自2022年底，生成式AI话题热度持续走高。作为最早应用传统AI技术的领域之一，生成式AI将为银行业各领域和场景下的应用带来怎样的改变？

为推动银行业借力生成式AI技术加速数智化转型、构建差异化竞争力，近日波士顿咨询公司（BCG）发布《银行业生成式AI应用报告（2023）》（以下简称《报告》），从生成式AI技术特点、新价值释放场景与快速落地、规模化应用能力准备、快速推动全面应用四大方面为切入要点，深入解析了银行业在推动生成式AI应用过程中关注的核心问题。

在BCG董事总经理、全球资深合伙人何大勇看来，该技术已不只停留于概念阶段，随着技术的不断完善，其应用可拓展到银行业全价值链，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。

变革前景可期：降本增效与释放生产力

生成式AI将为银行业带来的核心改变是，机器可替代人工做大量专业化、数字化工具操作工作，完成从0至1的信息加工。

较于传统AI技术，回答问题时往往对上下文理解欠缺，导致答案相关性较低，表达机械化，以及只能按照预设任务输出答案（如分类、数值预测）等，生成式AI应用具备更强大的对话能力与创造能力。其能够理解更长的上下文，进行拟人化思考和回答，与人类进行更自然的对话沟通。此外，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。

“这有赖于算法与工程算力两方面的科学技术突破。”BCG合伙人孙蔚表示，生成式AI基于Attention Layer的transformer技术，可达成更好的全局特征提取。同时，基于超大算力、大量语料输出训练出的大模型可实现较强的通用型能力。

以上生成式AI具备的能力，在银行业或可实现替代人、赋能人的价值创造。比如，借助机器的强大理解能力，捕捉相关要素并加以沉淀，为交易撮合类业务带来想象空间；又或者客户经理在做贷款决策判断时，可借力机器提炼所需的全部基础素材，甚至提供基础的分析框架与指标。

BCG曾为一家拥有约两万名员工的区域性国际银行做测算，通过梳理该银行前中后台应用生成式AI的相关场景发现：如得以规模化运用，该银行一年内可实现降本收益约1.5亿美元。

孙蔚称，当前生成式AI应用在银行业还处于非常初期的阶段，未来一年内很多银行将处于试水破冰期，或将有很多首个场景的“圈地跑马”出现。

应用落地可行：清晰路径与体系性规划

依据《报告》，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。

而当前在多重因素作用下，银行体系内规模化应用生成式AI面临巨大挑战。

“目前市场通用的生成式AI模型具备普适、跨行业通用、模糊语言的特性，这难以满足银行业对金融专业能力、精准性方面的高要求。”BCG董事总经理、全球合伙人谭彦表示，如何让生成式AI模型“说专业的话”“说真话”，成为银行业规模化应用生成式AI的关键挑战。

通过与客户的大量沟通与分析研判，BCG总结出在推进该技术落地过程中需重点关注的问题：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；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；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。

谈及国内银行生成式AI的应用模型选择，BCG数据科学副总裁廖明表示，当前国内银行有两类选择，一类是国内技术公司开发的商业模型；此外，有部分银行在考虑开源模型。出于对模型可持续性迭代的考量，他建议银行建立“基础模型+专业模型”的模型库思维。

“鉴于银行业对数据安全的严格要求，即要求数据不出域，这意味着模型的精调和应用都需要进行安全的本地部署。所以，私有化部署可能是唯一解决方案。”BCG合伙人兼副总裁、BCG中国区首席数据科学家窦德景表示。

夯实体系搭建：责任框架与人才梯队培育

是不是解决了模型与技术架构问题，就可以规模化应用生成式AI ?

《报告》指出，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。

何大勇表示，当人们突破认知门槛并找到合适场景，生成式AI应用将得到快速普及，这是银行业既兴奋又忧虑的原因：预料中的降本增效与怕错过窗口期而掉队。谈及门槛，他认为短期内银行间的分水岭是对业务的理解、文化的创新与机制的敏捷性等数字化范畴。中期考验的是私有数据的丰富程度。而长期来看，人才梯队建设更为关键。

随着大量运用AI ,银行需围绕质量管理、风险监控、责任认定等，构建匹配的管理机制。同时，还需构建负责任AI体系，在精调和应用开发时，尽力确保公平性、可靠性、透明度或可解释性、隐私安全、可问责等目标。

“《报告》提到生成式AI大模型在数据安全部署‘数据不出行’方面已具备符合监管规定的解决方案。对训练大模型以及大模型质量控制等相关工作的高要求，意味着银行需增加相应的质量控制人员岗位。”BCG资深董事经理冯志宇如是说。

BCG认为，生成式AI的重大价值在于支持自然语言的交互与编程，这意味着相关银行工作人员摆脱了大量书写软件开发代码的要求，但需要产品经理具备较强的问题定义与拆解能力，以及相应的评估与判断能力。这背后将是生成式AI 应用对银行业组织及人才结构的冲击，需要其重塑人才培训体系与逻辑，进行高屋建瓴的长期规划。