人工智能在金融行業中的創新應用-楊青.pdf

《人工智能在金融行業中的創新應用-楊青.pdf》由會員分享，可在線閱讀，更多相關《人工智能在金融行業中的創新應用-楊青.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、人工智能在金融行業中的創新應用人工智能在金融行業中的創新應用楊青楊青度小滿 技術委員會執行主席，數據智能部總經理2023.11.19CONTENTSCONTENTS1.1.人工智能與金融行業：正當其時，大有可為人工智能與金融行業：正當其時，大有可為2.2.開始的結束：厚積薄發，傳統式人工智能驅動金融業務開始的結束：厚積薄發，傳統式人工智能驅動金融業務3.3.開始的開始：另辟蹊徑，生成式人工智能重塑金融業務開始的開始：另辟蹊徑，生成式人工智能重塑金融業務4.4.未來展望：傳統與新興融合，人工與未來展望：傳統與新興融合，人工與AIAI協作協作CONTENTSCONTENTS1.1.人工智能與金融行

2、業：正當其時，大有可為人工智能與金融行業：正當其時，大有可為2.開始的結束：厚積薄發，傳統式人工智能驅動金融業務3.開始的開始：另辟蹊徑，生成式人工智能重塑金融業務4.未來展望：傳統與新興融合，人工與AI協作4從業務支撐到創新驅動，技術助推金融進入數智化時代從業務支撐到創新驅動，技術助推金融進入數智化時代IT+IT+金融金融互聯網金融互聯網金融AI+AI+金融金融信息化信息化數字化數字化數智化數智化技術作為基礎設施技術作為基礎設施形成業務支撐形成業務支撐信貸系統線上保單管理理財信息化管理科技轉向前臺科技轉向前臺進入金融業務核心環節進入金融業務核心環節網上銀行在線投保、查詢、理賠在線理財咨詢、投

3、資規劃技術與業務融合技術與業務融合技術創新驅動業務變革技術創新驅動業務變革智能承保、智能理賠智能投顧、智能投研智能獲客、智能風控、智能運營驅動后臺驅動后臺驅動前臺驅動前臺驅動創新與變革驅動創新與變革201620045金融數智化時代，機遇與挑戰并存金融數智化時代，機遇與挑戰并存國家政策鼓勵金融數字化和智能化的發展國家政策鼓勵金融數字化和智能化的發展把握機遇把握機遇傳統式人工智能厚積薄發，加速價值釋放傳統式人工智能厚積薄發，加速價值釋放生成式人工智能另辟蹊徑，打開創新空間生成式人工智能另辟蹊徑，打開創新空間隱私保護和數據安全等合規挑戰隱私保護和數據安全等合規挑戰直面挑戰直面挑戰技術變革對人才和組織

4、形成挑戰技術變革對人才和組織形成挑戰6 國務院國務院新一代人工智能發展規劃新一代人工智能發展規劃 創新智能金融產品和服務創新智能金融產品和服務,發展金融新業態發展金融新業態；鼓勵金融行業應用智能客服、智能監控等技術和裝備;建立金融風險智能預警與防控系統2017/72017/7 國務院國務院“十四五十四五”數字經濟發展規劃數字經濟發展規劃 加快金融領域數字化轉型，合理推動人工智能、區塊鏈、大數據在銀行等領域的應用2022/12022/12022/12022/1 金融科技發展規劃金融科技發展規劃2022-20252022-2025年年 八個重點任務中。強調深化數字技術金融應用深化數字技術金融應用2

5、023/22023/2 數字中國建設整體布局規劃數字中國建設整體布局規劃 做強做大數字經濟，特別是推動產業數字化在金融等重點領域，加快數字技術創新應用在金融等重點領域，加快數字技術創新應用2022/92022/9 中國人民銀行、市場監管總局、銀保監會、證監會印發中國人民銀行、市場監管總局、銀保監會、證監會印發金融標準化金融標準化“十四五十四五”發展規劃發展規劃 強調發展數字金融產業發展數字金融產業、推動個人金融服務數字化轉型構建安全高效的金融服務生態、提高數字化風提高數字化風控能力控能力機遇一：鼓勵發展科技金融，以數智化增加金融的科技含量機遇一：鼓勵發展科技金融，以數智化增加金融的科技含量20

