生成式AI 助力商業銀行數字化轉型

本文從生成式AI深刻改變各行各業說起，探討了生成式AI如何賦能商業銀行數字化轉型，并在此基礎上深入分析生成式AI在銀行合規科技中的應用方案，最后指出生成式AI在商業銀行應用時應注意的潛在風險，包括風險認知偏誤、數據合規問題，以及內部風險處置。

2022年11月30日，美國人工智能研究公司OpenAI發布基于GPT—3.5模型的生成式人工智能（AI）對話系統ChatGPT，其效果超過了之前的人工智能模型，迅速在全球范圍內引起巨大關注和熱潮。ChatGPT作為一個先進的對話系統，不僅在智能對話處理方面取得了顯著成就，而且還展示了生成式AI在文本生成、信息處理和自然語言理解等方面的巨大潛力。自從推出以來，生成式AI迅速成為研究者、技術愛好者和商業界人士關注的焦點，許多將生成式AI用于日常工作中的想法也正在成為現實。

生成式AI正在深刻改變各行各業

生成式AI可以被認為是一種通用式技術，而通用技術的特點是隨著時間的推移和技術的普遍應用，這種技術可以推動產業的變革和生產力的解放，例如工業革命時的蒸汽機、內燃機等。目前，生成式AI的興起正在深刻地改變著各行各業的運作模式。通過高級的算法和深度學習網絡，生成式AI能夠自主生成文本、圖像、音頻和視頻內容，為創新和效率提供了前所未有的可能性。在媒體和內容創作領域，生成式AI使得個性化內容的制作變得更加快速和成本效益化，允許創作者以更少的時間和資源創造更豐富、更符合目標受眾口味的內容。在商業和市場營銷領域，生成式AI被用來創建個性化的廣告內容和營銷策略，極大地提高了目標精準度和用戶參與度；同時，它還在為企業進行數據分析和提供預測模型方面發揮著重要作用，幫助企業更好地理解市場趨勢和消費者行為。在教育和培訓行業，生成式AI通過提供定制化的學習材料和互動體驗，為個性化學習和遠程教育開辟了新的道路，學生們可以通過AI生成的內容獲得更加貼合自己學習節奏和興趣的學習體驗，從而提高學習效率和興趣。

在金融行業中，生成式AI的應用正在帶來革命性的變化。在風險管理和合規領域，生成式AI能夠通過分析歷史交易數據和市場趨勢，預測和識別潛在的風險點，幫助金融機構更有效地遵守監管要求并防范風險。在個性化財務顧問服務領域，生成式AI通過分析客戶的財務狀況和投資偏好，為客戶提供定制化的投資建議和財務規劃服務。在信貸評估領域，AI能夠快速處理和分析大量的借款人數據，提高信貸審批的速度和精確度，從而大幅提升金融服務的效率和客戶滿意度。

生成式AI賦能商業銀行數字化轉型

商業銀行的數字化轉型是伴隨技術進步產生的必要組織形態、系統架構、人員組成、業務模式等的轉變，是商業銀行積極利用技術提高管理水平、增大用戶影響力、改進商業經營模型的舉措。伴隨著信息技術的發展，數字化轉型使得銀行從傳統經營方式到目前為止，已然經歷了三次主要的數字化變革。

商業銀行的第一次數字化變革是銀行內部的數字化。隨著20世紀80年代初開始出現個人電腦并逐步普及，銀行開始擺脫傳統人工經營方式，在銀行內部推行業務的計算機處理和金融數據的入網與聯網。這一次數字化轉型使得商業銀行內部基本建立起數字化處理業務的基礎設施，進一步統一和規范了銀行內部業務處理流程，大大提高了銀行的業務處理效率。

商業銀行的第二次數字化變革是外部經營的數字化。這一數字化變革起源于移動互聯網和移動智能設備的普及，傳統經營網點開始衰退，網上銀行和手機銀行開始出現，銀行與第三方支付平臺綁定支付模式開始取代傳統紙幣支付模式，實現了銀行客戶隨時隨地辦理銀行業務的需要。這一次數字化轉型是商業銀行在外部經營模式上的創新，進一步擴大了銀行的經營群體和業務受體，提高了銀行的經營效率。

