文：汪晨 來源：中國(guó)電子銀行網

11月30日，由中國(guó)金融認證中心（CFCA）、數字金融聯合宣傳年聯合百餘家銀行主辦的“數字化轉型前瞻 第十九屆（2023）數字金融聯合宣傳年年度活動”在京舉辦。本次活動設置“前瞻·數字新趨勢”與“前瞻·轉型新路徑”兩(liǎng)大闆塊，與會(huì)嘉賓圍繞相關熱點話題進(jìn)行分享。《2023中國(guó)數字金融調查報告》發(fā)布、“2023數字金融金榜獎”頒獎，以及“2023信創‘大比武’金融場景适配驗證賽道(dào)”專項獎表彰等重磅環節也在本次活動中精彩呈現。

清華大學(xué)五道(dào)口金融學(xué)院副院長(cháng)、金融學(xué)講席教授張曉燕出席活動并以《大語言模型在銀行數字化轉型中的應用》爲題發(fā)表主旨演講。大語言模型（英文：Large Language Model，簡稱LLM）是一種(zhǒng)用于處理自然語言信息的大型人工智能(néng)模型。這(zhè)些模型在大規模文本數據上進(jìn)行訓練，以學(xué)習語言的語法、語義和上下文信息，使它們能(néng)夠理解和生成(chéng)人類語言并執行多種(zhǒng)任務。

張曉燕談到，大語言模型雖然出現的時間較短，但正在對(duì)全球經(jīng)濟和中國(guó)經(jīng)濟産生積極和深遠的影響。首先是大語言模型帶來全球經(jīng)濟生産效率的提升，助力經(jīng)濟增長(cháng)；其次是推動就業市場更叠，高盛預計全球超過(guò)3億個崗位將(jiāng)受到大語言模型沖擊，但求職者也可以考慮轉向(xiàng)由大語言模型産生的新崗位就業。

關于大語言模型在生産中的作用，張曉燕指出其最主要提供兩(liǎng)大應用：第一是完成(chéng)對(duì)人類語言的加工處理，提升文案工作效率和質量；第二是提煉數據信息進(jìn)行決策輔助。

随後(hòu)張曉燕指出，金融行業是信息和數據密集行業，因此大語言模型對(duì)金融行業的潛在影響巨大。首先，金融行業需要處理海量文本信息，大語言模型有助于分析和提取新聞媒體、研究報告、财務報表、企業公告、政府政策等文本信息中的價值；其次，金融信息具有強時效性，大語言模型可以做出秒級分析并提出建議。

銀行業是金融行業的重要組成(chéng)部分，正在廣泛開(kāi)展和推進(jìn)數字化轉型，因此必將(jiāng)成(chéng)爲被(bèi)大語言模型影響的重點領域。張曉燕認爲，銀行業許多場景非常适合大語言模型的應用和落地，包括負債業務、資産業務、中間業務等。

對(duì)于負債業務，基于大語言模型的智能(néng)客服可以協助優化存款業務流程，同時節省人力成(chéng)本，提升服務效率。如中國(guó)工商銀行的AI數字員工將(jiāng)服務效率提高了5倍，從人工服務每位用戶需要8分鍾，縮短到數字員工服務每位用戶僅需1.5分鍾。

對(duì)于資産業務，智能(néng)信貸可根據用戶信用資料提供針對(duì)性的貸款方案；智能(néng)營銷通過(guò)用戶資産、負債、風險行爲等資料，基于不同場景，識别和預測客戶的信貸需求和偏好(hǎo)，針對(duì)性服務用戶；智能(néng)風控可提高信貸審批的風險識别能(néng)力，提高信用風險、操作風險、市場風險的識别能(néng)力，實現更有效的風險預測和預警。

對(duì)于中間業務，智能(néng)支付可提高支付結算安全性和便捷性；智能(néng)投顧可根據用戶風險偏好(hǎo)，推薦個性化理财建議，助力銀行代銷理财産品，如浦發(fā)銀行“财智機器人”能(néng)夠爲用戶自動分析和總結市場現狀，推薦個性化理财建議和産品。

最後(hòu)，張曉燕談到，銀行業大語言模型落地同樣(yàng)面(miàn)臨很多風險和挑戰，需要行業高度警醒和重視。比如大語言模型可能(néng)導緻銀行機密數據和客戶隐私洩露。并且大語言模型在銀行業中的應用也面(miàn)臨監管風險，各國(guó)對(duì)于大語言模型的監管态度目前分歧較大，也有觀點認爲人工智能(néng)，包括大語言模型的應用可能(néng)會(huì)成(chéng)爲下一個金融系統性大風險的爆發(fā)點。因此張曉燕建議，爲了規範大語言模型在銀行業健康有序的發(fā)展，希望相關監管部門及時制定規章制度，指引行業健康發(fā)展。