摩根士丹利等機構(gòu)都已引入ChatGPT，生成式AI在金融領(lǐng)域所有哪些應用？

生成式AI在金融領(lǐng)域有哪些應用？具備什么優(yōu)勢？面臨什么挑戰(zhàn)？一文看懂

從幾個業(yè)務場景和實際案例，看生成式AI在金融領(lǐng)域的應用

ChatGPT推出隱私功能，歐盟加速制定新規(guī)，生成式AI在金融領(lǐng)域前景廣闊

文/王吉偉

金融領(lǐng)域?qū)τ趹蒙墒紸I的態(tài)度，現(xiàn)在分成了兩派。

因為數(shù)據(jù)泄露等問題，美國銀行、花旗集團和高盛等大銀行已在2月下旬迅速限制員工使用ChatGPT。

但其他金融公司，仍舊在生成式AI的應用上積極探索與嘗試。

例如，摩根士丹利正在使用OpenAI驅(qū)動的聊天機器人來協(xié)助財務顧問，作為利用公司內(nèi)部研究和數(shù)據(jù)存儲庫的知識資源。

對沖基金Citadel正在就企業(yè)級ChatGPT許可證進行談判，該許可證將用于軟件開發(fā)和信息分析。

費用管理平臺Brex也正在與OpenAI合作，為客戶推出了基于聊天的支出洞察和基準。彭博正在開發(fā)BloombergGPT，這是一種特定于金融的大型語言模型，用于情感分析，新聞分類和其他財務任務。

在國內(nèi)，早在2月份，招商銀行就在官微發(fā)布了由ChatGPT參與的關(guān)于該行親情信用卡的宣傳稿，江蘇銀行則已經(jīng)聯(lián)合應用ChatGPT與Codex技術(shù)，分析行內(nèi)信息系統(tǒng)運行情況，自動化分析得出相關(guān)建議。

雖然ChatGPT出現(xiàn)了數(shù)據(jù)泄露情況，三星也成了使用ChatGPT導致商業(yè)數(shù)據(jù)泄露的典型。但金融商業(yè)對于生成式AI技術(shù)的態(tài)度以及應用，還是謹慎而樂觀的。

并且對于大部分企業(yè)來說，通過私有部署、安全防范、合成數(shù)據(jù)與穩(wěn)定自動化等手段，一些因素還可以做到可控范圍之內(nèi)。

尤其是前幾天ChatGPT推出新的隱私功能后，只要關(guān)閉聊天記錄，用戶的數(shù)據(jù)不會被用來訓練和改進OpenAI的人工智能（AI）模型。這個功能，使得應用ChatGPT的組織數(shù)據(jù)泄露問題得到有效遏制。

近期還有一個信息值得思考，就是英偉達推出了NeMo Guardrails這樣的“護欄”軟件，防止生成式AI的隨意輸出和胡說八道。這可能意味著，為了更好的服務客戶及擴大市場份額，后面將會有更多企業(yè)推出限制與優(yōu)化生成式AI的軟件應用。

歐盟正在加速為生成式AI制定新規(guī)則，將會擬設立「AI 制作」標簽，這一做法將會給予生成式AI更多的監(jiān)管。

中國也已經(jīng)起草《生成式人工智能服務管理辦法（征求意見稿）》并向社會公開征求意見。《辦法》明確國家支持人工智能算法、框架等基礎(chǔ)技術(shù)的自主創(chuàng)新、推廣應用、國際合作。因此，制定管理辦法正是為了未來更好地發(fā)展該技術(shù)，而不是限制該技術(shù)。

各個組織的舉措，正在把生成式AI推向有約束的正向軌道，這將非常有利于生成式AI在金融領(lǐng)域的大發(fā)展。

說了那么多關(guān)于生成式AI在金融領(lǐng)域的發(fā)展動向，到底生成式AI在金融領(lǐng)域有哪些應用？有什么優(yōu)勢？正在面臨什么樣的挑戰(zhàn)？

本文，王吉偉頻道就跟大家聊聊這些。

生成式AI在金融領(lǐng)域的應用

生成式AI是一種人工智能技術(shù)，它利用深度學習等方法，從大量數(shù)據(jù)中學習規(guī)律，并根據(jù)給定的條件或目標，自動生成符合要求的文本、圖像、音頻等內(nèi)容的技術(shù)。

與其他人工智能技術(shù)相比，生成式AI的獨特之處在于它能夠創(chuàng)造新的內(nèi)容。例如，生成式預訓練轉(zhuǎn)換器（GPT）是一種使用深度學習生成類似人類文本的大規(guī)模自然語言技術(shù)。

