銀行業(yè)如何廣泛應(yīng)用大模型？孟茜：做好三個(gè)“共治”

　　 4月10日，以“人工智能與金融未來”為主題的國(guó)民財(cái)富發(fā)展研究合作平臺(tái)2025春季峰會(huì)正式召開。會(huì)上，中國(guó)銀行首席信息官孟茜就銀行業(yè)如何擁抱人工智能，特別是如何應(yīng)用大模型發(fā)表主題演講。 

　　孟茜認(rèn)為，從銀行的行業(yè)來看，要做好三個(gè)“共治”；從銀行機(jī)構(gòu)來看，要做好三個(gè)“協(xié)同”；此外，要統(tǒng)籌好發(fā)展和安全的關(guān)系，筑牢安全與風(fēng)險(xiǎn)三道防線。

　　銀行業(yè)要做好三個(gè)“共治”

　　從今年DeepSeek-R1模型推出以后，已經(jīng)有20多家銀行都部署了私有化的DeepSeek，但主要還是國(guó)有大行和部分科技實(shí)力比較強(qiáng)的股份制銀行�！爸虚L(zhǎng)期來看，大模型如果要在全行業(yè)廣泛應(yīng)用，需要關(guān)注并解決三方面的問題�！泵宪缰赋�。

　　一是算力基礎(chǔ)共治。雖然DeepSeek等技術(shù)降低了算力門檻，但是它的火爆也激發(fā)出了更多的應(yīng)用場(chǎng)景，市場(chǎng)算力的總需求其實(shí)是有增無減的，要滿足銀行業(yè)特別是中小銀行的算力需求，是否應(yīng)該加強(qiáng)金融專用算力基礎(chǔ)設(shè)施的建設(shè)，構(gòu)建靈活的算力架構(gòu)，并且通過集約化的運(yùn)營(yíng)去提升算力的使用率，同時(shí)還要加快現(xiàn)在國(guó)產(chǎn)化算力在適配大模型時(shí)存在的一些效率和兼容性的問題。

　　二是行業(yè)模型共治。目前預(yù)訓(xùn)練的基礎(chǔ)大模型金融知識(shí)的配比只占到了5%左右，也導(dǎo)致了金融的專業(yè)性不足，限制了在金融場(chǎng)景的深度應(yīng)用。為此，部分國(guó)有大行已經(jīng)嘗試開始進(jìn)行二次訓(xùn)練企業(yè)的大模型�？紤]到行業(yè)大模型在促進(jìn)推廣、降低成本等方面的作用，是否需要整合行業(yè)資源、建設(shè)行業(yè)大模型也成為銀行同業(yè)現(xiàn)在正在討論的一個(gè)熱點(diǎn)話題。建議大型金融機(jī)構(gòu)應(yīng)該和中小金融機(jī)構(gòu)加強(qiáng)交流和合作，縮小金融業(yè)機(jī)構(gòu)在金融間的數(shù)字鴻溝。

　　三是行業(yè)數(shù)據(jù)集共治。金融業(yè)對(duì)數(shù)據(jù)的隱私保護(hù)和使用的要求是非常高的，支撐行業(yè)共享共用的金融語料現(xiàn)在比較缺乏，是否可以考慮組織行業(yè)在數(shù)據(jù)分級(jí)分類管理的基礎(chǔ)上，共同推進(jìn)建設(shè)金融公共語料庫，進(jìn)而降低各個(gè)金融機(jī)構(gòu)單獨(dú)構(gòu)建的投入成本，同時(shí)可以建立統(tǒng)一的金融人工智能應(yīng)用的評(píng)測(cè)體系，制定標(biāo)準(zhǔn)化測(cè)試數(shù)據(jù)集和評(píng)測(cè)的方法，提高評(píng)測(cè)結(jié)果的可比性和權(quán)威性，以提升大模型在我們金融應(yīng)用的質(zhì)量和水平。