6、23/102023/10 20232023年中央金融工作會議年中央金融工作會議 把更多金融資源用于促進科技創新科技創新，做好科技金融科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章，推動金融高質量發展。7機遇二：數據、算力、算法共同推動機遇二：數據、算力、算法共同推動AIAI技術進步技術進步推動AI技術進步三三駕馬車駕馬車算力算力算法算法數據數據8數據規模更豐富、利用更深入，為數據規模更豐富、利用更深入，為AIAI技術進步提供充足燃料技術進步提供充足燃料 隨著數字化轉型的加速推進，中國的數據規模呈現出爆炸性增長的趨勢中國的數據規模呈現出爆炸性增長的趨勢。截至2022年，中國的大數據市

7、場規模已達大數據市場規模已達56315631億元億元數據來源：賽迪2022-2023年中國大數據市場研究年度報告 截止2022年底，我國已成立48 家數據交易機構，年全全國一體化政務數據共享國一體化政務數據共享樞紐發布各類數據資源數據資源1.5 萬類萬類，累計支撐共享調用超過共享調用超過5000 億次億次 2023年10/25，國家數據局正式揭牌，標志著全國標志著全國“一一盤棋盤棋”宏觀統籌數據發展和安全，對構建數據流通體系，宏觀統籌數據發展和安全，對構建數據流通體系，激活數據生產力有重大意義激活數據生產力有重大意義微觀層面微觀層面，隨著數字化轉型不斷深入，隨著數字化轉型不斷深入加速金融加速金

8、融場景下的場景下的數據生產和使用，數據生產和使用，數據飛輪加速轉動數據飛輪加速轉動宏觀層面，宏觀層面，市場數據規模不斷增長，數據不斷豐富，流通制度更加清晰市場數據規模不斷增長，數據不斷豐富，流通制度更加清晰理解，修正，匹配需求，精準offer，行為數據，自證數據，滿意度，風險，使用，推薦，更多數據更多數據更多用戶更多用戶更好產品更好產品更更準確模型準確模型更多用戶反饋更多用戶反饋9算力穩定增長，為算力穩定增長，為AIAI技術進步提供堅實支撐技術進步提供堅實支撐2023/10工信部等六部門聯合印發算力基礎設施高質量發展行動計劃政策支持下，中國算力將進入新一輪發展期政策支持下，中國算力將進入新一輪

9、發展期 算力基礎設施高質量發展，規劃明確算力基礎設施高質量發展，規劃明確目標目標到到2025年，年，計算力方面，計算力方面，算力規模超過300 EFLOPS，智能算力占比達到35%，東西部算力平衡協調發展。運載力方面，運載力方面，國家樞紐節點數據中心集群間基本實現不高于理論時延1.5倍的直連網絡傳輸，重點應用場所光傳送網（OTN）覆蓋率達到80%，骨干網、城域網全面支持IPv6，SRv6等創新技術使用占比達到40%。存儲力方面，存儲力方面，存儲總量超過1800EB，先進存儲容量占比達到30%以上，重點行業核心數據、重要數據災備覆蓋率達100%。應用賦能方面，應用賦能方面，打造一批算力新業務、新

10、模式、新業態，工業、金融等領域算力滲透率顯著提升，醫療、交通等領域應用實現規?；瘡椭仆茝V，能源、教育等領域應用范圍進一步擴大。每個重點領域打造30個以上應用標桿。4個方面保障措施：加強統籌聯動，加大金融支持，深化交流協作，個方面保障措施：加強統籌聯動，加大金融支持，深化交流協作，強化平臺強化平臺支撐。支撐。我國算力總規模近五年年均增速近我國算力總規模近五年年均增速近30%30%。處理復雜任務的速度、大。處理復雜任務的速度、大規模規模并行計算的能力并行計算的能力、解決復雜問題的、解決復雜問題的能力均有提升能力均有提升數據來源：工信部、中國信通院我國算力持續穩定增長，加速我國算力持續穩定增長，加速