OpenAI的第三代GPT（GPT-3）已經(jīng)能夠根據(jù)其吸收的訓練，預測句子中最有可能出現(xiàn)的下一個詞，能夠編寫故事、歌曲和詩歌，甚至計算機代碼。

鑒于這些優(yōu)勢，生成式AI在金融領(lǐng)域可以應用于多種業(yè)務場景，以下是幾個典型應用。

智能投顧：根據(jù)客戶的風險偏好、收益目標和資產(chǎn)狀況，為客戶提供個性化的投資建議和組合優(yōu)化。生成式AI可以利用大數(shù)據(jù)分析、深度學習和強化學習等技術(shù)，實時監(jiān)測市場動態(tài)，調(diào)整投資策略，提高收益率和降低風險。

智能投研：生成式AI技術(shù)可以通過分析海量的金融數(shù)據(jù)、新聞、社交媒體等信息，為投資者提供股票、基金、債券等金融產(chǎn)品的評估和預測，以及投資策略和建議。

例如，摩根士丹利的AI模型可以分析新聞報道、社交媒體帖子和財務報表等，以識別模式并預測股價。ChatGPT等AI工具可以分析新聞標題對公司股價的影響，或者解讀央行的政策聲明對金融市場的潛在影響。

智能風控：通過分析客戶的信用歷史、行為特征和社會關(guān)系等數(shù)據(jù)，為金融機構(gòu)提供精準的風險評估和欺詐檢測。生成式AI可以利用圖神經(jīng)網(wǎng)絡、對抗生成網(wǎng)絡和異常檢測等技術(shù)，挖掘潛在的風險因素，識別異常行為，防范金融損失。

保險科技：生成式AI可以根據(jù)客戶的需求、偏好和場景，為客戶提供定制化的保險產(chǎn)品和服務。生成式AI可以利用條件生成網(wǎng)絡、文本生成和圖像生成等技術(shù)，模擬不同的保險場景，生成適合的保險方案，提升客戶體驗和滿意度。

生成式AI的金融領(lǐng)域的應用場景遠不止這些。比如文心一言首批生態(tài)合作伙伴興業(yè)銀行，已經(jīng)在智慧網(wǎng)點、智能服務、智能風控、智能運營、智能營銷、智能投研、 智能理財、智能客服等金融場景開展人工智能大模型技術(shù)應用。

隨著人工智能技術(shù)的不斷發(fā)展和創(chuàng)新，生成式AI將在金融領(lǐng)域發(fā)揮更大的作用，為金融業(yè)帶來更多的價值和機遇。

生成式AI在金融領(lǐng)域的應用案例

通過前面生成式AI在金融領(lǐng)域的應用場景，大家可以看到它在金融中有著廣泛的應用價值。生成式AI在提升金融服務效率和體驗、降低金融風險和成本、創(chuàng)造新的金融產(chǎn)品和模式等方面的作用。

為了便于大家理解，這里再列舉幾個具體應用案例。

案例1：應用于智能客服

智能客服是指利用生成式AI技術(shù)，通過語音或文本的方式，為金融用戶提供24小時在線的咨詢、辦理和解決問題的服務。

智能客服可以基于大模型技術(shù)，如ChatGPT等，結(jié)合金融行業(yè)的專業(yè)知識和數(shù)據(jù)進行交互式訓練，從而實現(xiàn)多輪復雜對話、自然語言理解和生成、情感識別和適應等能力。智能客服可以應用于信貸產(chǎn)品、理財產(chǎn)品、保險產(chǎn)品等多個業(yè)務環(huán)節(jié)，大幅提升用戶滿意度和轉(zhuǎn)化率，降低人工成本和風險。

比如歐洲領(lǐng)先的移動銀行N26，就在其云環(huán)境中部署了基于生成式AI技術(shù)Rasa語音助手，可以在其移動和網(wǎng)絡應用程序中以五種不同的語言運行，并能夠處理信用卡丟失或被盜報告等復雜任務。通過調(diào)整機器學習模型，N26讓自己的數(shù)據(jù)集達到最佳性能，短短時間內(nèi)就實現(xiàn)語言助手的客戶服務請求達到20%-30%。

案例2：應用于智能風控

智能風控是指利用生成式AI技術(shù)，通過海量數(shù)據(jù)的分析和建模，為金融機構(gòu)提供有效的風險預警和預測，降低整個社會的金融風險。智能風控可以基于大語言模型技術(shù)，如LLM等，結(jié)合互聯(lián)網(wǎng)文本數(shù)據(jù)、行為數(shù)據(jù)和征信報告等數(shù)據(jù)進行解讀，從而識別出更多維度的風險指標，更好地評估小微企業(yè)主的信貸風險。

