随着AI大模型技术在金融行业的应用日益广泛，其价值正从降本增效逐步升级到高效提升业务核心收益。近日，奇富科技（HK03660）CEO吴海生接受《每日经济新闻》记者（以下简称“NBD”）专访时表示，科技是驱动金融创新的关键，能打破传统边界，以智能化、个性化方案满足多元化金融需求。
随着金融大模型不再比拼参数与能力，而是转向比拼AI Agent，未来金融大模型产品能否在金融行业继续普及，需满足三大要素：一是深耕场景，比如在客服场景，AI大模型需协助座席工作人员更精准迅速地捕捉用户意图；二是数据飞轮，以大模型在小微金融所构建的关系图谱为例，通过持续迭代的数据反馈机制，确保大模型性能形成良性循环；三是多智能体协作，通过调用多个智能体协作，实现从任务优化升级到自主智能解决问题。当上述三大要素相辅相成，金融机构在大模型领域的核心竞争力将进一步升级。
一直以来，小微普惠金融普遍存在风险、成本与规模的“不可能三角”，即金融机构若要在成本可控情况下大幅扩大小微普惠金融规模，就面临更高的信贷风险，若要追求风险与成本可控，就难以迅速扩大业务规模等。奇富科技的实践表明，大模型技术或许能解决这个“不可能三角”难题。因为数字化、智能化技术可以重构成本结构并管控风险，这是打破上述困境的关键。
吴海生向记者指出，随着金融大模型在金融行业创造的价值正在从降本增效升级到高效提升业务核心收益，它将驱动金融行业颠覆式产品服务模式创新步伐加快，逐步为广大用户提供无缝嵌入生活的高度个性化金融服务。奇富科技正深化研发金融大模型技术、加强与金融机构合作，借助AI大模型的无穷潜力，为金融行业带来实实在在的提效。
奇富科技CEO 吴海生 图片来源：受访者
AI大模型技术未来将逐步从“副驾驶”走向“主驾驶”
NBD：近年来，金融行业先后拥抱元宇宙、区块链与AI大模型，有些新技术似乎显得昙花一现。如今，AI大模型技术在金融行业的应用，是否会持续蓬勃发展？
吴海生：在金融科技发展历程里，的确出现过很多新科技，有些科技的确昙花一现。但AI大模型具有被金融行业广泛应用的现实性。未来，AI大模型技术在金融行业广泛应用的趋势，将会表现在三个方向。
一是目前AI大模型仍在扮演“副驾驶”的角色，帮助银行从业人员更好地提升他的能力，比如在银行贷前、贷中、贷后管理环节，以及风控、客服、营销等领域，都可以通过AI大模型技术增强员工的工作能力。但在未来，我们将看到AI大模型技术逐步从“副驾驶”走向“主驾驶”。
例如，目前银行在给小微企业做信贷风控评估时，仍然不敢让AI大模型自主决定信贷决策，但未来随着AI大模型的推理能力越来越强，银行风控人员将对它的自主风控决策能力更加放心，从而让AI大模型参与到更多的信贷风控决策工作。
二是金融行业对个人数据安全保护与数据合规使用的要求更高，未来，我们将看到端侧AI大模型应用的需求会变得旺盛。例如，在用户端会产生一些AI小模型计算，与银行在云端的大模型联合起来共同计算以解决用户的个性化金融服务需求问题，如此就能更好地解决用户数据隐私保护与数据合规使用等问题。这种端侧大模型技术可以有效连接用户端与银行端、用户端与金融科技平台端、银行端与金融科技平台端的各自大模型，形成较强的AI端计算能力，将特别适合中国金融科技发展的需求。
三是2024年以前，金融行业似乎都在比拼金融大模型的参数与能力，但近期我们看到一个明显变化，就是大家开始将目光转向比拼AI Agent能力，所谓AI Agent能力，就是银行能否用AI将一个复杂任务执行好的能力，它需要调动众多程序来完成这个复杂任务，但也会产生巨大的价值。
例如，如果一家金融机构想将过去50年以来的标普指数走势数据与当前走势数据做一个比较，按照传统做法，金融机构需要先找到一个数据源，再下载这个数据，再做一下算术平均，然后下载当前的数据行情进行比较，中间存在着很多操作程序。但AI Agent可以直接帮金融机构完成这些操作程序，实现更高的工作效率。
NBD：相比AI大模型，AI Agent具备哪些新的AI能力，帮助金融机构进一步提升金融服务水准？
吴海生：如今的AI大模型已具备众多功能，有的能生成图片，有的能生成视频，但这都是单一指令，不是复杂任务，因为复杂任务涉及众多工具的调用。例如，一个人对手机说“你要点一份某品牌火锅的外卖”，AI Agent会在这个手机上自动打开相关app，搜索到这个品牌的链接，进入再点一份火锅，下单并完成支付。所以AI Agent能帮人执行一系列的复杂任务。
