部場景。

內部場景有產品研發（代碼助手）、運營與資產管理（智能辦公/智慧運營、數據資產管理與分析）、合規風控（智能風控、反欺詐/反洗錢）。

外部場景有信貸審核（信貸業務智能審核放款、小微企業信用數據獲?。?、財富管理（智能投研、智能投顧、智能理賠）、市場營銷（智能營銷、智能銷售）、用戶運營（智能客服/AI外呼）。

報告展示了一些銀行的AI應用案例，比如工商銀行、農業銀行。

工商銀行與鵬城實驗室、清華大學、中國科學院、華為等聯合發布了基于昇騰AI的金融行業通用模型，首家實現企業級金融通用模型的研制投產。當前已應用于員工智能助手、知識運營助手、金融市場投研助手等多個場景。

工商銀行金融大模型應用探索涉及遠程銀行客服、智能知識管理、智慧辦公、智能研發等。

農業銀行方面，ChatABC初步具備自由閑聊、行內知識問答、內容摘要等多類型任務的服務能力，已在行內多個渠道以多輪問答助手、工單自動化回復助手等形式面向內部員工開放試用。

金融業AI應用面臨的挑戰和趨勢

報告指出，金融業AI應用面臨3大關鍵挑戰：

一是數據治理挑戰。盡管部分金融機構的數據治理工作已取得階段性成果，但行業整體的數據治理、數據資產化進程仍處于初期階段。而隨著生成式AI、大模型逐步在金融領域落地應用，未來AI訓練更依賴于大量高質量的金融數據，而目前金融系統多、數據散亂的問題依然存在。數據的可靠性和建立可持續的數據戰略仍是一項極具挑戰的任務。

二是成本投入挑戰。金融業對于數據安全的高要求使得AI部署通常以定制化項目為主，這也造成在開發、更新維護等方面成本重復投入的問題，削減了資源利用率。特別是對于中小金融機構而言，當前AI的投入成本較高，且主要受到定制化需求、安全合規性要求和對高技術人才要求的影響，限制了其廣泛應用。

三是組織協調挑戰。AI應用逐步滲透組織鏈條，金融機構需要重新審視組織機制和業務規則，組織機制的設計必須更靈活和適應變化，以更好地支持AI融入。引入AI后，金融機構內部面臨人機協作、部門協作中對責任的解釋、分擔和認定等問題的挑戰，AI在決策和執行中的智能化可能使得追溯和解釋變得更為復雜。

另外，報告提出金融業AI應用的3個趨勢：

一是業務驅動金融大模型與AI底座的結合，將投射形成垂直場景下的原子能力，在場景中得到驗證。

二是知識戰略與數據戰略并重升級基礎能力，成為金融業下一階段技術能力分化的核心。

三是金融AI原生應用作為新質生產力工具大量涌現，提供全生命周期的高質量金融服務。

責任編輯：陳愛