ChatGPT带火了AI和大模型领域，2年过去，各行业在AI落地上也开始加速。这篇文章，我们来看看AI技术在银行、金融领域的落地情况。

从ChatGPT面世以来，短短2年时间，AI技术就已经极大的影响了我们的生活，尽管还达不到翻天覆地的变化，但是已经极大的提高了我们工作的效率。

从我个人使用感受来看，至少我现在基本已经抛弃了传统的搜索引擎，遇到问题都是使用AI搜索，不仅仅是在工作上的助力，生活上遇到的问题也更加依赖于AI去进行解答，个人目前用的最多的AI工具是kimi，其次是豆包、文心一言、通义千问，体验目前最好的还是kimi。

现有AI能力，大家基本都认可对于客服行业、电商行业、教育行业以及游戏影视行业是极大的助力，比方说智能客服从传统 FAQ到现在的AI大模型最擅长的文本问答，能力有了质的飞跃。

而对于电商行业、文生图、文生视频，商品的名称、主图、详情页、主视频介绍等，非常的契合，甚至数字人AI直播带货都能游刃有余。

游戏和影视行业就更加不用说了，今年初爆火的日本游戏《幻兽帕鲁》就应用了非常多的AI生成技术，，72小时就销售突破500万份，但不可避免的是被质疑抄袭《宝可梦》，鹅厂最新发布的一支广告片就是纯AI生成的，海外的可口可乐最新的一支广告也是AI生成的，尽管褒贬不一，但是毋庸置疑AI技术极大的释放了生产力。

可以期待，AI技术一定会像曾经的互联网技术一样，为我们的生活带来翻天覆地的变化，越来越多的AI爆款应用也会出现在我们生活的方方面面，期待这一刻的到来。

那对于金融业，细分到银行业，作为非常严肃甚至可以说严格监管的行业，2年来AI技术到底哪些变化呢？作为银行业的产品经理，就来谈谈我的感受。

首先，先说一下总体感受或者结论，目前AI大模型已经在银行业有了很多场景的应用落地，但是整体提供的能力参差不齐。

主要受限于两点：

一是银行业的属性，在合规和监管领域，还是需要谨慎，毕竟涉及到人们的钱袋子；

二是银行确实可能不像互联网大厂，在算力层面还是存在比较大的瓶颈。

一、智能客服与虚拟助手

从传统的FAQ客服或者知识库，AI技术在语义识别，语言理解上面上了很大的台阶，同时不需要人工维护问题库，直接运用大模型和agent智能体，就能提供更加优质的客户服务。

传统银行客服往往面临着客户咨询量大、问题重复率高、响应速度慢等问题。AI 智能客服的出现有效解决了这些痛点。通过自然语言处理（NLP）技术，智能客服能够理解客户的问题，并迅速给出准确的回答。无论是账户查询、业务办理流程咨询还是常见问题解答，智能客服都能 24 小时不间断地为客户提供服务。

例如，中国工商银行的智能客服 “工小智”，能够准确识别客户意图，其回答的准确率不断提高，大大减轻了人工客服的压力，同时也提升了客户体验。客户无需再长时间等待人工客服接听电话，即可快速获得所需信息，极大地提高了服务效率。

虚拟助手可以理解为数字人，数字人不仅仅可以提供远程智能审核服务，还可以提供情感陪伴，从文本型智能客服升级为有血有肉的数字人，很多银行都提供了类似的服务，且可以应用在多个领域。

甚至，建设银行已经将人形机器人应用在网点：7月11日，国内首个智能人形机器人银行大堂经理场景训练基地在建行上海浦东分行正式启用。

另外工商银行已经探索在网点应用人形机器人，搭载大模型能力，在业务讲解、迎宾导流、交易引导等场景开展应用试点。

具身智能机器人在银行业有朝一日能替代接待人员吗，让我们拭目以待。

二、智能营销与投顾助手

营销可以说是生存式AI大模型最强大的能力，包括文本的营销、图片视频等营销物料的生成，不管是在传统行业，还是金融银行业，都有很大的应用场景。

AI技术通过提升智能客服的金融知识理解能力、内容生成能力及安全问答能力，为银行提供了新的营销工具。这种智能营销不仅提高了营销的精准度，还增强了客户的参与度。

2.1 精准客户画像

利用大数据和机器学习算法，对客户的基本信息、交易记录、消费行为等多维度数据进行分析，构建精准的客户画像，深入了解客户的需求、偏好和风险承受能力，为个性化的营销和投顾服务提供依据。

2.2 个性化产品推荐

根据客户画像，智能营销系统能够为客户推荐符合其需求和风险偏好的金融产品和服务，如理财产品、基金、保险等，提高营销的精准度和成功率，同时增强客户对银行的满意度和忠诚度。

