企业合规师资讯：发展为矛 合规为盾

当前，随着人工智能（AI）快速发展，大模型（LLM）在多个领域开始了广泛运用。在此背景下，各家厂商相应展开了“千模大战”，垂直行业的大模型正成为新的突破点。

这股风潮也吹到了金融行业。“大模型的应用将重构银行业务的流程、银行内部组织架构和银行服务的模式，给金融业带来一场全方位的深刻变革。”中国金融四十人论坛资深研究员、中国证监会原主席肖钢如是感慨，“自从2022年底Chat GPT横空出世，大模型应用成为热点。一年前，国内金融机构还在热烈讨论是否要应用大模型，或者在做相应的准备工作；一年后的今天，很多金融机构已落地大模型项目。”对金融行业而言，运用大模型是一种操作模式、业务模式的颠覆，前景非常广阔。

放眼全球，我国AI和大模型水平与国际是否有明显差距？生成式AI在金融领域应用的优势和劣势何在？AI模型的训练和应用需要大量敏感数据，如何确保这些数据的安全和用户隐私不被侵犯？围绕上述问题，《金融时报》记者采访了多位业内人士。

提质增效 大模型赋能金融业

目前，AI技术主要分为两大类：判别式AI和生成式AI。判别式AI利用深度学习技术，通过分析数据来制定决策，例如此前备受关注的Alpha Go；生成式AI则能够创造新的内容，例如文本或图像。

“判别式AI在实际应用中更为广泛，尤其是在人脸识别、防伪以及营销推荐算法等领域可以大显身手。生成式AI在某些特定场景下也展现出潜力。”微众银行首席AI官杨强在接受《金融时报》记者采访时如是表示。

从实践角度来看，生成式AI在金融领域的某些环节已经可以发挥积极作用，通过提高效率来促进整个行业的运转。例如，在文本处理、数据分析和客户服务等方面，AI的应用已经证明其能够显著提升工作效率。

“AI可以帮助理解客户意图，提高客服效率，或者在营销中对素材进行优化，但因为其成本相对较高，且在某些方面无法完全替代人类工作，目前应用范围还有待拓展。”杨强表示。

《金融时报》记者观察到，不少金融机构已有积极探索。例如，微众银行已成功在客户服务对话中应用生成式AI，通过理解客户与客服人员的对话内容，AI系统能够分析用户的意图并提供相应的文本支持，显著提高了服务的质量和效率。

与之类似，蚂蚁财富集团也利用AI进行信息整合，为客户定制产品。蚂蚁集团财富事业群总裁王珺表示：“目前，投研投顾的专业体系与财经内容的专业生态已经做得很好，大模型可以帮助我们更好地去整合、提炼、沟通、表达。”在她看来，因为专业度高、内容碎片化、个性化不足导致金融服务“最后一公里”的瓶颈始终较难解决。眼下，金融服务的智能化才刚刚开始。她表示，AI大模型金融服务应用有望解决这一问题。

王珺看中大模型在满足个性化需求方面的优势。在财富管理行业，基于用户不同的风险偏好、持仓情况、收益目标等，用户恰恰需要的是个性化的、千人千面的服务和建议。“然而，个性化的金融服务成本是很高的，导致很难满足大众‘一对一’的需求。”她表示，相比而言，大模型通过技术能更好地解决这个问题。

生成式大模型亟待完善

相对于市场对大模型的高度期望，多位受访者也提到，目前真正能够实现高效投入产出的应用案例仍然有限。

对于原因，杨强也表达了看法。“在金融领域，生成式AI的问世曾引发广泛讨论，许多人担心其可能会取代大量金融行业的人力工作，然而这种情况并未发生。我认为，主要原因在于金融行业对工作的可解释性有严格要求，但生成式AI模型的决策过程往往难以解释。”杨强谈道。

杨强表示，当前，AI技术普遍存在准确性不足的问题，经常会出现误判、“幻觉”或基本算术错误等情况。在类似金融业等对精确度要求较高的领域，这些错误是不可接受的。“我期待，随着数据量、计算能力和算法的不断进步，未来AI的准确性得到显著提升，同时成本逐渐降低，从而使AI的应用更加广泛。”他补充说。

肖钢表示，大模型在金融领域更为成熟的应用有赖于三个要素：数据、算力和算法。“金融业对于准确性、精准性的要求特别高，对风险外溢的防范要求也非常高。”他表示，技术的成熟度是决定大模型在金融领域应用的重要因素，但现在这一点还不完善，对大模型应用的政策支持度和场景匹配度也有待提高。

减少算法歧视、隐私泄露等风险

在大模型应用过程中，存在多种风险，其中，数据造假和算法歧视被受访者广泛提及。杨强对记者表示，通常来说，算法歧视源于模型训练数据的偏差，导致模型对某些从未见过的数据类型产生不公正的处理。而数据造假已经成为一个严重问题。随着技术的发展，甚至可能出现伪造的实时视频，这对现有的安全环境提出了挑战。

业内人士分析认为，要解决算法歧视问题，AI模型的训练数据必须是公正和全面的，避免模型学习并放大现有的偏见。同时，金融机构应该定期对AI模型进行审查和调整，确保其决策过程的公平性。此外，建立完善的监管机制和行业标准也是防范风险的重要手段。

需要强调的是，数据安全和隐私保护是AI发展的基石。金融机构必须严格遵守相关法律法规，确保客户数据的安全，也需要通过技术创新来提高数据保护的能力，比如采用加密技术、匿名化处理等手段。此外，金融科技企业还应该建立完善的数据合规管理体系，确保数据的合法合规使用。例如，一些国内外的大型AI模型会在模型输出结果中嵌入水印技术，不仅保护了数据和模型的知识产权，也确保了数据使用的可追溯性。

杨强表示，我们需要确保数据的使用是合法、安全和可追溯的。同时，数据提供者应该得到相应的回报。

此外，法律和监管也需要与时俱进，以适应AI技术的发展。业内人士认为，欧洲的一些做法值得借鉴，即通过建立法律框架，引入“数据空间”概念，允许不同公司在法律保护下进行数据交换，确保每一次数据交换都可追溯。

（来源：金融时报）