金融AI已步入2.0时代：大模型广泛应用 人才稀缺数据安全存在挑战
（图片来源：网络）
根据业内人士的预测，金融大模型的热度有可能在未来1年至2年内持续存在。
文 | caron
编辑 | caron
自2022年年底以来，生成式AI备受关注，其核心能力是通过学习数据要素来创造新的内容与产品。人工智能（AI）模型大致可分为分析式AI与生成式AI。
（图片来源：unsplash）
分析式AI：是指能够通过分析大量数据或信息，从中提取出有价值的知识或洞见，帮助人们做出更明智的决策。
生成式AI：则是指能够根据已有的知识或数据，自主生成新的、具有创造性的内容或解决方案。
根据《财经》不完全统计，今年，招联金融、马上消金、度小满、蚂蚁集团、奇富科技等机构均公开宣布推出金融大模型，其中包括开源大模型和行业大模型等。
根据部分金融从业者的观察，客服场景等领域的AI应用早已存在。然而，也有从业者明确表示，过去的AI客服仅具备题库功能，而现今的AI客服则具备真正的AI属性。总体而言，金融大模型的“热潮”正推动金融领域的AI应用迈向2.0智能化时代。
金融领域的AI应用
目前，已有数家金融科技公司公开其使用大模型的成效。例如，招联金融的“招联智鹿”经过模拟测试，相比人工作业，该模型结合具体会话状态与服务场景，可实时定制回复话术，节约时间成本近80%。此外，奇富科技的大模型在电销系统中表现出色，通过语义分析和线索挖掘，帮助提升电销线索识别准确率达到98%，同时将转化率提高超过5%。
根据业内普遍观点，金融大模型受到行业追捧的背后，是由明确的商业利益驱动。金融科技公司希望借助AI的力量，有效实现降本增效。随着AI产业链的发展，AI在金融领域的探索逐渐深入。在金融业务链条上，AI与金融的结合已贯穿金融业务前、中、后端各个环节，包括获客、风控、运营、客户服务、营销等。
获客层面，有科技公司通过AI智能语音机器人等产品去触达财富管理业务的潜在用户，在进行智能交互过程中，会借助决策式AI的力量进行数智化洞察，再通过生成式AI制定完整的营销和运营策略，最终完成服务。
AI在金融领域仍面临一些挑战
数据约束：数据是支撑AI在金融领域应用落地的关键。为了确保AI模型的准确性和可靠性，需要充足、高质量的数据作为输入。在金融领域，数据通常具有复杂性和多样性，因此需要经过筛选、清洗和预处理，以符合AI模型的要求。
每家机构所持有的金融数据量有限，这便意味着，为了训练出更为精准的金融模型，需要采集和整合更多的数据。然而，当前金融行业在数据共享方面面临着一定的困难。在业内人士看来，金融数据不仅是金融机构的核心资产，还涉及到用户隐私保护等敏感问题，因此数据的共享和整合成为了一个具有挑战性的问题。
人才缺口：当下的金融AI领域，稀缺的并不是纯技术型人才，而是复合型人才。这种人才不仅需要深入理解人工智能技术，同时还需要对金融行业有足够的了解，能够将人工智能技术与金融业务相结合，解决实际问题。目前，市场上这类复合型人才相对较少，因此，金融AI领域的人才缺口仍然较大。
三是合规。数据融合和数据共享面临的最大挑战既不是技术，也不是数据，而是合规。在金融领域，AI数据隐私保护和安全问题尤为重要。
例如，LLM（大语言模型）存在一些普遍问题，甚至有些模型是黑盒，不具备鲁棒性，即在不同情况下保持系统或算法的稳定和可靠能力。具体而言，在金融应用场景中，AI也可能存在数据滥用、模型偏差等问题，这些可能导致隐私泄露、金融欺诈、贷款歧视等风险的出现。因此，我们必须采取措施解决这些问题，以确保AI系统的安全性和可靠性。
当前，AI产业正朝着两个方向发展：一是纯粹的技术研发层面，二是商业应用层面。有观点指出，从技术角度来看，目前中国在底层原创能力方面仍然处于追赶海外国家的状态。然而，在应用层面，中国的创新力度一直处于世界前列。
据业内人士预测，金融大模型的热门程度可能还会持续1年至2年。从某种意义上来说，一项新兴技术从问世到成熟，通常需要经历四个阶段：备受追捧、盲目发展、行业治理和理性发展。只有经过这四个阶段，该技术才能最终走向成熟。
猜您喜欢
04
12-2023
事实上，GPT-4在很多方面都超越了ChatGPT，只是在某些特定场景下表现稍逊一筹
05
12-2023
"AIGC应用火爆，从AI证件照到AI译制片。这些创新应用如何突破困局，实现商业价值与技术创新的完美结合？
06
12-2023
凭借科技创新的双重动力引领了未来购物体验新潮流
长按扫码添加“安安”立即加入
添加请备注：公司+职务