11、AI能力提升與應用進能力提升與應用進程程10算法持續創新，為算法持續創新，為AIAI技術進步提供強勁動能技術進步提供強勁動能提升提升經營效率經營效率提升提升用戶留存用戶留存因果推斷因果推斷時序網絡時序網絡+1+2+30序列模型序列模型需求流失需求流失需求流失+1+2+3+1+2+3算法持續創新，為業務帶來新可能算法持續創新，為業務帶來新可能應用場景和業務需求加速算法創新應用場景和業務需求加速算法創新KS人工規則人工規則線性回歸線性回歸機器學習機器學習深度學習深度學習通過分析歷史數據和風險案例，專家總結出一些規則和模式，用于識別和預測風險.通過建立線性回歸模型，對風險進行量化評估和預測通過機器學

12、習提高模型的性能和泛化能力，更加準確地識別和評估風險。通過多層非線性變換，深度學習可以從數據中學習到更加抽象和高級的特征表示，進一步提高風控的精度和性能以以大大數據風數據風控為例控為例處理時間長、無法自動更新，決策誤判高決策精度相對提升，判斷未知風險能力弱模型區分度大幅提升模型區分度顯著提升（數據處理、特征處理能力更強）算法算法&業務業務互相驅動互相驅動持續創新持續創新因果因子因果因子混淆因子混淆因子結果變量結果變量變量全集變量全集剝離因果效應1120232023年年3 3月月openAI發布GPT420172017 20182018202120212022202220232023201820

13、18年年1010月月谷歌發布BERT20212021年年5 5月月谷歌發LaMDA20222022年年2 2月月DeepMind推出編碼引擎 AlphaCode20222022年年3 3月月Midjourney內測20222022年年4 4月月OpenAI 發布文生圖模型DALL-E220222022年年5 5月月Google發LAMDA220222022年年1111月月openAI發布ChatGPT20232023年年2 2月月Meta開源Llama20232023年年3 3月月Google發布具多模態大模型PaLM-E20232023年年3 3月月百度發布文心一言20232023年年5 5

14、月月Stability AI發布視頻生成大模型20232023年年9 9月月騰訊發布混元大模型20182018年年6 6月月OpenAI發布GPT20232023年年2 2月月清華智譜發布ChatGLM模型20172017年年6 6月月Transformer架構發布至今至今20232023年年1010月月百度發布Comate編程助手20232023年年4 4月月百川智能發布百川大模型代碼生成模型大模型架構具身大模型視覺大模型對話大模型圖例趨勢趨勢1 1：模型技術升級與產品發布更迭速度加快趨勢趨勢2 2：模型模態逐步豐富價值價值提高生產效率提高生產效率提升決策精度提升決策精度推動產品創新推動產品

15、創新賦能領域賦能領域toto 用戶用戶toto 企業內部企業內部研發研發辦公辦公生成式生成式AI技術爆發技術爆發金融金融+AI,賦能金融業務賦能金融業務機遇三：生成式人工智能迅速演進，打開金融創新空間機遇三：生成式人工智能迅速演進，打開金融創新空間運營運營服務服務營銷營銷風控風控12挑戰：金融數智化時代，需堅持以合規為基礎、以人為中心挑戰：金融數智化時代，需堅持以合規為基礎、以人為中心合規發展合規發展數據合規與數據合規與隱私保護隱私保護組織變革組織變革技術變革下的文化建設技術變革下的文化建設：人和機器如何協同共進，創造更大價值，員工要能適應技術發展趨勢技術變革下的組織優化技術變革下的組織優化：

16、Copilot,Agent智能體將不斷涌現，也會將重溯整個組織形式人才重塑人才重塑技術變革下的技能匹配技術變革下的技能匹配：如何做好業務+AI人才培養與留存技術變革下的技術變革下的人機協作人機協作：如何更好的利用AI提升生產力，提升工作效率以人為本以人為本數據合規數據合規：如何適配快速變化的數據收集、處理和存儲相關合規要求 隱私保護隱私保護：如何應對好金融行業嚴格監管要求下的數據泄露、數據濫用等數據隱私問題CONTENTSCONTENTS1.人工智能與金融行業：正當其時，大有可為2.2.開始的結束：厚積薄發，傳統式人工智能驅動金融業務開始的結束：厚積薄發，傳統式人工智能驅動金融業務3.開始的開