商業銀行的第三次數字化變革是深度、全面的智能化和數字化。隨著人工智能、區塊鏈、云計算、大數據等金融科技技術的發展，商業銀行從內部業務到外部經營正在接受著全面、深度的數字化轉型，智能風控、信貸審批模型、信用分析系統、智能機器人客服等都表現出AI智能化已經成為了第三次數字化轉型的主要特點。尤其是在ChatGPT出現以后，生成式AI與銀行業務的融合給予商業銀行數字化轉型新的動力和期待點，將成為引領新一代銀行轉型的重要力量。

ChatGPT出現在銀行進行第三次數字化轉型的時間點，其效果展示是一種具有強大內容創作和人機交互的通用生成式AI應用，并且在底層模型的逐步更新迭代過程中已經由一個聊天機器人發展成為具備解決多模態問題能力的應用，可以同時解決文字、音頻、圖像等相關問題。隨著研究的不斷深入，一些聚焦于垂直細分領域的生成式AI應用也隨之出現，這些細分領域生成式AI的開發思路一般有兩種，一種是基于原有通用生成式AI自定義具有某些專業功能的生成式AI，這一方式也被OpenAI公司以GPT Store的形式實現；另一種方式是從生成式AI的底層訓練數據入手，利用通用訓練數據+細分領域特有訓練數據的形式對模型進行訓練，比如早在2023年3月，全球最大的金融信息服務商彭博（Bloomberg）宣布其訓練了第一個金融領域的大語言模型BloombergGPT，BloombergGPT參數規模為200億，使用了彭博自建的3630億代碼（token）的金融數據集和3450億token的通用數據集。眾多研究對比測試也表明，垂直細分領域的生成式AI在解決該特定領域的絕大多數任務時會優于通用型的生成式AI，這說明了特定領域的生成式AI可以表現出在該領域更優的效果和能力，這也為生成式AI在銀行數字化轉型中應用的可行性做出了科學的判斷和實踐上的認可。

生成式AI的出現與銀行的數字化轉型存在天然的時空耦合，可以進一步整合銀行內外部、全方位的業務需求，更加系統化地推進銀行的數字化轉型，使得銀行的數字化轉型更加智能和類人化，為銀行的數字化轉型提供了新思路和新想法。生成式AI的這種系統化、創造性的能力更多源于其具有的“涌現能力”，主要體現在三個方面：一是上下文學習（In-Context Learning，簡稱ICL），這也是一種記憶和學習的能力，能夠在輸入的上下文中學習到給定的例子并完成類似的任務，而無須對底層模型進行額外的訓練或梯度更新；二是推理能力，生成式AI通過一系列中間推導過程的思維鏈（Chain-of-Thought，簡稱CoT）可以實現數學推理、常識推理、符號推理、邏輯和知識的能力，這在任務的系統性和完整性中是非常重要的；三是零樣本學習（Zero-Shot Learning），可以簡單地理解為人類的學習過程，即使看見沒見過的東西，也可以根據先驗知識做到一定程度上的識別。除此之外，生成式AI利用基于人類反饋的強化學習（Reinforcement Learning with Human Feedback，簡稱RLHF）對齊人類產出的方式也使得其內容輸出與人類的主流核心價值觀保持一致，避免了其中的科技和道德倫理問題，使得生成式AI可以合理且正確地應用于新一代銀行數字化轉型之中。

生成式AI可以為商業銀行數字化轉型提供諸多解決方案，通過自動化和優化程序的方式承擔商業銀行中行政管理、日常決策等工作。從細分業務來看，生成式AI可以被潛在應用于欺詐檢測和預防、風險評估、信貸決策、投資組合管理、市場分析等銀行重點業務活動中，并且可以在客戶服務、個性化產品推薦和員工招聘等活動中發揮著更加具有創造性和客戶吸引力的作用。

