14家银行AI战略蝶变：从“AI+金融”到“人+AI” 超百个使用已落地

　　2024年（nián）被稱為“大模型運（yùn）用元（yuán）年（nián）”，對銀職業也不破例。

　　“千模大戰”告（gào）一段落，頭部根底模型廠商商場格式初定，運用端垂類模型“百家爭鳴”。作為數據最為密布、數字化根底（dǐ）最（zuì）為老練（liàn）的職業，金融業（yè）成為首先探究大模型等AI技能運用的“排頭兵”。

　　跟著上市銀行2024年年度陳述的逐漸發表，包含6家國有大（dà）行與8家股份製銀行在內的14家全國性銀行上一（yī）年的AI戰略與運用布局已悉數（shù）對外揭露。

　　21世紀經濟報導記（jì）者整理14家銀行的AI戰略發現，“AI+”已成為銀（yín）行近兩年發布AI戰略的（de）中心（xīn）。縱觀各家組織的“AI+”戰略，首要包含三個方麵，一（yī）是供給根底智能化才能的模型底座，二是著重安全（quán）維護與危險辦（bàn）理的配套機製，三（sān）是結合不同事務場景（jǐng）的立異運用。

　　與曩昔單點事務的技能運用立異不同，現在的“AI+”已掩蓋銀行C端用戶、B端客戶以及對內職（zhí）工等全事務流程。

　　與此一起，記者（zhě）發現，在技能之外，越來越多的銀行注意到人與AI的聯係，不隻著重AI與金融場景的交融，更實在關懷（huái）職工怎麽真實運用AI技能，相關立異運用（yòng）的調用率怎麽，技能真實帶來了（le）多少事務價值。

　　場（chǎng）景運（yùn）用“多點開花”。

　　雖然多家銀行在前兩年提出（chū）自研大模（mó）型底（dǐ）座，但從（cóng）最新發表信息來看，運用的優先級被說到了前麵。“自研大模型”的表（biǎo）述已（yǐ）轉變為“運用（yòng）大模型技能”或建造“自主可控的大模型技能底座”。

　　“本集（jí）團根據企業級（jí）運用需求，擇優挑選千億級開源通用大模（mó）型（xíng），並運用長時間堆集的高質量（liàng）文本數據對通用大模型進行預（yù）練習、微諧和強化（huà）學（xué）習，建成麵向（xiàng）一切事務範疇運用（yòng）和一致技能底座的金融大模型，以及模型即服（fú）務（MaaS）的運用渠道。”建造銀（yín）行在年報中如是說。

　　建造銀行首席信息官金（jīn）磐（pán）石在成績發布會上泄漏，到2024年末，該行先後（hòu）適配了16個版別的通用大模型，從（cóng）而構成（chéng）了16個版別的金融大模型。“這種戰略保證了跟著金融大模型才能的快速迭代，咱們事務場景的運用作用可以到達‘水漲船高’的作用。”。

　　現在來看，銀行AI戰略的（de）根底大模型底座至少包含兩個部分（fèn），一是以生成式大模（mó）型為根底的“快考慮”大模型，另一個部分是以DeepSeek-R1為代（dài）表的“慢考慮（lǜ）”推理模型，別的還有代碼大模型、多模態大模型、智能體等等，別（bié）離針對不同場景的差異化（huà）需求完結落地運用。

　　例如（rú）中信銀行清晰表明，該行晉級交融了決議計劃式AI“中信大腦（nǎo）”與生成式AI“倉頡大模型”，由此建成了“自主渠道+場景深耕（gēng）+生態共（gòng）建”的三位一體AI賦能（néng）係統。光大（dà）銀（yín）行也（yě）擬定了《模（mó）型建造開展規劃》，布局“決議計劃式模（mó）型+生成式模型”歸納（nà）運用的智能處理方案。