17、始：另辟蹊徑，生成式人工智能重塑金融業務4.未來展望：傳統與新興融合，人工與AI協作14業務發展業務發展AIAI技術進步技術進步目前金融已深度集成目前金融已深度集成AIAI，AIAI創新可對業務形成巨大驅動創新可對業務形成巨大驅動金金融融已已深深度度集集成成AIAIAI技術技術 金融業務金融業務+AI+AI+金融金融計算機視覺計算機視覺 智能語音智能語音自然語言處理自然語言處理機器學習機器學習知識圖譜知識圖譜身份核驗身份核驗客戶服務客戶服務營銷獲客營銷獲客投研投顧投研投顧合規風控合規風控驅動驅動15模式：模式：推廣人員廣撒網覆蓋主流流量渠道，投放策略多基于經驗，效果強依賴平臺流量供給問題：問題

18、：不確定性強，效率低成本高模式：模式：大量信審人員，依靠有限的結構化數據，基于規則與經驗做出風險判斷問題：問題：風險隱患大、效率低成本高模式：模式：運營人員只關注群體用戶的關鍵指標，依靠經驗和少量實驗判斷用戶偏好，做出經營決策問題：問題：運營決策偏主觀，重視群體忽視個體傳傳統統信信貸貸獲客獲客風控風控經營經營自然語言處理自然語言處理機器學習機器學習計算機視覺計算機視覺智能語音智能語音因果推斷因果推斷傳統傳統人工智能人工智能模型輔助運營，提升經營效果模型輔助運營，提升經營效果差異化定額個性化定價多樣化還款方式.提升風控決策精度，降低信貸風險提升風控決策精度，降低信貸風險征信數據解讀大數據風控智能

19、信審.提升獲客決策精度，實現有效率的增長提升獲客決策精度，實現有效率的增長精準客戶定位個性化推薦智能營銷策略智智能能信信貸貸全流程的決策優化全流程的決策優化全方位的降本增效全方位的降本增效以信貸為例以信貸為例，傳統人工智能驅動，傳統人工智能驅動信貸全價值鏈升級信貸全價值鏈升級16信貸風控：信貸風控：NLPNLP技術演進，提升文本解析和風控決策精度技術演進，提升文本解析和風控決策精度業務問題業務問題人工經驗人工經驗根據專家經驗，利用簡單規則或者關鍵詞庫，從文本中提取信息,難以充分提取用戶難以充分提取用戶相關文本數據中蘊含的信息，相關文本數據中蘊含的信息，風控效果差強人意風控效果差強人意人工文本關

20、鍵詞表借助自然語言處理技術迭代發展，實現風險區分能力大幅提升借助自然語言處理技術迭代發展，實現風險區分能力大幅提升分片式序列模型分片式序列模型26%26%BertBert微調微調18%18%注意力機制注意力機制15%15%詞袋模型詞袋模型12%12%預訓練預訓練29%29%KS應用于智能風控業務應用于智能風控業務業業務務場場景景文本信息解讀風險文本信息解讀風險信貸風控用戶大量的風險信息信貸風控用戶大量的風險信息以文本形式存在以文本形式存在，如客戶征信、合同、社交媒體信息等,依賴精依賴精準高效的文本解讀能力準高效的文本解讀能力傳傳統統解解決決方方案案風險區分能力提升風險區分能力提升CaseCas

21、e：誰是壞人？：誰是壞人？花唄套現欠信用卡15萬3年沒還砍頭息人在擼口子圈急用羊毛怎么回血 大獅緬甸騰龍四件套帶魚 買馬面單 用戶用戶B B更有效的新詞發現更有效的新詞發現精準的語義表示精準的語義表示傳統、可人工統計黑話、文本傳統、可人工統計黑話、文本 用戶用戶A A17信貸風控：圖機器學習，提升征信解讀和風險區分能力信貸風控：圖機器學習，提升征信解讀和風險區分能力業務問題業務問題結合圖機器學習，實現征信報告智能解讀，顯著提升風險區分能結合圖機器學習，實現征信報告智能解讀，顯著提升風險區分能力力人工經驗人工經驗人工特征衍生人工特征衍生27%27%26%26%24%24%BaselineBase

22、line22%22%同數據集下效果同數據集下效果KSKS機器自動衍生機器自動衍生深度學習深度學習圖機器學習圖機器學習征信解讀的五個發展階段征信解讀的五個發展階段階段階段2 2：多個報告之間關系圖多個報告之間關系圖利用工作單位、居住地址信息，結合股權關系等外部數據，將不同征信報告關聯成一張圖階段階段3+3+動態圖、時序圖動態圖、時序圖動態預測節點之間的關系，圖網絡結構不斷演進，節點與邊的屬性實時更新階段階段1 1：單報告內部關系圖：單報告內部關系圖以查詢/借還款行為和機構為節點構圖，捕捉同樣行為在不同關系場景下的不同含義圖模型效果超大規模特征，特征效果超銀行評分卡圖模型效果超大規模特征，特征效果

