生成式AI贯穿全部环节，银行争夺“局部速赢”先机

变革已至：生成式AI的突破性能力报告认为，今天生成式AI之所以火热，是因其相较传统AI，在“对话”和“创造”两类能力上实现了根本性的突破。

(资料图片)

就“对话”能力而言，传统AI在回答问题时往往对上下文的理解欠缺，导致答案相关性较低，表达机械化；而生成式AI则能够理解更长的上下文，并进行拟人化的思考和回答，与人类进行更自然的对话沟通。

在“创造”能力方面，传统AI只能按照预设任务输出答案（如分类、数值预测）；而现在的生成式AI能够自动生成自洽的图形、文字创作甚至代码，具备优秀的内容创作能力。

生成式AI背后的大模型，又是如何形成了突破性的对话和创造能力？报告认为，这里不开科学和工程的双重进步。科学的进步，即算法的突破；工程的进步，即超大规模的算力和数据的支持。02

大有可为：应用场景丰富，价值释放可期报告认为，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，接受大量重复性、简单基础的任务，以释放运营类人力资源。

二是赋能人，利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节。

生成式AI的应用场景可以贯穿银行全产业链的各个环节：每个职能部门、每条业务线本质上都能找到生成式AI的应用场景。同时，有实践表明规模化应用生成式AI有望为银行业带来可观的降本增效收益。03

落地可行：局部速赢已有路径，

规模化应用仍需体系性规划报告认为，行业具备由点及面推进生成式AI应用的三大条件，即扎实的数字化基础、完备的技术能力和多元丰富的数据。在推进技术落地过程中，有四大举措需予以重点关注：

第一，在探索初期，优选生成式AI应用场景，平衡收益和风险，与传统AI充分结合。

第二，在具体应用过程中，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，在生成式技术能力体系建设上，夯实技术基础，合理部署、多维选型、全栈升级。第四，在重塑体系规模化应用过程中，遵循10/20/70原则，即10%是模型，20%是整体IT能力升级，70%是业务与组织的转型，而后两个因素更为关键。04

快速行动：银行需由点及面，敏捷推进报告认为，在对生成式AI的探索中，银行需具备长线思维，开展体系化的顶层规划，并与相关业务和科技部门协同共进，推动规模化应用的分步落地。概括而言，可分三个阶段由点及面、敏捷推进：第一阶段为少量场景的概念验证和局部落地，即选择重点应用场景，快速完成概念验证、构建MVP最小可行产品；第二阶段为开展全场景盘点和体系规划，即基于局部应用的效果和经验，形成规模化实施的顶层规划；第三阶段则为规模化应用落地和体系能力的固化。谈及生成式AI正在行业范围内掀起的技术革新浪潮，何大勇表示：“随着生成式AI技术的逐步成熟完善，其应用可拓展到银行业全价值链，充分发挥其‘对话’和‘创造’能力，替代人、赋能人，降本增效，释放生产力，为银行业带来巨大变革。因此，银行急需提速布局生成式AI的应用落地，争夺变革浪潮下的竞争先机。”（注：本文来源于公开报道，波士顿咨询《银行业生成式AI应用报告（2023）》）