中金公司研究部執行總經理 姚澤宇
本報（chinatimes.net.cn）記者馮櫻子 北京報道
12月6日，由華夏時報主辦，對外經濟貿易大學中國金融交易研究中心、華夏時報金融思想薈和華夏時報金融研究院聯合提供智力支持的2024（第十八屆）華夏機構投資者年會在北京成功舉辦。本屆年會聚焦新質生產力，以「向‘新’而行，探尋發展之‘質’」為主題，匯聚業內享有盛譽的專家、學者及金融機構高管，凝聚共識，貢獻智慧，推動行業以「質」致遠。
會上，中金公司研究部執行總經理姚澤宇釋出【大模型在金融領域價值創造研究報告】並表示，當前AI大模型在金融行業主要套用於業務場景簡單的非決策類環節，在支付、信貸、保險、財富管理、資產管理等場景都有套用落地。
科技公司與金融企業在數碼金融時代形成競合關系。未來與金融機構合作開發大模型的服務商，一定程度上將成為整個金融行業新的基礎設施，成為新型具有系統重要性的金融基礎設施。
AI大模型在金融行業套用於非決策類環節
過去這幾年，大模型在金融領域的落地如雨後春筍般出現，輝達曾調研全球400家大型金融機構，其中超過40%的機構已經在使用大模型，主要用在報告的生成、客戶體驗、數據生成、自身行銷等方面。
大模型的出現給AI與金融的結合提供更大的想象空間。麥肯錫測算認為，AI大模型有望對金融行業每年帶來2500億-4100億美元的增量價值，約9%——15%的營業利潤增量。
整體來說，當前AI大模型在金融行業主要套用於業務場景簡單的非決策類環節，在支付、信貸、保險、財富管理、資產管理等場景都有套用落地，主要賦能是對客服務、資料探勘、業務助手等環節。
但對於金融領域專業能力要求比較高，涉及提供比較強的金融決策建議，需要承擔很核心的分析決策環節，大模型依然面臨一些約束和挑戰。
由於金融服務存在時效性強、精準度高、專業壁壘高等特點，當前大模型在金融領域有專業上的短板，難以理清復雜的金融邏輯，將大模型直接用於相關專業任務時，效果上會低於預期。
目前，大模型套用更多是利用它泛化的能力，賦能基礎業務環節和通用場景，例如資訊整理、內容生成等。
在提供金融服務方面，大模型已經能夠勝任常規的基礎金融對話，比如金融資訊、業務辦理等，但是在涉及專業度比較高、個人化相對強等復雜業務時，還難以完全勝任。更多需要人工介入，大模型輔助人工來滿足對於服務質素和合規的要求。
除了在金融專長有待於進一步提升之外，大模型面臨著生成內容不可控等問題。套用大模型進行決策判斷的可及性較低。此外，傳統判別式AI在金融很多分析決策場景裏已經得到了廣泛的普及和套用的成熟，例如大模型風控。大模型替代傳統判別式AI的意義並不大。
AI大模型推動金融業競爭格局分化
從未來的趨勢來說，未來將是大小模型協同、Co-pilot嵌入更多場景、AI Agent重塑展業模式。
雖然大模型存在專業能力的有限、生成結果不可控、演算法可解釋性較差等階段性問題，在合規性和適當性方面缺少一定保障，但伴隨著技術的進步，它能夠帶動大模型能力邊界提升，以及出現一些新的解決方案來減少大模型的短板。大模型賦能金融行業的空間也能進一步開啟。
未來，大模型與小模型將協同互補，賦能更多金融業務場景。其中大模型主要優勢在於語意理解、資訊歸納、內容生成；小模型（傳統判別式AI）主要優勢在於輸出結果可控、穩定、精確度高。小模型被大模型呼叫、提升輸出內容專業度和精確度
同時伴隨大模型能力的增強，Co-pilot的價值創造空間進一步開啟，將賦能更多金融場景和業務流程，提升金融從業者服務半徑和展業質效，從簡單的協助搜集處理呈現資訊，逐漸延伸到輔助更多核心分析決策場景，例如生成一些具有一定的業務價值，可供專業人員參考的決策建議。
