AI 大模型在金融行业的应用前景及潜在影响分析

微信扫码，打开到小程序

Financial Technology 金融科技 36 国际金融 2024-10 INTERNATIONAL FINANCE AI 大模型在金融行业的应用前景及 潜在影响分析 ◎姚泽宇 苏杭 作者简介 ：姚泽宇，中国国际金融股份有限公司研究部执行总经理 ；苏杭，中国国际金融股份有限公司研究部分析师。 摘要：当前，金融机构主要将大模型应用于业 务场景简单的非决策类环节。本文从展业流程角度 和业务场景角度系统梳理 AI 大模型在金融行业的 应用现状，并从应用趋势、赋能空间、产业格局三 个方面对大模型在金融行业应用趋势展开探讨，动 态、辩证分析大模型对金融体系的整体影响。本文 认为，监管机构、金融机构及技术服务商等各方可 通过加强合作、明确监管合规要求、完善风控制度 等降低大模型带来的相关风险；同时，针对未来大 模型广泛应用所带来的潜在风险也需提前讨论、积 极防范。 关键词：AI 大模型；金融行业；大数据；金融 风险 中图分类号：F832 文献标识码：A 一、大模型在金融行业的应用现状 大模型的出现给 AI 与金融的结合带来了更大 的想象空间。相较于已在金融领域被广泛应用的 传统判别式 AI，大模型具有更强的通用泛化能力， 能够处理复杂多样的信息理解、内容生成、多轮对 话等任务，在金融领域具有较大的价值创造空间。 例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 约 9% ~15% 的营业利润增厚空间；据清华经管联 合度小满等发布的《2024 年金融业生成式 AI 应用 报告》，大模型驱动的新商业模式有望为金融业带 来 3 万亿元规模的商业价值增量。 当前，金融机构主要将大模型应用于业务场景 简单的非决策类环节，而在核心决策环节应用大模 型仍面临较大挑战。从业务流程角度，大模型已开 始赋能前台营销运营、信息搜集整理，以及中后台 运营支持等环节；从业务场景角度，各类金融机构 已开始尝试将大模型应用于支付、信贷、投顾、投研、 保险等细分领域。 （一）落地应用现状 ：当前大模型在金融 行业主要应用于业务场景简单的非决策类环节 目前，国内外各类金融机构正在积极探索大 模型落地场景，金融从业者对大模型类工具的需求 和使用也与日俱增。在金融机构层面，根据英伟达 发布的针对近 400 家金融机构的调研结果，43% 的 金融机构已开始使用大模型，主要用于报告生成 （37%）、客户体验及活跃度优化（34%）、合成数据 生成（33%）和营销（32%），另有 55% 金融机构 正在研究并考虑应用大模型；在金融从业者层面， Financial Technology 金融科技 37 2024-10 国际金融 INTERNATIONAL FINANCE 根据麦肯锡 2023 年的调研数据，金融行业从业者 反馈“在工作中常规使用大模型”“在生活中常规 使用大模型”和“在工作和生活中均常规使用大模 型”的数量占比达 42%，而这一比例在麦肯锡 2024 年的调研数据中上升至 48%。 整体而言，可以观察到大模型当下主要被应用 于业务场景简单的非决策类环节（见图 1）。大模型 在支付、信贷、保险、财富管理等场景均有应用落地， 但主要赋能对客服务、数据挖掘、业务助手等环节。 而在对金融领域专业能力要求较高、涉及提供强金 融投资建议、需要承担核心分析决策任务的业务场 景和业务环节中，大模型的落地应用仍然面临较大 约束和挑战，难以直接替代专业人员完成分析决策 任务，更多作为辅助核心决策人员展业的助手。具 体来看，大模型在金融领域应用的边界和约束主要 包括金融领域专业能力仍有欠缺、难以提供涉及较 严监管领域的复杂金融投资建议、在核心分析决策 环节无法替代人工等。 