23、超銀行評分卡圖算法進展和效果圖算法進展和效果人工解讀人工解讀依賴解讀征信的人員專業知識和經驗風險挖掘風險挖掘能力不佳能力不佳難以捕獲其他人對用戶的風險影響難以處理用戶風險隨時間動態漂移的問題業業務務場場景景深度解讀征信深度解讀征信征信報告信息豐富，是信貸風控征信報告信息豐富，是信貸風控主要數據來源之一主要數據來源之一傳傳統統解解決決方方案案度小滿智能化征信解讀中臺獲度小滿智能化征信解讀中臺獲吳文俊人工智能科學技術獎吳文俊人工智能科學技術獎4040萬萬+25%25%信貸風險降低信貸風險降低風險變量風險變量貸款記錄貸款記錄（準）貸記卡記錄（準）貸記卡記錄組織、額度等過去60個月還款記錄身份信息地址

24、信息工作信息組織、額度等過去60個月還款記錄記錄1記錄2記錄1記錄2個人信息個人信息個人個人信貸信貸記錄記錄提示信息賬戶信息逾期信息摘要摘要信息信息記錄1記錄2記錄3查詢查詢信息信息18業務問題業務問題計算機視覺支持信貸風控審批流程提效降本計算機視覺支持信貸風控審批流程提效降本非結構化非結構化結構化結構化分析與處理分析與處理解析與識別解析與識別還原與轉換還原與轉換提取與理解提取與理解校驗與標準校驗與標準內容解析內容解析版面還原版面還原內容審核內容審核信息提取信息提取圖像圖像/視頻識別視頻識別技術創新技術創新文檔智能文檔智能PDFOFFICE圖片視頻字段內容圖像質量圖像風險內容恢復圖像分類篡改檢

25、測質量評估風險類型EXCEL抽取PDF內容解析圖片識別視頻OCR元素提取 布局分析表格檢測表格重建實體識別關系提取文檔分類圖像標簽識別與理解識別與理解分析與決策分析與決策內容閱讀內容閱讀融合圖像、位置、布局等多源信息，建立不同level的提取模型，提升復雜場景下關鍵信息識別理解能力，平均準確率達到95%+多模態特征表示多模態特征表示基于多模態文檔預訓練+場景微調，只需數10張樣本，即可完成模型訓練，提升小樣本的建模能力文檔預訓練模型文檔預訓練模型基于ELA誤差等級分析，借助視覺Transformer，挖掘像素級篡改特征，構建文檔、證件篡改檢測模型，準確率達96%風險識別風險識別標準化結果映射字

26、段規范化校驗內容加工與比對內容糾錯與審核應用于信審秒批應用于信審秒批，相對審核效率 7 70+0+%相對審核人力成本 千萬千萬信貸信貸審批提審批提效效信貸風險管理需要大量用戶信息收集工作，流程流程長，需要大量的人工投入長，需要大量的人工投入企業財報企業財報交易流水交易流水店面門頭店面門頭報銷票據報銷票據用戶數據種類繁多用戶數據種類繁多易出錯易出錯效率低效率低成本高成本高業業務務場場景景信貸風控：信貸風控：CVCV技術升級，支持信貸審批提效降本技術升級，支持信貸審批提效降本19信貸經營：應用因果推斷技術，實現個體額度最優信貸經營：應用因果推斷技術，實現個體額度最優業務問題業務問題什么是關聯關系？

27、什么是因果關系？什么是關聯關系？什么是因果關系？以以往往解解決決方方案案機器學習機器學習-關聯建模關聯建模傳統機器學習關聯建模傳統機器學習關聯建模，雖可以找到關聯關系，但無法用于決策無法用于決策業業務務場場景景經營決策優化經營決策優化信貸經營信貸經營場景存在大量復雜決策場景和復雜數據，決策歸因、優化難決策歸因、優化難 什么是導致決策最優的決策因子？做什么經營動作可以支持策略最優？運動越少 膽固醇越低？(反事實)表象：觀察整體表象：觀察整體洞察：觀察局部洞察：觀察局部不同年齡組下，運動越少膽固醇越高觀察局部(額度近似用戶)，調整額度越高，其逾期率有上升趨勢辛普森悖論辛普森悖論：總體數據的統計相關