目前，商業銀行的金融科技戰略已經成為推進自身數字化轉型的重要舉措，根據年報數據披露，2022年六大國有銀行的金融科技投入總計1165億元，十大股份行的金融科技投入總計648億元，國有大行和股份行金融科技投入占營業收入比達 3.37%，金融科技員工占比達5.45%。就人工智能行業而言，根據中國社會科學院金融科技數據庫統計，我國人工智能企業數量也已經超過了4400家。而根據互聯網數據中心（IDC）的報告顯示，隨著2023年ChatGPT的爆火，我國90%的銀行也已經開始了人工智能在銀行業務中的應用，并且也有不少的銀行開始嘗試ChatGPT在銀行數字化轉型中的探索。中國農業銀行率先推出了名為 ChatABC 的自主金融AI 大模型，中國工商銀行發布了基于昇騰 AI 的金融行業通用模型；中國郵政儲蓄銀行、中信銀行、興業銀行和蘇州銀行等則選擇接入百度開發的“文心一言”大模型打造具有銀行特色的人工智能應用。

生成式AI在銀行合規科技的應用方案

合規科技致力于通過金融機構內部數據作為核心抓手，并利用人工智能、區塊鏈、云計算、大數據等金融科技底層技術來解決金融機構內部的合規問題，以尋求內部合規效率的提升以及精確度的加強，為金融機構加強風險管理、降低合規成本、實現監管合規提供更加智能化、合理化、快速化的解決方案。商業銀行在進行數字化轉型中最為核心的問題是如何應用科技的手段實現銀行利潤與風險的平衡，其中一個重要的邏輯是通過有效地管理和控制風險，就可以確保利潤的最大化并歸于自身所有，這樣就需要從合規科技的視角參與銀行的數字化轉型。

一是看銀行可以采取什么數字化方式，來改進銀行內部的合規業務處置。銀行內部的合規，需要滿足銀行開展的業務符合相關法律法規要求和監管機構的監管條件。從細化的角度來看，銀行開展業務中存在的不合規行為本質上是一次有效的風險暴露，同時合規問題又往往與銀行的風險管理產生必然聯系，這就導致了利用數字化去改進銀行的合規業務處置，本質上是一種風險管理的數字化。利用大數據技術對銀行數據進行數據挖掘，利用人工智能技術將風險控制模型化，利用云計算技術來實時監控銀行內部的風險暴露和合規問題，利用區塊鏈技術實現去中心化的隱私保護，這些都是利用數字化技術可以實現的銀行合規業務的處置。

二是看銀行從哪些環節采取數字化轉型的方法進行業務的變革，以及這些變革對銀行自身風險管理的影響。隨著商業銀行第二次和第三次數字化變革的進行，銀行轉型主要可以從資產端、負債端和支付端來看。資產端上，銀行借助手機銀行等APP平臺積極擴展信貸方式和信貸場景，并利用大數據、人工智能等技術對信貸業務的風控進行全面優化；負債端上，銀行通過大數據模型提供更為精確的金融業務個人推送，并使用多種方式實現平臺化的資金吸收，同時依靠銀行內部數據和監管機構等第三方數據有效地實現“了解你的客戶（Know Your Customer，簡稱KYC）”等風險控制；支付端，銀行注重為用戶提供更為安全和智能的支付服務，應用大數據技術對用戶支付過程中的行為進行風險分析，為用戶資金提供更加安全的保障，應用生物識別技術使客戶的支付行為更加便捷和安全。

三是看銀行采取的數字化轉型方式存在哪些潛在的合規風險。銀行的數字化轉型從根本上講是屬于技術驅動和數據驅動的，要注意使用的技術是否會出現知識產權方面的風險，銀行與金融科技公司以合作模式進行協作開發的過程中要厘清權責，同時數據的隱私安全和合規治理是銀行在數字化轉型的過程中始終需要注意的話題。