　　在14家銀行發表的AI運用（yòng）場景中，已完結落地運用的老練場景首要是智（zhì）能編碼研製、智（zhì）能營銷（xiāo）、智能（néng）客服、智能風控、合規內審、顧客權益維護，以及日常運（yùn）營（yíng）辦理流程等等。

　　值得重視的是，在零（líng）售信貸（dài）、財富辦理等與C端用戶交互較多的場景之外，2024年有多家銀（yín）行在（zài）金融商場、買賣銀行、公司金融等對公事務層麵結合（hé）大模型與小模型才能（néng），完結歸納（nà）化的智能運用。

　　如招商銀行在（zài）買賣銀職事務（wù）中深化人工智能技能運用，線上“招小財”AI幫手可以（yǐ）精確辨認客戶目的（de），幫忙客戶完結雜亂公司金融產品操作，呼應精確率到達95%，構成立體式的客戶需求即（jí）時呼應服務係（xì）統。招行還將大模型技能運用到本錢辦理範疇，打造“智本GPT”，讓產品定價辦理係統進一步完善線（xiàn）上（shàng）化全（quán）流程辦理，推動數智化轉型。

　　興業銀行也在金融（róng）商場事務場景中推出“興小二”債券買賣機器人，依托智能化買賣渠道（dào），引進機器學習、大模型等先進技能進行係統和戰略晉級，經過各類算法和因子發掘進步買賣功率。

　　值得重視的是，郵（yóu）儲銀行在年報中特別獨自展示了兩個商場買賣事務（wù）場景（jǐng）下的機器人，展示了大（dà）模型與小模型結合在同一事務（wù）板塊、不同場景、不同用戶端的運（yùn）用潛力。

　　一個是貨幣商場買賣機器（qì）人“郵小助”，首要是在貨幣商場詢價場景下與外部組織買賣員進行（háng）人（rén）機交互對話，現在掩蓋數百家金融組織，承受詢價總量超越1.5萬億元，總成交金額超越2000億元，買賣均勻耗時較人工節省（shěng）94%，捕獲超量收益率6個基點。“郵小（xiǎo）助”的底層模型首要是小模型，可以在簡略使（shǐ）命下完結更快的推理速度，參數少，雜（zá）亂（luàn）度（dù）、硬件資源要求和（hé）練習成本（běn）低，穩定性較高，當貨幣商場詢價時用小模型抽取出用戶目（mù）的及（jí）查詢的實體數據（jù），輔以大模型辨認兜底，終究（jiū）進步（bù）辨認精確率。

　　另一個機器人是買賣員助理機（jī）器人，首要為該行買（mǎi）賣員供給服務，底層模型具（jù）有（yǒu）大模型目的了（le）解、語義剖析才能，集成多個係統查詢功（gōng）用，完結買賣對手及買賣（mài）標（biāo）的債務根底信息、行內授信（xìn）、前史持倉、評級估值等（děng）內外部信息的批量查詢、比照和展示，一站式處理買賣員買賣前的查詢預（yù）備需（xū）求，並可以根據用戶的點讚、采用等反應（yīng）主動學習，繼續主動（dòng）完善應對（duì）精確度。在買賣員查詢數（shù）據時（shí），由大模型辨認用戶查詢（xún）目的，生成數據查詢代碼，再由小模（mó）型完結數據加工並展示給用戶，現在買賣員助理機器人（rén）可以（yǐ）將買賣前預備工作耗時大幅緊縮75%，極大地進步了（le）買賣（mài）員的買賣功（gōng）率。

　　從“AI+金融”到“人+AI”。

　　在“AI+”戰略的（de）推動下，各家銀行發表的人工（gōng）智（zhì）能、大模型（xíng）等（děng）新技能運用場景數量繁複，乃至“成（chéng）百上千”。

