对银行业而言，生成式AI技术与传统AI到底有何不同？生成式AI能否为经营管理带来新的价值释放场景？如何推动场景快速落地？规模化应用又需要做哪些准备工作？BCG的报告提供了参考答案

《投资时报》记者  黄凤清

自2022年底ChatGPT 3.5发布起，有关生成式AI的话题热度便持续走高。这项在“对话”与“创造”能力上实现根本性突破的技术，正以惊人的技术迭代和应用演进速度席卷全球，并开始对各行业产生影响。

《投资时报》记者获悉，作为最早应用传统人工智能技术的领域之一，银行业对生成式AI的应用探索亦在逐步铺开。

生成式AI技术与传统AI到底有何不同？生成式AI能否为经营管理带来新的价值释放场景？如何推动场景快速落地？规模化应用又需要做哪些准备工作？对银行业而言，这是当下亟需深入思考的问题。

为推动银行业借力生成式AI技术加速数智化转型、构建差异化竞争力，波士顿咨询公司（BCG）近日发布《银行业生成式AI应用报告(2023)》（下称《报告》），从生成式AI技术特点、新价值释放场景与快速落地、规模化应用能力准备、快速推动全面应用等多方面切入，深入解析了银行业在推动生成式AI应用过程中关注的核心问题。

《报告》指出，生成式AI若能在银行业实现规模化应用，有望带来可观的降本增效收益。而生成式AI在银行业规模化应用的落地是一个体系性工程，技术之外还需要业务与组织的转型配合，包括人才培训体系、人才晋升路径和标准也都需要相应改变。对于生成式AI的探索，银行要有长远的眼光，开展体系化的顶层规划，并协同相关业务和科技部门，推动规模化应用分步落地。

《投资时报》记者了解到，随着国内生成式AI快速发展，相关监管政策正逐步出台落实。为了促进生成式人工智能健康发展和规范应用，自2023年8月15日起，由国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局公布的《生成式人工智能服务管理暂行办法》（以下简称《办法》）正式施行。

《办法》在明确行业规范的同时，亦进一步鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系。

生成式AI有何不同？

实际上，人工智能已经发展多年，历经了专家模型、机器学习、深度学习等多个阶段。与传统AI相比，站在风口的生成式AI有何不同呢？

来畅想一下。银行客户经理日常工作中不再需要到CRM系统的层层功能菜单中去逐一查找并手动汇总分散的信息，不再需要去逐页阅读海量的通话记录、产品类文档或是市场资讯类资料，甚至不再需要熟练掌握各类分析性工具，而只需要问“对的问题”就能高效获取精炼的、极具针对性的营销知识和客户洞察以供进一步决策或行动，节约时间和精力的同时还能体现出更为专业的水平。

这是不是相当富有吸引力和想象空间？

而这，就是生成式AI的魅力。

根据《办法》中的定义，生成式人工智能技术，是指具有文本、图片、音频、视频等内容生成能力的模型及相关技术。

BCG发布的《报告》则明确指出，相较于传统AI，生成式AI在“对话”与“创造”两类能力上实现了根本性突破：在“对话”能力方面，生成式AI能够理解更长的上下文，并进行拟人化的思考和回答，与人类的对话沟通也更自然；在“创造”能力方面，生成式AI能够自动生成自洽的图形、文本甚至代码，具备优秀的内容创作能力。

《报告》认为，突破性的“对话”与“创造”能力，离不开科学和工程的双重进步，即算法的突破，以及超大规模的算力和数据的支持。

银行业应用场景丰富

业界普遍认为，生成式AI技术能够有效地挖掘和利用海量数据，从而极大地提高效率、赋予更多创造力，为企业创造价值。那么，生成式AI究竟是如何创造价值的呢？

《报告》阐释了银行业应用生成式AI主要遵循两大类价值创造逻辑。

一是替代人。生成式AI可以通过开展大量重复性较高、简单基础的任务，如处理文本的要素提取、处理进件、识别异常项、生成基础数据分析、生成标准化内容等，释放运营类人力资源，实现降本增效；部分场景下，生成式AI还可能取代人，催生全新的业务模式，例如交易撮合的场景，未来买卖双方可能只需与AI界面进行对话磋商，而不再需要人作为中介进行撮合。

二是赋能人，有效放大关键节点的“人”的产能，如客户经理、财富顾问、产品经理、信审经理、市场营销人员等。一方面，通过对话式学习的方式，生成式AI可以更好地“培训”专业人员；另一方面，在关键的展业过程中，生成式AI可以有效整合关键信息及素材，助力相关专业岗位的人员更快做出精准有效的判断，展现出更有针对性的客户互动技巧，或更快速地产出高质量的代码、设计文案、报告等。

《报告》进一步提到，赋能人不仅体现在专业内容的形成上，还可能体现在基础管理环节，如以前一个项目经理只能管理两到三个项目，在生成式AI的加持下，未来可能变成一个人可以同时管理十几个复杂项目。

在此价值创造逻辑基础上，生成式AI能应用于银行业的哪些环节？《报告》显示，生成式AI在银行业的应用场景可贯穿前中后台各个环节，银行的每条业务线、每个职能，都有可能找到生成式AI的应用场景。