智能風控可以應用于信貸審批、貸后管理、反欺詐、反洗錢等多個環(huán)節(jié)，大幅提升風控效率和精準度，降低不良率和損失。

點擊輸入圖片描述（最多30字）

案例3：應用于智能交互

智能交互是指利用生成式AI技術(shù)，通過多模態(tài)的方式，為金融用戶提供更豐富和更便捷的交互體驗。

智能交互可以基于多模態(tài)模型技術(shù)，如AutoGPT等，結(jié)合圖像、語音、視頻等多種媒體信息進行理解和生成，從而實現(xiàn)跨媒體的信息轉(zhuǎn)換和呈現(xiàn)。智能交互可以應用于金融營銷、金融教育、金融娛樂等多個場景，大幅提升用戶參與度和忠誠度，增加用戶黏性和收入。

智能交互不只應用于客戶，也適用于金融內(nèi)部開發(fā)業(yè)務。

比如江蘇銀行科技團隊已經(jīng)在ChatGPT的應用上進行了有益探索，科技人員聯(lián)合應用ChatGPT與Codex技術(shù)，分析行內(nèi)信息系統(tǒng)運行情況，自動化分析得出相關(guān)建議。

代碼在生產(chǎn)環(huán)境運行，完美完成全部需求且僅耗費了不到1小時。編寫功能的時間大大縮短，而且原先需要與廠商對接溝通所耗費的時間由數(shù)天縮短到了數(shù)小時。

生成式AI在金融領(lǐng)域應用的優(yōu)勢和挑戰(zhàn)

經(jīng)過研究人員與相關(guān)機構(gòu)的探索與測試，在金融領(lǐng)域，ChatGPT等生成式AI工具已經(jīng)可以廣泛應用與比如分析新聞對股價的影響、解讀政策聲明、輔助投資決策等。

總體而言，生成式AI在金融領(lǐng)域應用的優(yōu)勢大概有以下幾點：

提高效率和質(zhì)量?？焖俚貜暮Ａ繑?shù)據(jù)中提取有價值的信息，生成高質(zhì)量的報告、建議、策略等，節(jié)省人力和時間成本，提高金融服務的效率和質(zhì)量。

增強創(chuàng)新和競爭力。利用海量的數(shù)據(jù)，挖掘潛在的市場機會、風險和趨勢，為金融機構(gòu)提供新的思路和策略，增強其創(chuàng)新能力和競爭力。

降低風險和成本。利用數(shù)據(jù)分析和模擬，預測市場變化和風險因素，生成合理的風險控制和應對方案，降低金融業(yè)務的風險和成本。

豐富用戶體驗和滿意度。根據(jù)用戶的行為和反饋，實時調(diào)整和優(yōu)化生成的內(nèi)容，提供更貼合用戶需求和喜好的金融服務，豐富用戶體驗和滿意度。

增強創(chuàng)新和競爭力。根據(jù)不同的需求和場景，生成多樣化和個性化的內(nèi)容，滿足客戶的多元化需求，增強金融產(chǎn)品和服務的創(chuàng)新性和競爭力。

盡管AI工具擁有極大的潛力，也面臨一些挑戰(zhàn)。

AI工具并不能考慮到所有因素，比如意外事件、市場狀況的變化以及人為干預。此外，關(guān)于這些工具如何做出決策，還需要更大的透明度。在使用這些AI工具時，還必須考慮到它們所提供的建議可能存在偏見或偏差。

生成式AI技術(shù)在金融領(lǐng)域應用面臨一些挑戰(zhàn)，可以概括為以下幾點：

1、數(shù)據(jù)安全和隱私保護。生成式AI技術(shù)需要大量的數(shù)據(jù)作為輸入和輸出，這涉及到金融數(shù)據(jù)的安全性和客戶隱私的保護問題。如何防止數(shù)據(jù)泄露、篡改、濫用等，是一個亟待解決的問題。

2、技術(shù)可靠性和可解釋性。生成式AI技術(shù)依賴于復雜的算法和模型，其生成的內(nèi)容可能存在錯誤、偏差、不一致等問題，影響其可靠性和可信度。同時，其生成過程往往缺乏透明度和可解釋性，難以讓用戶理解其原理和依據(jù)，影響其可接受性和可監(jiān)督性。

3、法律法規(guī)和倫理道德。生成式AI技術(shù)在金融領(lǐng)域應用涉及到一些法律法規(guī)和倫理道德的問題，例如版權(quán)歸屬、責任歸屬、信息真實性、公平正義等。如何制定合理的規(guī)范和標準，保障各方利益和權(quán)利，是一個需要深入探討的問題。