其中，在金融专业能力方面，由于金融服务存 在时效性强、精确度高、专业壁垒高等特点，当前 大模型仍然存在专业短板，难以理清较为复杂的金 融逻辑，将大模型直接应用于相关专业任务的效果 较差。金融行业中的大模型应用更多是发挥其通用 泛化能力优势，赋能基础业务环节和通用场景，例 如，交互对话、信息整理、内容生成等。在提供金 融服务方面，大模型目前已较能胜任常规的基础金 融对话，例如，金融资讯、业务办理等，但在专业 度高、个性化强、业务复杂且涉及严监管领域的金 融服务上，由于大模型能力有限、应用效果较差， 且存在监管合规风险，目前难以直接为客户提供专 业金融服务，仍需人工介入以满足服务质量和合 规要求。除金融专长仍有待提升之外，大模型亦 面临有时生成内容不可控（如“幻觉”问题）、可 解释性差等问题，应用大模型进行决策判断的可 靠性较低，且传统 AI 在部分金融分析决策任务 中的应用（如风控授信、理赔定价等）已较为普 资料来源：蚂蚁研究院，各公司官网，中金公司研究部 注：统计截至2024年4月30日。 图1 大模型在金融领域的代表性应用图谱 ︵百万美元︶ 场景 对客服务、反欺诈 违约预测 、反欺诈 理赔数据挖掘以 优化承保 财富顾问助手 银行业 智能对话 智能对话 IndexGPT 银行业 智能对话 Light GPT 交易策略分析 客户智能对话 虚拟助手 智能对话 社区内容生成 智能对话 客户助手 金融个人助手 舆情监控风险 评估CoPilot LTX债券信息对 话、可交易标的 知识检索 办公助手 上市公司信息检索 图文生成 分析新闻数据 生成投资策略 办公助手 Chat ABC 办公助手 查询语言、定制 化资讯生成 2023-3 2023-4 2023-5 2023-6 2023-7 2023-9 2023-10 2023-11 2024-1 2024-3 2024-4 发布时间 对客服务智能对话 理赔RPA 灵犀智能中台 HithinkGPT 妙想大模型 办公助手 监管资讯分析 信贷审核助手 奇富GPT 反洗钱、风险管控 支 付 信 贷 保 险 财 富 管 理 金 融 资 讯 内 部 运 营 反欺诈 反欺诈、 控制风险 风险管理 反欺诈 智能对话、智能 投顾投研助手 语音转录分析 风险管理 智能投研 金融信息服务 智能投研 金融信息服务、 智能投顾、智能 投研 量化交易助手 Financial Technology 金融科技 38 国际金融 2024-10 INTERNATIONAL FINANCE 及和成熟，以大模型替代传统 AI 的意义不大。当前 大模型主要负责赋能语义理解、信息归纳、内容输 出等环节，并在部分任务场景中与传统 AI 互补协 作以提升效率。 （二）展业流程角度 ：大模型正在赋能金 融业务各细分环节 大模型在非核心决策业务环节中已有落地应用且 已能创造一定的业务价值。本文将金融业务流程拆解 为营销运营、分析决策、中后台运营支持（见图 2）。 在营销和运营环节（包括面向客户的营销获客、 产品推介、客户运营等），大模型能够较好地赋能 前台对客环节，提升展业质效。一方面，大模型 作为 7×24 小时在线的 AI Agent 智能客服优化客 户交互体验，向客户提供金融资讯、业务办理等 不涉及强金融建议的金融信息数据服务，并调用 专业金融知识库及工具为客户提供关于财富管理、 保险产品信息等方面的基础金融咨询服务。例如， 蚂蚁集团基于金融大模型开发的智能金融助理“支 小宝 2.0”能够服务理财和保险领域的专业知识问 答，相比未服务过的用户，由其深度服务过的用 户频繁交易的比例下降 60%。