　　如工行企業級千億金融大模型技能係統“工銀智湧”已賦能20餘（yú）個首要事務範疇（chóu）、200餘（yú）個場景，累計調用量超10億次。建造銀行金融大模（mó）型係統已（yǐ）賦能行內193個運用場景。招商銀行全行大模型運用場景（jǐng）超120個。中信銀行決議計劃式AI“中信（xìn）大腦”的落地（dì）場景已超越1600個，生成式AI“倉頡大模型”孵化了超越80項立異運用。興業銀行大模型幫手運用場景數（shù）量超越70個。民生銀行全行落地了超越（yuè）30個生成式AI的典型場景運用。

　　擺在（zài）銀行麵（miàn）前的下一個問題是，怎麽保證在這（zhè）些運用場景中，AI可以真實賦能於職工，讓每個人（rén）都得以共享科技帶來的便當。

　　越（yuè）來越多的銀行開（kāi）端重視“人+AI”。

　　建造銀行（háng）在（zài）財報中說到，在客戶運營層麵推出ChatBot交互（hù）版“幫得”客戶經（jīng）理全功（gōng）用AI智能助（zhù）理，以智（zhì）能化為要害驅動，打造“人+AI”的新模式。根據ChatBot交互結構，以人工智能“大模型+小模型”架構途徑對客戶服務進行“全流程”再造（zào）晉級，運營戰略完結（jié）從總部數字大腦生產後直達一線，支撐職工經過自然語言一（yī）鍵引發常（cháng）識、產品、活動等客（kè）戶服務東西，AI輔佐完結一（yī）站式產品裝備和高效營銷服務。此外，還（hái）推出一係列智（zhì）能輔佐東西（xī），並打造（zào）AI小諸葛智能體。2024年，“幫得”智能助理總交互次數3463萬次，為全行（háng）3萬名對私客戶經理服務。

　　招（zhāo）商銀行也（yě）在財（cái）報中表明，加速打造“AI+金融”“人+數智化”新模式，促進（jìn）人與科技彼此賦能。在運營辦理方麵強化（huà）智能化東西運用，例（lì）如在（zài）零售條線（xiàn）打造零（líng）售智能幫（bāng）手產品矩陣，批發（fā）條線針對客戶經理打造CRM智能幫手，在人力資源數（shù）字化服務範疇，根據大模型技能開發“數字美眉”機（jī）器人，完結對職工（gōng）的智能服務，到陳（chén）述期（qī）末，“數字美眉”用戶（hù）數到達（dá）2.53萬人。

　　在為職工供給智能化東西的一起，一場全行等級的AI根底設施改造正在進行，前者是讓職工“有（yǒu）得（dé）用”，後者能（néng）讓職工“用得好”。

　　中國銀行副行長蔡釗在成績（jì）發布（bù）會上表明，環繞智能化建（jiàn）造開展，該即將“建（jiàn）機製、搭渠道、匯數據、調模型、落場景、練隊伍”，一方麵，強化配套機製建造，推動樹立人工（gōng）智能運用管（guǎn）理架構，推動AI渠道完善和模型調優（yōu），疏通大模型數據運用流程；另（lìng）一方麵，推動運用落地收效，依照“先內後外”的戰略，以需求為牽（qiān）引（yǐn），以（yǐ）成效為驅動，優（yōu）先聚集常識輔佐、內容生成等高價值場景，完結提質（zhì）增效降本。

　　招行則是夯實“雲+AI+中台”科技底座，充沛釋放（fàng）上雲盈利，穩步推（tuī）動自主可控的大模型（xíng）全係統（tǒng）建造，聚集打造職業搶先的技能（néng）中台，不斷進（jìn）步組件規劃與質（zhì）量，進步（bù）IT資源複（fù）用水平，到陳述期末，累計發布組件5942個。數據中台繼續沉積企業級的數據才能和數據財物（wù），到陳述期末，大數據服務（wù）掩蓋全行63%的職工，數據已成為職工運營剖析的（de）中心根據。

（文章來曆（lì）：21世紀經濟報導）。