目前，已有金融机构尝试在某些金融业务场景使用AI Agent。但它还需要具备三大条件：首先，金融机构的AI Agent底层技术需发展得足够好；其次，金融机构需要找到适合AI Agent的业务场景，并形成相应的产品服务；第三，这项基于AI Agent的金融服务体验是否足够无感与优雅，让民众喜欢这个“生活小助手”。未来，AI Agent的应用难度，不在于拼算法，而在于拼场景与用户体验。
科技公司助力中小银行缩短金融大模型等新技术的研发应用周期
NBD：如今在金融大模型研发投入方面，大型银行与中小银行的投入有差距，这可能带来新的“技术鸿沟”与“金融服务差距”，这种鸿沟与差距如何弥补？
吴海生：这种技术鸿沟不只是发生在大型银行与中小银行之间，大型银行之间也有一定的区别性，大型银行与科技公司之间也存在区别性，科技公司与科技公司之间也存在区别性，这其实是一个普遍现象。
尤其是当前科技迭代速度实在太快，每家金融机构或科技公司未必能持续占据技术优势。所以这背后的技术鸿沟比拼，更多体现在金融机构对金融大模型等AI科技的投入程度，以及是否具备足够的AI专业人才令金融机构维持相对领先的技术优势。
我个人认为，要解决这个技术鸿沟与金融服务差距，未来科技公司与金融机构之间的合作空间会更多更深入，尤其是科技公司可以帮助中小银行缩短金融大模型等新技术的研发应用周期。
NBD：当前中小银行在研发自己的金融大模型时，与金融科技公司开展合作的意愿如何？
吴海生：据我们观察，中小银行在这方面的需求相当强烈。目前，很多中小银行都在将业务从线下向线上转型，从对公业务向零售业务转型，但向线上转型后，客户在哪里？如何与客户合作？如何对客户进行风控评估？这都是中小银行需要解决的一系列新挑战，所以他们会选择与科技公司合作，用AI技术实现获客、拓客、业务拓展与客户风控评估。
但与此同时，引入外部的AI等技术能力，又涉及中小银行底层技术系统与业务环节的对接，所以中小银行的内部决策链条会长一些。但所幸的是，我们看到越来越多中小银行都在开展数字化转型吸引年轻客户，因此他们知道，未来年轻人都喜欢线上生活与智能化服务，若银行无法提供智能化的金融服务体验，这些年轻人就会改换门庭。
对于科技平台而言，如何让中小银行了解最前沿的技术以及应用成效，如何缩小金融大模型等AI科技产品的交付时间，提升交付效率、交付质量与交付合规性，是科技平台能否在这个赛道具备竞争力的关键。在这方面，我们的竞争力是相当高的。
通过在垂直场景领域专项训练，可以缓解大模型幻觉问题
NBD：目前基于AI技术的金融大模型在金融机构业务场景的应用成效如何，还有哪些挑战需要解决？
吴海生：整体而言，金融大模型在金融机构业务场景的应用效果是相当明显的。尤其是在金融大模型应用方面相对靠前的机构，业务线上化程度已相当高，甚至可以做到智能化。这某种程度也能解释为何这些年金融机构业务量保持增长，但员工数量没有同步增长。因为大量的工作都被AI等新技术所覆盖。金融大模型技术研发应用的挑战，我个人觉得存在四个方面：
一是技术本身的成熟度，大模型技术的迭代速度非常快。金融机构会关注自己正使用的大模型技术是否会在未来被新技术“替代”，导致投入打了水漂；
二是各家金融机构对新技术的认知度还不够“对齐”。有些机构并不存在应用这项新技术的紧迫性，或者有这个意识但没有真正快速应用它，将导致金融大模型技术在不同机构之间的应用效果参差不齐；
三是金融机构内部的大模型人才挑战。目前，不少机构仍然缺乏专业的金融大模型研发人才，但换一个角度，金融机构未必需要将自己变成一家大模型公司，只需要用好大模型这项技术即可，所以他们需要的，是如何将金融大模型用好的专业人才；
四是大模型幻觉问题，这将是长期存在的问题，但会不断减少。因此越来越多科技公司与金融机构都充分认识到，在一些垂直场景领域通过专项训练，幻觉问题将比通用场景少很多。
NBD：如今，越来越多金融机构在研发金融大模型时，特别关注投入产出比。但金融大模型的研发投入又是一项长期工作，银行该如何更好评估相关的投入产出比？
吴海生：这主要取决于金融机构对自己的定位，如果金融机构将自己定位成底座大模型研发公司，这个大模型研发投入将是长期巨大的，要实现很好的投入产出比难度不小；反之，如果金融机构将自己定位成大模型应用型公司，或许可以省下不少钱，也能提升金融大模型应用效率。所以这背后，还是金融机构的自身定位与技术应用路径选择问题。
热门跟贴