　　銀行機(jī)構(gòu)要做好三個(gè)“協(xié)同”

　　對(duì)于銀行業(yè)金融機(jī)構(gòu)而言，在孟茜看來，擁抱人工智能要做好三個(gè)“協(xié)同”。

　　一是場(chǎng)景和技術(shù)協(xié)同，合理應(yīng)用人工智能技術(shù)。應(yīng)該說不同的人工智能技術(shù)有不同的特征和優(yōu)劣，不同的金融場(chǎng)景的需求也各不相同。目前來看，大模型技術(shù)既不能一統(tǒng)人工智能應(yīng)用的天下，也不是所有的業(yè)務(wù)場(chǎng)景的普世解，各機(jī)構(gòu)還是要建立KYA機(jī)制，結(jié)合業(yè)務(wù)場(chǎng)景、風(fēng)險(xiǎn)特征、算法特點(diǎn)，合理選擇大小模型，通過大小搭配、高低組合，在實(shí)現(xiàn)高效應(yīng)用的同時(shí)，可以有效地降低成本。

　　二是業(yè)務(wù)和科技協(xié)同，實(shí)現(xiàn)應(yīng)用創(chuàng)新敏捷迭代。要搭建企業(yè)級(jí)人工智能應(yīng)用框架和體系，實(shí)現(xiàn)算力、數(shù)據(jù)和專家知識(shí)的高效共享，需要降低應(yīng)用的門檻，要能夠支持業(yè)務(wù)人員通過使用工具箱就能夠自行開展業(yè)務(wù)驗(yàn)證、場(chǎng)景孵化的工作，同時(shí)還要加快培養(yǎng)既懂金融又懂人工智能應(yīng)用的復(fù)合型專家型人才，負(fù)責(zé)推進(jìn)業(yè)務(wù)的全面智能化轉(zhuǎn)型。要通過技能培訓(xùn)形成人人會(huì)用、人人在用的人工智能工具，才能將人工智能的優(yōu)勢(shì)轉(zhuǎn)化為實(shí)際的一個(gè)業(yè)務(wù)價(jià)值。

　　三是組織和技術(shù)協(xié)同，構(gòu)建人機(jī)相適的新型組織模式。人工智能的深度應(yīng)用會(huì)重塑銀行原有的崗位職責(zé)、業(yè)務(wù)流程和決策模式，人機(jī)協(xié)同也將成為銀行機(jī)構(gòu)未來的一個(gè)常態(tài)，銀行要逐步構(gòu)建起人工智能和行業(yè)專家緊密協(xié)作的這么一種新型的模式。

　　孟茜認(rèn)為，未來在金融行業(yè)中涉及信息處理、初級(jí)分析和標(biāo)準(zhǔn)化客服等這些重復(fù)性比較高、規(guī)則比較明確的工作，可能會(huì)被逐步地替代。未來的金融從業(yè)者或?qū)⑥D(zhuǎn)型為AI訓(xùn)練師與策略的指揮官，需要掌握數(shù)據(jù)解讀、模型調(diào)優(yōu)以及倫理審查等復(fù)合的技能，由行業(yè)專家去處理更加復(fù)雜和情感類的任務(wù)，實(shí)現(xiàn)人與智能的優(yōu)勢(shì)互補(bǔ)。

　　筑牢安全與風(fēng)險(xiǎn)三道防線

　　孟茜指出，人工智能在應(yīng)用過程當(dāng)中會(huì)面臨數(shù)據(jù)泄露、算法黑箱、模型攻擊等一系列的風(fēng)險(xiǎn)挑戰(zhàn)，也會(huì)帶來侵犯?jìng)�(gè)人隱私、沖擊法律和社會(huì)倫理等問題。近期，小米SU7智駕交通汽車交通事故在全社會(huì)再次引發(fā)了人工智能安全的討論，要確保人工智能應(yīng)用的安全、可靠、可控，可以從三方面再做一些重點(diǎn)工作。