另一方面，大模型 作为 Co-pilot 赋能销售、投资顾问、保险代理人等， 扩大服务半径（如素材设计、物料制作）、洞察归 纳客户需求（如智能协呼、商机挖掘等）、提升产 品推介质效和客户转化率（实时全域信息搜索、个 性化销售话术建议等）。此外，大模型还可以通过 调用优秀销售顾问展业经验、内部数据知识库等方 式赋能展业人员，提升业务水平。例如，中国工商 银行在远程银行领域，应用大模型赋能事前运营、 事中辅助和事后质检等环节，使得平均通话时长压 降 10%、座席服务效率提升 18% ；摩根士丹利与 OpenAI 合作，利用 GPT-4 赋能财富管理员工，实 时、高效调用内部专业知识库提升服务效率和服务 质量。 在分析决策环节（包括与金融产品设计、风险 定价、投资建议及决策相关的信息读取、分析决策、 结果输出等），大模型主要作为 Co-pilot 赋能投资顾 问、投研分析师、信贷审批人员、精算师等分析决 策人员以及传统 AI 模型，在决策前的信息获取和归 纳环节，优化提升数据搜集的广度、深度和效率， 并在决策后提高内容生成和输出效率，从而提升核 心分析决策人员以及传统 AI 模型算法的生产力。 而由于大模型目前的金融专业能力和输出结果 图2 大模型在金融领域赋能的各细分场景及业务细分环节 ︵百万美元︶ 银行 证券 基金 保险 大模型 较能胜任 大模型 难以胜任 （直接对客） 智能客服 （间接对客） 赋能服务顾问 Co-pilot 数据收集 整理、读取 分析决策 决策结果 输出 风险管理 交易执行 IT/行政/HR 业务流程×金融业务 营 销 和 运 营 分 析 决 策 中 后 台 运 营 资料来源：蚂蚁研究院，OpenAI官网，中金公司研究部 整理多模态数据 生成合成数据 整理多模态数据 征信报告解读 信用评估、定价、 授信、违约预测 信用评估/审批报告 风控、清结算 支付交易报告 内部运营降本增效 支付 智能客服 智能客服 智能客服 客户需求、市场趋势 风险特征洞察 产品定价设计、 风险评估 调研方案、产品报告 保险代理人 Co-pilot 智能客服 （智能投顾） 投顾 Co-pilot 客户需求洞察 产品组合研究 产品组合配置 产品组合报告、 研究报告 投研报告 投资建议、投资决策 机构销售 Co-pilot 信息整理 会议纪要总结 电销/催收 回访/质检 信贷 财富管理 资产管理 保险 Financial Technology 金融科技 39 2024-10 国际金融 INTERNATIONAL FINANCE 稳定性、可解释性方面仍存在较大不足，在直接承 担分析决策任务方面的落地应用较少，面临一定的 监管合规风险。同时，传统 AI 在分析决策核心环 节的应用已较为成熟、效果较好，以大模型替代传 统 AI 进行分析决策的空间和意义均不大。 在中后台运营支持方面，大模型更多作为通用 工具推动金融机构内部运营降本增效，具体包括风 险管理、质控合规、舆情监测、交易执行、行政、 IT、HR 等。 （三）业务场景角度 ：大模型赋能五大细 分金融场景 在通用的内部办公应用场景之外，大模型在支 付、信贷、投顾、投研、保险五大金融业务场景中 均存在落地应用。 在支付领域，大模型主要被用于提升支付机构的 风险识别及反欺诈能力。其中，支付机构利用大模型 获取、整理、分析多模态数据，丰富风控数据维度； 此外，支付机构利用大模型生成大量合成数据以训 练、优化现有风控及反欺诈算法。例如，Mastercard 利用大模型建立合成数据集以优化风控模型。 在信贷领域，大模型主要应用于营销获客、客 户运营、贷后催收、信息抽取整理环节，从而提升 客户转化率、提高风险定价质效、减少贷款坏账损 失；但目前仍不能直接应用于风控决策领域，无法 替代现有决策系统。 