GPT 的风刮向了金融领域。这项变革性的技术正在驱动金融行业使用 AIGC，通过实际的应用产品去满足客户需求，进行金融服务创新。公开信息显示，摩根大通、摩根士丹利、美国支付巨头 Stripe、高盛等都已纷纷入局 AIGC，这其中，中国金融机构也开始跃跃欲试。
在与 AI 的互动中，金融机构都有相同的选择：都服务于公司内部，以间接的方式提升客户体验，并不直接对外开放。金融机构不约而同的选择并不奇怪，数字金融业态走向产业与场景的融合阶段下，AI 提效最优解就是直接面向客户，金融机构也在围绕这个落点展开。
金融行业拥抱 AI
作为第一家在工作场所限制使用 ChatGPT 的华尔街投行，摩根大通近日被报道或会成为第一家计划直接向客户发布类似 ChatGPT 产品的金融机构。
报道称，摩根大通正在开发一种类似 ChatGPT 的研发投资顾问 GPT，为一款名为 IndexGPT 的产品申请商标。根据摩根大通提交的文件，IndexGPT 将连接利用人工智能 ( AI ) 技术的云计算软件，根据客户需求，量身分析和选择证券标的。不过 IndexGPT 是否将与 ChatGPT 使用 " 同款 "AI 技术，在相关披露文件中并未说明，仅称摩根大通计划使用 " 受生成性对话模型 ( GPT ) 驱动的 AI 技术 "。
而在摩根大通之前，已经有摩根士丹利、美国支付巨头 Stripe、高盛等纷纷入局，但它们并没有直接面向客户提供服务，都仅在内部进行测试。
以首家正式接入 GPT-4 的金融机构摩根士丹利为例，其与 GPT-4 的合作主要服务于公司内部，用来帮助财富管理顾问们更好地工作。GPT-4 已将公司所有智库内容转化为更易于使用和操作的格式，帮助其财富管理顾问更便捷高效的检索涵盖投资策略、市场研究和评论、分析师洞察等内容信息。从员工的体验感来说，这就好比他们在和客户打电话时，公司的首席战略官就坐在自己旁边。
通过训练 GPT-4，尽可能地满足摩根士丹利内部人员工作时的需求是确保良好客户服务的关键。摩根士丹利数据与创新分析主管 Jeff McMillan 也表示：" 进一步确保良好客户服务的关键是我们大规模投资技术的能力。"
同时宣布与 GPT-4 合作的还有美国支付巨头 Stripe，使用 GPT-4 可以帮助 Stripe 进行 " 优化服务 " 的工作。Stripe 计划了解每个企业客户如何使用平台，但通过人工进行这项工作，不仅工作量十分庞大，且容易发生疏漏。该公司负责人表示，Stripe 使用 GPT-4 扫描客户网站并得出简要报告的表现中，GPT-4 要优于人工。值得注意的是，合作中 Stripe 为基于 ChatGPT 等人工智能工具的支付提供计费和结账功能，以及自动化和税务合规技术，这也帮助了 ChatGPT 进行商业化尝试。
高盛也曾明确表示禁止在交易大厅使用类 GPT 技术产品，但对于人工智能的限制也是 " 口是心非 "。继摩根士丹利接入 GPT-4 之后，高盛也开始使用类似于 ChatGPT 的人工智能软件，在内部协助工程师编写代码。高盛首席信息官 Marco Argenti 表示，在某些情况下，开发人员已经能够使用生成式 AI 自动编写多达 40% 的代码。
中国金融机构对 AI 的热情明显高涨的多。百度副总裁李硕曾公开表示，文心一言在金融行业的应用会率先在智能检索、投研助手、金融数字人、智能客服、智能创作等场景落地，大幅提升业务效率，带来金融行业应用的突破。
部分金融科技公司也选择和头部 IT 公司开展广泛合作，提升公司与 AI 相关的技术能力。以金融科技公司神州信息为例，该公司金融科技首席行业专家崔蕾向钛媒体 App 表示，希望能够在与头部 IT 公司合作中，创新对代码自动生成、金融产品自动创新以及客户旅程自动优化等多个方面的能力。
眼看国外从华尔街投行一起限制 AI，到现在开始拥抱，以及中国的银行业接入大模型的陆续尝试，金融行业正在不断丰富大模型应用的实践。
AIGC 优化用户体验，但仍有挑战
从金融机构接入大模型实践的过程可以发现，与 AI 相关的尝试往往从服务于公司的内部测试开始，逐渐转为直接面向客户。可见金融行业中，内秀并不是大模型的终点，客户才是。
作为金融行业中专注科技创新的部分，金融科技拥有更垂直领域的经验与数据支撑，也在进行着帮助金融行业尝试 AIGC 能力革新的工作：用大模型技术帮助完善与客户有关的金融服务能力，拓展融合业务场景。
通过 AIGC 技术的引入，客户使用的自然语言描述能够被准确识别，金融服务提供方可以准确理解客户需求，从而帮助金融机构在场景端进行千人千面的金融产品设计；与此同时，再按照 AIGC 生成的对应配套的优化策略自动优化不同场景下的客户旅程。如此来完善从客户到场景到业务建设的完整流程。
除了在生成式人工智能方面提出设想，金融科技公司还能通过提供 AI 模型、提供算法解决方案，来帮助金融机构解决在运营方面的服务能力，这也是金融机构完善客户服务的环节之一。比如，金融科技公司通过平台提供内容理解、内容质检的多类 AI 模型能力，从提升内容服务入手提升运营质量；同时在内容推荐中，提供信息流类推荐、社区类内容推荐、PUSH 推荐等模块的算法解决方案，从而帮助各渠道端实现更好的个性化分发及转化效果，帮助金融机构降本增效。
但将 AIGC 技术真正落实到业务领域，直接对接客户达到一定水准的服务水平，还有一段路要走。
目前看来，行业内大部分产品的 AI 能力所使用的技术对标 ChatGPT 还明显不足，在 ChatGPT 面前，仍然属于 " 小模型 " 或者说是 " 局部模型 " 范畴。在 AIGC 产业生态体系的三层架构中处于中间层，还没有更好地覆盖到应用层。
AIGC 产业生态体系呈现上中下三层架构
钛媒体 App 了解到，在金融这种准确度和偏差要求都非常高的行业，未来对大模型输出结果不可控性的约束和防范也会成为一个极大的难点。除此之外应用难点也是值得考虑的问题：如何适当缩小大模型规模以便能够进行性价比最高的私有化部署、如何管控模型训练时的数据外泄风险、模型输出如何进行业务系统微服务的调优等等，都是大模型在金融科技中需要面临的挑战。
但正因为有了困难与挑战，科技才能够不断前进。大模型在金融科技中的应用难点，也是极具吸引力的金融科技创新点，或许未来，行业内也会基于此诞生很多与今不同的创新型系统。
来源：钛媒体