生成式AI應用可以為商業銀行資產端、負債端以及支付端的合規科技數字化轉型提供新的解決思路。資產端上，生成式AI模型“預訓練+指令微調”的特點使得為不同客戶、不同信貸場景、不同信貸方式構建定制化的風控模型變成可能，同時生成式AI數據驅動的使用方式可以完成結構性數據和非結構數據的收集與整合，實現即時的資產風險檢測和客戶追蹤，做到對信貸的低成本管理；負債端上，生成式AI可以借助定制化服務更好地匹配用戶的風險偏好與其財富管理需求，為用戶提供全天候、個性化、低門檻的智能投顧服務，從而更好地維持存量、吸引增量；支付端上，生成式AI善于結合實時數據根據不同的場景為用戶提供更加安全、便捷的支付方式建議，對于存在潛在風險的支付訂單生成式AI可以及時提醒并進行風險警示。

目前，生成式AI在銀行合規科技數字化轉型中已經有一些落地的實踐案例。比如，長沙銀行與科大訊飛合作實現了客服通話錄音的智能化處理，推動了客戶風險檢測和客戶服務數據挖掘等工作的建設；浦發銀行同百度“文心一言”合作開發了金融行業模型，提升了金融文本命名實體識別模型的精準率，進一步提升了信貸授信報告處理的準確率和操作效率，有望降低信貸問題處置中的潛在風險；農業銀行蘇州銀行運用人工智能技術打造全天候風險監控系統，實現了實時預警、智能預警的風險監控目標。

生成式AI在商業銀行應用時應注意的潛在風險

隨著生成式AI的持續火爆和其能力的迅猛發展，商業銀行需要積極擁抱ChatGPT以尋求更高程度的數字化轉型，但由于銀行行業具有較高的安全性需求和對技術使用的敏感性需求，這就導致商業銀行必須謹慎對待生成式AI技術中存在的潛在風險和合規性問題，并采取適當合理的對策對其中的風險進行預防和處置。

其一，風險認知偏誤。生成式AI優秀產出效果在媒體上的廣泛宣傳使得銀行可能在評估或應對生成式AI潛在風險時存在心理和認知偏差，在銀行使用生成式AI進行日常工作時可能會低估生成式AI存在的技術缺陷或過度依賴生成式AI的產出和判斷，從而導致管理層和員工對新技術的風險評估不準確。為了緩解這一問題，商業銀行內部需要創建由不同部門代表組成的團隊來評估和管理生成式AI的應用，從而確保不同視角和專業知識的融入，減少單方面的偏見；同時要建立針對生成式AI性能和決策質量的反饋機制，正確評估生成式AI所帶來的收益和潛在風險損失。

其二，數據合規問題。數據是生成式AI發展的基石，數據合規決定了生成式AI能否正確合理地使用，而在銀行業中數據的合規性起著更加重要的作用。然而生成式AI在銀行的應用仍舊存在生成式AI模型的算法透明度、銀行金融數據隱私、生成式AI內容產出的知識產權等問題，對此商業銀行需要嚴格遵守《數據安全法》等數據相關的法律法規，實施包括數據收集、處理、存儲和銷毀在內的更加細致的數據管理政策，并且使用加密和安全訪問控制技術來保護數據，確保所有數據處理流程都經過嚴格的安全審查。

其三，內部風險處置。銀行通過引入生成式AI這種新技術進行數字化轉型，不可避免地會加劇復雜技術環境和新型操作模式下技術故障、操作錯誤、信息泄露等內部風險。商業銀行應該定期對員工進行培訓，提高員工使用生成式AI的水平和對于使用生成式AI時潛在風險的認識；并建立明確的操作指南和合規行動手冊以確保員工在使用生成式AI時能遵循最佳實踐，減少操作錯誤。

（尹振濤為中國社會科學院金融研究所金融科技研究室主任，王振為中國社會科學院大學應用經濟學院碩士研究生。本文為中國社會科學院智庫基礎研究項目“中國金融科技發展指數構建與研究”（23ZKJC068）的階段性成果。責任編輯/王茅）