■李 放

2024年开年以来，人工智能热度再次冲出新高度，引发人们广泛的关注和期待。OpenAI发布的Sora文生视频大模型横空出世，成为继ChatGPT后人工智能发展的又一重要里程碑。在金融领域，大模型正成为金融科技场景突破的新锚点，以之为代表的生成式人工智能促进金融业生态与价值链再次升级，进一步重塑金融机构与社会和客户的链接，催化“数字金融”迭代发展，加快形成金融业高质量发展的新势能。

随着金融科技逐步上升为大多数银行的战略重点，金融机构逐步实现了从“科技支撑”到“科技驱动”的转变。根据近期公布的银行业金融机构2023年报显示，四大行持续发力数字化转型，科技领域投入占营收的比重均超过3%。在科技人才引进方面，2023年工商银行金融科技类人员达3.6万人，在员工总数中的占比为8.6%，四大行均在着力推进“懂科技的管理人才”“懂业务的科技人才”“懂行情的市场化IT人才”人才队伍建设。

作为推动银行数字化转型的关键力量，金融科技处在多数商业银行的重要战略位置，金融业也因为拥有大量的数据和丰富的应用场景，成为人工智能落地应用的重要领域。人工智能技术的运用，有助于拓展金融服务覆盖面，让服务变得更加个性化、定制化和智能化。不少小微企业面临融资难、融资贵的问题，一个重要原因就在于缺乏高效的风险管控方式。像收集发票、交易合同等证明材料这种环节，全部依靠人工，服务成本较高。基于人工智能技术的虚拟客户经理，不仅“听得懂、能交流”，还可以为客户提供可行的解决方案，帮助他们提升授信额度，降低金融机构服务成本。因此，不少金融机构正加快推动以大模型为代表的人工智能技术在各类金融业务中的应用。

以工商银行人工智能金融行业通用模型为例，目前该模型已被应用于多个业务领域。如在客户服务领域，该行应用该模型支撑智能客服接听客户来电，显著提升对客户来电诉求和情绪的识别准确率，更精准有效地响应客户需求，并且可以大幅缩减维护成本；在风险防控领域，该模型实现了对工业工程融资项目建设的进度监控，监控精准度提升约10%，研发周期缩短约60%；在运营管理领域，该模型的应用能帮助银行智能提取期限、利率等信贷审批文件中的核心要素，有效提升了信贷审批效率。

建设银行实施的“方舟计划”是基于通用大模型打造的金融大模型，目前已具备信息总结、信息推断、信息扩展、文本转换、安全与价值观分析、复杂推理、金融知识介绍等7项一级能力和26项二级能力。同时，该金融大模型的能力直接支持与应用场景的良好匹配。目前，应用范围已覆盖智能客服工单生成、对公客户调查报告、人脸识别、金融遥感、智能审单、智能运营和智能风控等36种应用场景，以人工智能赋能精细运营。

人工智能大模型浪潮下，数字化转型明显提升了金融机构的市场竞争力，但也要科学使用和推广大模型产品，针对当前人工智能技术应用存在的模型缺陷、隐私泄露、数据治理欠佳、算法同质化等潜在问题，不断提升科技治理水平，有效防范技术风险。

首先，要做好对隐私泄露的风险防控。金融机构要高度重视金融消费者隐私权保护，强调金融消费者的知情权、隐私权和话语权。坚持收集信息最小化的原则，只收集和存储执行特定任务所需的最少数据。坚持透明和同意的原则，清楚说明使用个人数据的范围，并获取用户的明确同意。在收集信息之后，必须要有信息保护措施，比如，对数据进行加密处理和匿名化处理。定期进行隐私影响评估和安全风险评估，以识别潜在的风险，并采取必要的预防措施。

其次，做好数据治理与敏感数据分级管理。在人工智能领域，金融机构需要持续提升数据质量，并将工作范围由原先的机构内部结构化数据扩展到非结构化数据、外部引入数据，同时保证数据的准确性、完整性、适时性及一致性，为人工智能能力的释放夯实数据底座。在数据应用的过程中，做好对敏感数据的分级保护与匿名化处理，针对不同级别的数据采取不同措施，把控从数据收集、处理、存储直至销毁的全生命周期数据安全。

最后，发展金融监管科技能力，提高监管效能。在人工智能赋能金融业务的背景下，金融监管领域需要创新，打破传统监管模式，充分利用人工智能技术，打造数字化智能监管体系。例如，运用大数据实时收集金融市场信息，经过人工智能分析后，用于识别非法交易，防范可能产生的风险。金融监管部门还可以吸收国外金融监管经验，如引进“监管沙盒”，英国、新加坡等国的应用实践说明，“监管沙盒”在引导人工智能技术创新发展的前提下，能最大限度地防范金融风险。