為了更好地推廣和應用生成式AI技術(shù)，廠商和用戶都在尋求更好的解決方案。比如OpenAI已經(jīng)為旗下ChatGPT推出了一項新的隱私功能，該功能允許用戶關(guān)閉他們的聊天記錄，從而讓對話更加私密。在聊天記錄被禁用的情況下，用戶的數(shù)據(jù)不會被用來訓練和改進OpenAI的人工智能（AI）模型。

未來隨著更多廠商推出相應的數(shù)據(jù)安全、技術(shù)可靠性以及法律法規(guī)等解決方案，加上社會各組織的監(jiān)督與監(jiān)管，生成式AI將會成為助力廣大組織數(shù)字化轉(zhuǎn)型與升級的利器。

后記：引入并有效利用生成式AI技術(shù)

生成式AI有這么多好處，金融企業(yè)又該如何引入這項技術(shù)？這還需要根據(jù)企業(yè)的具體需求和目標來制定合適的方案。

一般來說，引入生成式AI技術(shù)需要考慮以下幾個方面：

首先，數(shù)據(jù)準備。數(shù)據(jù)是生成式AI技術(shù)的基礎(chǔ)，企業(yè)需要收集和整理足夠多、高質(zhì)量、有代表性的數(shù)據(jù)，以供生成式AI模型進行訓練和測試。數(shù)據(jù)的來源可以是企業(yè)自身的業(yè)務數(shù)據(jù)，也可以是從公開或第三方渠道獲取的數(shù)據(jù)。數(shù)據(jù)的格式和類型也要根據(jù)不同的生成任務進行選擇和轉(zhuǎn)換，如文本、圖像、音頻或視頻等。

其次，模型選擇。模型是生成式AI技術(shù)的核心，企業(yè)需要根據(jù)自己的生成任務和數(shù)據(jù)特點，選擇合適的模型架構(gòu)和參數(shù)。模型的選擇可以參考已有的研究成果和開源代碼，也可以自行開發(fā)或定制模型。模型的選擇要考慮模型的性能、效率、穩(wěn)定性、可解釋性等因素。

第三，模型訓練。模型訓練是生成式AI技術(shù)的關(guān)鍵步驟，企業(yè)需要利用已有的數(shù)據(jù)對模型進行訓練和優(yōu)化，使其能夠?qū)W習到數(shù)據(jù)中的規(guī)律和特征，并能夠根據(jù)輸入條件生成符合要求的新內(nèi)容。模型訓練需要大量的計算資源和時間，企業(yè)可以借助云計算平臺或?qū)I(yè)的AI服務提供商來進行模型訓練。

第四，模型部署。模型部署是生成式AI技術(shù)的應用階段，企業(yè)需要將訓練好的模型部署到生產(chǎn)環(huán)境中，與其他系統(tǒng)或平臺進行對接和集成，為用戶或客戶提供生成式AI服務。模型部署需要考慮模型的兼容性、可擴展性、安全性等因素，企業(yè)可以使用容器化或微服務化等技術(shù)來實現(xiàn)模型部署。

最后，模型評估。模型評估是生成式AI技術(shù)的持續(xù)改進過程，企業(yè)需要定期對模型的生成效果進行評估和監(jiān)控，收集用戶或客戶的反饋和建議，分析模型的優(yōu)勢和不足，并根據(jù)實際情況對模型進行更新或調(diào)整。模型評估需要使用合理的評價指標和方法，如人工評價、自動評價、對比實驗等。

了解了生成式AI的技術(shù)特性以及優(yōu)缺點，最終我們需要探索的還是如何有效應用生成式AI。以下這幾點，適用于包括金融在內(nèi)的所有行業(yè)。

明確目標和需求。不同的應用場景有不同的目標和需求，需要選擇合適的生成式AI模型和參數(shù)，以達到最佳的效果。

選擇高質(zhì)量的數(shù)據(jù)。數(shù)據(jù)是生成式AI技術(shù)的基礎(chǔ)，需要選擇高質(zhì)量、高相關(guān)性、高多樣性的數(shù)據(jù)，以提高生成內(nèi)容的質(zhì)量和可信度。

評估和優(yōu)化結(jié)果。生成式AI技術(shù)并不完美，可能會產(chǎn)生錯誤或不合理的內(nèi)容，需要對生成結(jié)果進行評估和優(yōu)化，以提高生成內(nèi)容的準確性和適用性。

遵守道德和法律規(guī)范。生成式AI技術(shù)可能會涉及版權(quán)、隱私、安全等敏感問題，需要遵守道德和法律規(guī)范，以防止濫用或誤用生成式AI技術(shù)。

【王吉偉頻道，關(guān)注AIGC與IoT，專注數(shù)字化轉(zhuǎn)型、業(yè)務流程自動化與RPA，歡迎關(guān)注與交流。】