本报记者 李晖 北京报道

“生成式AI技术在金融业中的应用尚处于技术探索和试点的并行期，预计1—2年内，首批大模型增强的金融机构会进入成熟应用期，3年后将会带动金融业生成式AI的规模化应用。”

由清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心联合编写的《2024年金融业生成式人工智能应用报告》（以下简称《报告》）日前做出如上预测。

《中国经营报》记者了解到，《报告》关注了国内外170余家银行、保险、资管等金融机构，系统性揭示了金融业生成式AI的创新能力、商业价值和政策期望，为国内金融机构应用生成式AI技术提供了指引。

报告主要负责人、清华大学经济管理学院副院长李纪珍表示，2023年是基础大模型智能涌现的一年，2024年生成式AI将从模型层走向应用层。开拓落地应用场景，不断提高客户采用率和大模型利用率，将会是2024年生成式AI突破发展的重要内容。

生成式AI释放金融业全新生产力

毋庸置疑，生成式AI正在席卷金融业，释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局。

《报告》指出，金融业是单位数据产出的行业，银行业每100万美元的数据产出高达820GB，是制药行业、零售行业的2倍多。目前，我国金融机构的数据资产规模达到了千亿级，蕴藏巨大商业价值。“在银行充分释放高质量数据价值的过程中，有望给金融业带来3万亿规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。”

具体到金融业细分领域，《报告》指出，在零售银行和财富业务上，生成式AI可以创建合成数据来帮助训练KYC背后的机器学习算法，还可以为虚拟助手创建更准确的自然语言模型。

在中小企业银行业务上，除了支持更复杂的虚拟助理之外，生成式AI还将帮助解释包含非数字数据（例如商业计划）的小企业贷款申请。

在商业银行业务领域，生成式AI将加速商业银行的后台任务，例如在复杂场景下实时回答有关客户财务绩效的问题，还可以通过增加某些经济条件下业务绩效的稀疏数据来帮助训练预测算法。

在投资银行和资本市场领域，《报告》认为，生成式AI可以帮助银行对包含复杂、非流动性金融产品的资产负债表进行压力测试。通过综合各种场景的测试数据，生成式AI可以使金融稳定措施更加精确并降低合规成本。

在支付领域，生成式AI进一步重塑交易方式。基础大模型支持的聊天机器人和虚拟助理提供即时客户支持、解决查询，甚至提供个性化的金融产品和服务。

国内头部银行的科技负责人表示，相比传统模型，生成式AI大模型最突出的是工作效率的提升、辅助代码编写等，能大幅提升从想法到原型的开发速度。

万亿增量市场如何开发？

以我国银行业为例，根据财报信息显示，已有工商银行、农业银行、平安银行、北京银行等6家上市银行公开发布大模型技术开发与应用的信息。《报告》认为，生成式AI在保险和证券业等金融机构中的商业应用会有所延迟，但整体差距不会超过一年。高质量数据将是银行和其他金融机构的核心竞争力，这将会加速金融机构的组织变革与业务转型。

但必须看到，生成式AI的发展仍在早期，在金融业的铺开还需要时间。《报告》指出，大模型开发和使用的高成本也是阻碍其在金融业应用的主要原因，一些预算紧张的小型银行无法使用它。

度小满CTO许冬亮表示：“短期看，大模型是数智化的延伸，为企业降低成本、提升效率；长期看，大模型将演进为超级智能体，重构企业业务流程。”在他看来，2024年将会是生成式AI应用涌现的一年——在B端场景，生成式AI将大幅提升数据创造价值的效率。在C端场景，大模型已经在从大语言模型向多模态大模型、Agent智能体，甚至具身智能方向进化，这些新能力的注入，会极大提升生成式AI的人类交互能力和任务处理能力。

需要注意的是，面对万亿级别的市场空间，市场机构应该形成一定业务共识。针对此，《报告》提出了国内金融机构在2024年采用生成式AI时需要遵循的八项原则建议：

一、正确认识生成式AI的作用域；二、模型参数并非越大越好；三、技术先进性和业务可持续性是选择合作伙伴的两个关键标准；四、生成式AI技术的开发者实际上也是重要的监管者；五、着眼于端到端解决方案，而不是让它成为一个点解决方案；六、根据实际情况确认应用的优先级顺序；七、把大模型带到数据中心环境中运行，而不是把数据带到大模型所在的地方；八、由首席执行官直接牵头指导负责任的人工智能治理框架。

（编辑：何莎莎校对：刘军）