2.3 投资组合优化

智能投顾系统基于现代资产组合理论和机器学习算法，为客户提供个性化的投资组合建议。它可以根据市场行情和客户的投资目标、风险偏好等因素，动态调整投资组合，帮助客户实现资产的保值增值。

2.4 营销文案生成

银行客户经理一般都管理着成百上千个客户，怎么根据客户画像生存个性化匹配的营销文案，针对不同的客户，不同的活动主题，AI可以实现最高效率的营销文案生成。

三、风险管理与防控

3.1 信用评估的革新

传统的信用评估依赖于有限的财务数据和历史记录，而AI技术能够通过机器学习算法分析更多的非传统数据点，如社交媒体活动、购物习惯等，以更全面地评估个人或企业的信用状况。这种多维度的分析方法使得银行能够更准确地预测贷款违约风险，从而优化信贷资源的分配。

3.2 欺诈检测与预防

AI系统能够实时监控交易流，利用机器学习算法快速识别异常交易模式，有效防范信用卡欺诈和其他形式的资金盗窃行为。此外，通过持续学习新的欺诈手法，AI可以在未知威胁出现之前就建立起防御机制，保护银行及其客户的资产安全。

在反电诈和反洗钱领域，AI技术以及agent智能体技术，将大大提升防控的准确性和实时性。

3.3 自动化贷款审批与个性化利率制定

借助自然语言处理技术和大数据分析，银行能够快速处理贷款申请，并基于多维度的数据做出更加准确的决策。自动化的审批流程不仅提高了贷款审批的效率，还降低了人为错误的可能性。

AI技术可以根据借款人的风险特征定制个性化的贷款利率，提高竞争力的同时降低违约率。这种个性化的定价策略使得银行能够更好地满足不同客户的需求，同时也提高了银行的盈利能力。

四、银行内部运营管理

AI在银行内部的应用可能要比直接面向客户的应用更加成熟与稳定，出于谨慎性合规性和安全性等，AI技术在外部的应用还是会更加的克制，但是在内部工作效率的提升方面，AI还是大有可为，且存在非常多的应用场景。

4.1 内部流程自动化

RPA 技术可以模拟人工操作，自动处理大量重复性、规律性的任务，如数据录入、报表生成、文件整理等，提高工作效率，减少人为错误，降低运营成本。

RPA技术其实已经是在银行内部相对成熟的技术，有了AI agent的加持，可谓如虎添翼，有了很多的应用场景，调用大模型技术，打通OCR、语言识别、内部子系统等。

4.2智能文档处理与生成

利用自然语言处理和光学字符识别技术，实现对文档的自动阅读、理解和处理，如合同审核、文件分类、信息提取等，加速业务流程，提高运营效率。

甚至内部办公的会议纪要总结，周报的汇总，乃至内部活动策划方案输出等场景，AI大模型都基本能覆盖。

4.3 内部培训与学习场景

银行最庞大的队伍可能就是网点一线员工，而针对网点一线员工的培训与学习场景，AI也能很好的赋能。

比方说培训活动方案的策划，培训报告的生成，业务知识的归纳总结提炼等。

另外针对员工的考核，AI出题，考试应用等。

4.4 业务知识问答

利用大模型技术，搭建内部运营知识库，针对内部员工的技能提升以及服务客户方面，面对复杂的业务，怎么为客户提供更好的办理服务，一线员工遇到业务问题AI实时快速解答。

五、结语

可以看到，AI技术在银行的应用场景还是非常多的，但是目前在面向客户方面的场景还是相对没那么成熟，在内部管理效率上面，倒是有很多可为的应用场景，这也是很多银行重点发力的的领域。

比方说，邮储银行最新发布的“邮智”大模型：具有全面能力构建、全栈自主可控、全域场景赋能三大特点，支持企业智能助手、数字员工、信贷模型等多场景应用。

招行重点建设智算平台，包括训练平台和推理平台，应用场景已超100个。

在代码领域应用大模型，多家银行取得新进展，工行、中信、平安、民生等银行在代码大模型方面取得新进展，工行编码助手生成代码量占比达到32%以上。

尽管AI技术在银行业已经有了广泛的应用，但是业面临着不少的风险和挑战，比方说监管合规的风险，比方说数据安全与数据隐私的风险，以及AI技术本身存在的幻觉以及不可知的技术风险等等。

AI带来的挑战，可能还包括价值观和伦理的偏见、知识产权等问题。

因为害怕这些挑战，而在金融银行业不去运用AI技术，这才是最大的挑战。