例如，中国工商银行通过二次训练形成了千亿 级金融行业大模型，在对公信贷领域使用大模型 赋能贷前尽调报告编写、贷中风险评估提示、贷 后客户舆情分析等信贷服务环节。网商银行升级 “大雁系统”，将大模型作为后台风控系统的助手， 提供客户经营评分和画像、帮助金融机构识别小 微客户。度小满开发“轩辕”金融大模型，应用 于对互联网文本数据、征信报告的解读，从中抽 取多维度风险变量进而辅助风控算法；在代码助 手领域通过大模型辅助生成代码将公司整体研发效 率提升 20%，在客服领域通过大模型推动服务效率 提升 25%，在智能办公领域的大模型意图识别准确 率达到 97%。奇富科技推出金融行业大模型“奇富 GPT”，并将其应用于通话质检、电销、广告、客 服领域，电销转化率提高超过 5%，生成话术优质 率达 70%。然而，大模型当前在信贷业务中仍无法 应用于精准度要求较高的授信、审批等核心决策领 域。例如，网商银行表示并未将大模型应用于授信 环节；奇富科技表示大模型虽然能解决许多交互问 题，但可能无法直接应用于风险决策领域；度小满 表示大模型目前不能直接用于风险决策，但结合传 统风控决策引擎，可以有效提高处理非结构化信息 的能力。 在财富管理（投顾）领域，大模型主要应用于 营销获客、客户运营、产品推介等环节，可覆盖客 户的获取、留存、转化的全生命周期。大模型能够 赋能销售团队提升人员效率和服务水平，并有效识 别潜在用户；大模型还有助于财富管理机构完善内 容生态、提供更有温度的客户陪伴；此外，大模型 能够赋能产品推介过程中的信息传递效率，让投顾 更高效地洞察用户需求偏好、匹配合适的金融产品 和服务。例如，蚂蚁集团基于蚂蚁金融大模型赋能 理财选品、产品评测、行情解读、资产配置等财富 管理服务；同花顺基于底层大模型 HithinkGPT，打 造智能外呼、社区内容生成、问财等多项功能，赋 能财富管理业务。 在资产管理（投研）领域，大模型通过对信息 的高效收集、整合、加工，有助于提升投研及投资 的“搜”“读”“算”“写”“用”五大环节的效率。 在搜索环节，大模型能够通过对多渠道、多模态信 息进行整合，快速响应数据收集请求，提升投研投 资活动获取信息的效率；在读取环节，大模型能够 提炼核心内容，提升投研人员的信息处理效率；在 运算分析环节，大模型能够辅助生成投资观点和决 策的内容；在写作环节，大模型可以承担初步的投 研材料生成工作，相关功能目前已被部分金融机构 嵌入投研工具中，从而解放投研人员生产力；最后， 在知识复用环节，大模型有助于提升机构内部知识 库的检索效率，便利信息调用、减少重复劳动。目 前，已经有多家金融科技公司将大模型应用于语音 转写、会议纪要、知识检索等功能并接入资产管理 领域。 在保险领域，大模型主要被应用于渠道营销、 核保理赔、辅助产品研发等非核心决策环节。在渠 Financial Technology 金融科技 40 国际金融 2024-10 INTERNATIONAL FINANCE 道营销方面，大模型能够帮助设计营销素材，并作 为智能客服向客户提供个性化的保险产品和推荐， 以及作为 Co-pilot 赋能保险销售，为其提供个性化 的保险销售建议和销售策略。在核保理赔方面，大 模型能够辅助人工核保、辅助收集理赔文件、审核 真实性等。此外，在产品设计方面，大模型可帮助 保险精算人员更好地洞察客户需求、市场趋势和风 险特征，提升获取信息效率。例如，Lemonade 基 于 GPT-3 打造销售机器人 MAYA，向客户提供个性 化的保险推荐和咨询服务；据众安保险与众安科技 2023 年 5 月共同发布的《AIGC&ChatGPT 保险行 业应用白皮书》，某再保险公司正在计划研发智能 保险设计平台，其中大模型将应用于帮助精算师更 高效地获取信息，以及基于已有数据和知识库生成 多种保险方案。 