此外，未來金融機構也可能基於大模型發展AI Agent，進一步簡化重塑展業模式。對內，AI Agent理解任務需求、拆解任務環節、統籌排程各方資源；對外，AI Agent升級使用者互動體驗，提供更加客製化的金融服務。
從賦能空間角度來說，財富管理、資產管理或是大模型在金融行業賦能空間最大的領域，保險、信貸領域存在一定的賦能空間，而對於支付業務的賦能空間相對較小。
具體來看，例如在需求側，財富管理、資產管理領域，資訊不對稱程度比較高，決策流程往往更長。大模型透過賦能金融服務的互動，投資者教育的環節，能提升投資者資訊搜集、分析能力、金融認知的水平。幫助降低資訊不對稱，提升投資者決策的質素。
在渠道側，財富管理和資產管理服務周期比較長，服務頻率相對較高，供需雙端匹配的效率較低，大模型能夠賦能行銷獲客、客戶營運、產品推薦等環節，使渠道側的展業人員能夠更高效提供更加有溫度的客戶陪伴和更專業的金融服務。
財富管理、資產管理領域分析決策有很內送流量備援容錯機制觀判斷，產品服務提供的質素本身不確定性比較高。大模型能夠賦能專業人員擴大資訊搜集半徑，提升專業分析決策效率，從而為客戶提供相對質素更高的金融產品和服務。
從業務環節來看，大模型在財富管理、資產管理業務的行銷獲客，客戶營運、產品推介，投資投研這四個環節，都有更大的套用空間。
從潛在業務增量來看，目前財富、資管仍然存在使用者滲透率相對較低，投資者體驗相對較差，投資者回報不理想等問題，大模型能夠幫助提升獲客的轉化率，客戶的留存率，客戶的滿意度等方面。
從套用落地的空間來說，相較於風控、交易、IT這些中後台的支持賦能環節，對於財富管理資管機構來說，他們在行銷獲客、在客戶營運陪伴、產品的推介、投資投研四個環節裏，痛點相對更加顯著，大模型能解決這些痛點就意味著能創造更多價值和增量。
姚澤宇提到，科技公司難以取代金融機構，兩者更多是在數碼金融時代形成了競合關系。同時在規模效應之下，未來與金融機構合作開發大模型的服務商，可能會集中在少數技術領先的科技公司手上，使得這些科技公司、大模型廠商，就像雲廠商一樣在一定程度上成為整個金融行業新的基礎設施，成為新型具有系統重要性的金融基礎設施。
姚澤宇表示，之所以說科技公司和持牌機構之間是競合關系而非簡單的替代，主要是因為金融行業強監管內容和高專業壁壘，且對於金融資訊的時效性、金融數據質素要求比較高。
未來產業格局，既有「馬太效應」的加劇分化，又有「乘數效應」的重新洗牌。頭部金融機構的預算相對更足，有更多的業務規模優勢，掌握更內送流量備援容錯機制動權，相比之下中小機構有種種方面的劣勢，所以頭部機構的領先優勢會進一步擴大。資金體量、業務體量、金融能力，是相乘的關系，企業必須每一個長板都足夠長。
行業應未雨綢繆、加強協作
未來，在加強各方協作方面，姚澤宇提到，頭部機構應發揮「頭雁作用」，共建共享金融大模型、行業數據庫、算力資源池，降低中小機構部署大模型的成本門檻。明確行業數據、演算法共享開放標準和激勵機制等。
探索分級分類監管方面，基於不同金融場景、業務流程的風險特征，分門別類設定大模型套用的準入標準和監管制度針對向金融機構提供大模型服務的第三方供應商，完善其備案制度、風險評估機制、內控營運要求，未來或可進一步對其設立持牌準入門檻。
同時，發展風控技術，探索呼叫外部專業數據庫等知識增強工具，提升大模型的輸出內容精確度、專業度完善大模型內容輸出過程中的過濾標準，提升即時風控監測能力積累差異化、高質素金融專業數據庫，加大模型調優、反饋階段投入，提升模型價值對齊程度，防範演算法歧視風險發展多樣化的演算法架構和模型套用，防範演算法趨同風險。
此外，完善內部風控制度。金融機構及第三方技術服務商或可針對性地設立完善大模型相關的內部風控及合規管理機制頭部機構亦可對外輸出風險管理經驗及技術解決方案，構建行業自律標準，賦能中小金融機構提升風控水平。
責任編輯：孟俊蓮 主編：張誌偉