例如，在市场和销售条线，应用生成式AI可以更精准获客、进行客群细分，可以自动生成广告等营销文案、形成超个性化营销内容或界面，还可以进行客户情绪分析，支持营销人员话术培训；在投顾服务条线，可以提供内容以支持投资顾问与客户互动，可以进行投资报告和研究要点自动提炼，也可以以对话方式提供投资者教育内容，或根据投资者偏好不同生成个性化配置建议；在风险合规条线，能够生成合规文件知识库以支持对条款的高效查询，形成合成数据集以提升欺诈检测，自动化生成合规监控报告、合同文本，能够进行信贷风险预警；等等。

而若能在银行业实现规模化应用生成式AI，有望带来可观的降本增效收益。BCG以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前中后台相关部门应用生成式AI的潜力和效益。结果显示，预计首年即可为该银行节省约1.5亿美元的成本，占整体薪酬总包的7%左右。

生成式AI的应用场景贯穿银行全产业链的各个环节

资料来源：《银行业生成式AI应用报告(2023)》

规模化应用需体系性规划

无疑，生成式AI技术在赋能银行业发展中大有可为。但是，也需清醒认识到，在银行体系内规模化应用生成式AI，仍面临不小的挑战。

《报告》认为，银行在推进生成式AI技术落地过程中，要注意以下几点。

第一，在应用探索初期，各家银行通常优选少量场景先行试水、循序渐进。在选择场景时，要平衡考量收益潜力、风险、实施难度。最早落地的试点场景，还需要考虑其能否在组织准备度诊断、方法构建、信心构建等角度形成示范效应。

值得一提的是，选择场景时，不能只是简单定位“业务环节”，粗放地决定到底是应用在财富管理的营销环节，还是应用在公司金融的授信审批环节。对场景的细分和选择，需要具体到机器的角色和需要解决的问题类型。

第二，在BCG看来，当前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，而这难以满足银行业对金融专业能力、精准性方面的高要求。如何让生成式AI模型“说真话”“说专业的话”，是银行业规模化应用生成式AI的两个关键挑战。对此，BCG认为，要巧用方法，利用嵌入、提示词设计、微调三大抓手，让AI生成的答案更专业、实事求是。

第三，在技术能力体系建设方面，要合理部署、多维选型、全栈升级。具体而言，从部署上看，银行等金融机构对数据安全性有非常严格的要求，这意味着模型的精调、模型的应用都很可能需要在本地进行，保证专属数据“不出行”。从技术上看，若要在全行前中后台都规模化应用大模型，多项软硬件能力也需相应升级，包括算力、模型的选型等。除了模型选型之外，围绕规模化应用开发，还需要构建其它多项能力，如基于提示词设计进行应用开发的能力。另外，风险控制也至为关键，如何形成高质量的测试能力、如何进行内容审查、如何持续基于应用形成反馈，都需要构建新的管理流程和标准。

此外，《报告》还指出，生成式AI在银行业规模化应用的落地，是一项体系性工程，其成功与否会遵循“10/20/70”法则，即：10%是模型，20%是整体IT能力升级，70%是业务与组织的转型。可见，技术之外更为关键。

一方面，当大量运用AI时，需要有操作行为规范，引导员工进行合适的信息输入、对机器输出进行合理判断和使用。围绕质量管理、风险监控、责任认定等，也需要构建匹配的管理机制。银行还要构建负责任AI体系，在精调和应用开发时，尽力确保公平性、可靠性、透明度或可解释性、隐私安全、可问责等目标。

另一方面，生成式AI的大范围应用也将变革企业的岗位和人才结构，以及人才的选拔培养体系。质量管理岗位的人员需求可能会增加，在问题定义能力、问题解决能力方面的综合要求会比以前更高、更能拉开人与人之间的差距。随着人才要求的改变，企业的人才培训体系、人才晋升路径和标准也需相应变化。

应由点及面分阶段推进

正如前面所分析，生成式AI在银行业具备丰富的应用场景，价值释放可期。但如何推进，才是关键。

BCG给出了建议。《报告》提出，推动生成式AI规模化应用落地，具体可分为三个阶段，由点及面进行。

第一阶段是少量场景的概念验证和局部落地。先选择重点应用场景，快速完成概念验证（POC）、构建最小可行性产品（MVP）。通过该过程，诊断技术、业务方面的准备度，梳理出部署模式、技术选型、质量和风险管理的框架标准、配套的组织及资源投入要求。

第二阶段是开展全场景盘点+体系规划。基于局部应用的效果和经验，形成规模化实施的顶层规划，包括：盘点银行所有潜在应用场景，基于商业价值和可行性高低，排布场景的落地先后优先级，形成投入产出量化评估方案；形成技术架构整体升级的细化方案设计；形成质量和风险管理的体系化方案；形成业务和组织能力转型的方案设计；形成能力建设关键举措及路线图。

第三阶段是规模化应用落地+体系能力固化。在这一阶段，完成技术和工具基础设施的搭建；依次分批推进应用场景落地；围绕业务、技术端积累应用经验；持续在落地中迭代问题，并将相关能力固化至技术架构、业务流程和管理规范中。

《报告》称，各家银行应充分意识到，这次的新技术不只是噱头，而是有望切实带来革命性生产力提升的范式变革。对于生成式AI的探索，银行需要有长远的眼光，开展体系化的顶层规划，联合相关业务和科技部门协同努力，推动规模化应用的分步落地。