二、大模型对金融行业未来发展可能 产生的影响 展望未来，伴随大模型能力提升以及在金融行 业进一步落地应用，大模型有望推动金融行业提升 效率，并给产业协作和行业格局带来深远影响。本 文从应用趋势、赋能空间、产业格局三个方面对大 模型在金融行业应用的发展趋势进行探讨。 （一）应用趋势展望：大小模型协同发展， Co-pilot 嵌入更多场景，AI Agent 精简、重 塑展业模式 当前，大模型仍存在专业能力有限、生成结果 不可控、算法可解释性较差等问题，在合规性和适 当性等方面仍缺乏保障。然而，伴随技术进步带动 大模型能力边界提升以及新的解决方案减少大模型 短板，未来大模型赋能金融行业的空间仍有望进一 步打开。 具体来看，在落地应用的发展趋势上，未来大 模型与小模型或有更多协同，从而赋能更多金融业 务场景。其中，大模型的比较优势在于语义理解、 信息归纳、内容生成，而传统的判别式 AI 优势在 于可控性强、精确度高，适合于资产定价、风险管 理等高精度的分析决策环节。未来二者有望协同互 表 1 目前国内较具代表性的金融领域垂类大模型 资料来源 ：各公司官网，中金公司研究部 企业类型 开发企业 模型名称 研发模式 主要业务领域 互联网平台 / 科技公司 华为 盘古金融大模型 自研 智能营销、智能运营、智能风控、智能办公等金融全场景应用 星环科技 无涯 Infinity 自研 理解和生成关于股票、债券、基金、商品等各类市场事件的分析 拓尔思 拓天大模型 自研 研报摘要自动生成等功能 奇富科技与 360 智脑 奇富 GPT 自研 获客、运营、风控、贷后服务等业务环节 金融科技企业 同花顺 HithinkGPT 自研 智能投顾，提供智能选股、量化投资、技术分析、快速选股等服务 东方财富 妙想大模型 自研 投研、投顾、投教、投资等金融核心场景 九方财富 九章大模型 合作 证券行业投顾、投研、客服、合规、风控、营销 6 大业务场景 恒生电子 Light-GPT 自研 投顾、投研等核心金融场景 金证股份 开发中 自研 RPA+AI、智能客服、智能投资、智能投顾、智能风控智能投行、智慧 运维等 宇信科技 金融行业大模型应用 产品和解决方案 自研 软件开发、数据安全、信贷、营销等场景 蚂蚁集团 蚂蚁金融大模型 自研 理财侧：理财选品、产品评测、行情解读、资产配置等 6 大类服务 保险侧：产品解读、家庭配置、智能核保、智能理赔等 10 多个智能 服务 度小满 轩辕大模型 自研 通过增强对金融知识的理解来提供专业、精确的金融服务 马上消费 天镜大模型 自研 零售金融领域 金融机构 东吴证券 秀才 GPT 自研 涨跌分析和盘后总结，企微 Al 客服助手，智能尽职调查、年报问答、 基金问答、量化投资等八个应用场景 国泰君安 君弘灵犀大模型 合作 君弘智投、综合诊断、智能选股、热点资讯、多模态处理等十大功能 海通证券 泛海言道大模型 合作 智能问答、智能研报、智能研发 中国工商银行 基于昇腾 Al 的金融 行业通用模型 合作 客服、营销、运营和风控等主要业务环节 兴业银行 ChatCIB 合作 反洗钱能力、债券交易智能询价 中国农业银行 ChatABC 合作 知识理解能力、内容生成能力以及知识问答能力 平安银行 BankGPT 平台 合作 图标头像、节日海报、个性化营销内容创作、交互式数据分析、非结 构化数据洞察等场景 Financial Technology 金融科技 41 2024-10 国际金融 INTERNATIONAL FINANCE 补赋能更多金融场景，其中，大模型可用于拓宽传 统 AI 获取信息的维度、提升输出结果的效率，而 传统