　　一是要筑牢企業(yè)治理防線。銀行機(jī)構(gòu)自身要逐步建立健全企業(yè)級(jí)人工智能的治理機(jī)制，將人工智能的管理要納入到全面風(fēng)險(xiǎn)管理的框架，強(qiáng)化科技倫理和消費(fèi)者權(quán)益保護(hù)的審核，建立健全包括模型開發(fā)、驗(yàn)證、部署、監(jiān)控和退出的全生命周期的管理機(jī)制，通過統(tǒng)一的管理來確保企業(yè)對(duì)人工智能應(yīng)用的主動(dòng)地掌控。

　　二是要筑牢業(yè)務(wù)安全防線。就如智能駕駛是輔助駕駛，無論如何都不能脫手一樣，當(dāng)前銀行在應(yīng)用大模型等人工智能技術(shù)時(shí)，必須將業(yè)務(wù)流程的最終責(zé)任還是要落實(shí)到人。如何落實(shí)業(yè)務(wù)流程的最終責(zé)任其實(shí)是有待進(jìn)一步的研究和探索的，包括在法律法規(guī)層面，也需要有明確的規(guī)范和指引。

　　現(xiàn)階段從實(shí)操中來看，一方面，要明確人工智能的輔助和效率工具的定位，在關(guān)鍵業(yè)務(wù)環(huán)節(jié)還是要建立強(qiáng)制性人工審核的機(jī)制，確保員工對(duì)關(guān)鍵業(yè)務(wù)流程的掌控；另一方面，在風(fēng)控、授信、投資等高風(fēng)險(xiǎn)的業(yè)務(wù)領(lǐng)域，還是要審慎使用，應(yīng)該優(yōu)先選擇精確度高、可解釋強(qiáng)的人工智能的方案，確保問題可追溯、責(zé)任可落實(shí)。

　　三是要筑牢技術(shù)安全防線。盡管DeepSeek為行業(yè)發(fā)展帶來了諸多的便利，但金融市場(chǎng)風(fēng)險(xiǎn)涉及領(lǐng)域廣泛，AI大模型的廣泛應(yīng)用可能也會(huì)誘發(fā)新的問題，比如數(shù)據(jù)質(zhì)量不可控，比如在訓(xùn)練數(shù)據(jù)中存在偏差，這些都會(huì)導(dǎo)致模型輸出的結(jié)果不公正或者是不準(zhǔn)確，從而誤導(dǎo)投資者。另外，由于AI幻覺和黑箱的特點(diǎn)，當(dāng)出現(xiàn)投資失誤或者風(fēng)險(xiǎn)事件時(shí)，有可能會(huì)很難溯源找出問題的根源，無法及時(shí)采取有效措施去控制和管理風(fēng)險(xiǎn)。

　　另外，生成式人工智能在部分場(chǎng)景應(yīng)用時(shí)也需要使用到大量的隱私數(shù)據(jù)，在部署和訓(xùn)練時(shí)，要更加防止信息泄露的風(fēng)險(xiǎn)。人工智能的普及還可能會(huì)帶來更為復(fù)雜的網(wǎng)絡(luò)攻擊的行為，為此，銀行在應(yīng)用大模型的過程當(dāng)中，還是要堅(jiān)持模型不聯(lián)外網(wǎng)、數(shù)據(jù)不出行、敏感信息不入模這些原則，并利用技術(shù)手段通過輸入輸出端的多層審核防護(hù)攔截違法內(nèi)容、防御惡性指令等等，實(shí)現(xiàn)內(nèi)容安全和交互安全的雙重保證。

【免責(zé)聲明】本文僅代表作者本人觀點(diǎn)，與和訊網(wǎng)無關(guān)。和訊網(wǎng)站對(duì)文中陳述、觀點(diǎn)判斷保持中立，不對(duì)所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請(qǐng)讀者僅作參考，并請(qǐng)自行承擔(dān)全部責(zé)任。郵箱：news_center@staff.hexun.com