28、性，可能與部分數據的統計相關性相反相關性相反需求需求找到控制膽固醇變高方法找到降低風險策略我們觀測到的變量本身之間未必有直接的因果關系，背后是由一些因果因素產生出來。那那真正可以影響真正可以影響結果的因果關系結果的因果關系是什么？什么是是什么？什么是影響決策的真正影響決策的真正有效變量？有效變量？額度越高 風險越低？(反事實)生活中的一個例子業務中的一個例子20額度策略額度策略解決方案：基于因果推斷技術，實現額度策略優化解決方案：基于因果推斷技術，實現額度策略優化之前的給額框架之前的給額框架額度復購模型額度借款模型額度風險模型最優額度 分別學習因果關系分別學習因果關系：通過因果學習算法，構建原

29、因與結果間的穩定關系 目標最優化目標最優化：結合目標需求，搜索客戶個體維度決策最優的額度，直接給出最優額度因果推斷技術演進因果推斷技術演進工業代表算法 Xlearner對照組實驗組對照組實驗組?=?0?+?1?012.2.DebiasedDebiased LearningLearning框架框架工業代表算法 DoubleMLTreatmentOutcomeConfoundersFeatures3.3.表示學習表示學習框架框架DXM自研算法 Mono-CFR1.1.Meta-LearnersMeta-Learners框架框架創新解決方案創新解決方案15%15%金額逾期率金額逾期率業務收益業務收益

30、信貸經營：應用因果推斷技術，實現個體額度最優信貸經營：應用因果推斷技術，實現個體額度最優額度變化后，用戶的風額度變化后，用戶的風險會變化險會變化無法衡量額度變化后的無法衡量額度變化后的風險遷移情況風險遷移情況風險風險評級評級償債償債能力能力資產資產評級評級宏觀宏觀調整調整根據用戶畫像計算額度CONTENTSCONTENTS1.人工智能與金融行業：正當其時，大有可為2.開始的結束：厚積薄發，傳統式人工智能驅動金融業務3.3.開始的開始：另辟蹊徑，生成式人工智能重塑金融業務開始的開始：另辟蹊徑，生成式人工智能重塑金融業務4.未來展望：傳統與新興融合，人工與AI協作22生成式生成式AIAI以以Cop

31、ilotCopilot方式，從點到面重塑金融價值鏈方式，從點到面重塑金融價值鏈理解理解|生成生成|邏輯邏輯|記憶記憶個性生成個性生成交互增強交互增強預測模擬預測模擬強自動化強自動化大模型核心能力大模型核心能力重塑服務重塑服務從降本增效到價值創造從降本增效到價值創造重塑運營重塑運營端到端的運營新范式端到端的運營新范式重塑風控重塑風控智能化全面風控智能化全面風控重塑營銷重塑營銷一體化營銷工作坊一體化營銷工作坊重塑辦公重塑辦公員工的生產力工具員工的生產力工具重塑研發重塑研發助力研發提質提效助力研發提質提效 客情摘要 客服助手 傳播洞察 智能投放 NL2SQL 投研投顧 智能信審 風險模擬 智能搜索

32、知識助手 代碼生成 單測生成23借8萬吧，借個 四、五個月四、五個月，這個價格能 便宜點便宜點 兒不？這樣吧，如果您借滿如果您借滿6 6個個月呢，利息可以給您打月呢，利息可以給您打個個9 9折折；如果提前還，您還按原來的價格，您看可以嗎？獲客：根據用戶特征生成個性化素材獲客：根據用戶特征生成個性化素材轉化：結合用戶需求提供差異化產品轉化：結合用戶需求提供差異化產品用戶畫像用戶畫像&行為特征行為特征差異化產品方案差異化產品方案個性化營銷素材個性化營銷素材用戶用戶征信報告征信報告&行為數據行為數據&需求表達需求表達征信報告行為數據需求表達素材平臺素材平臺需求平臺需求平臺流量平臺流量平臺金融金融AP

33、PAPP定制方案1 定制方案2地理位置預期職業預期職業營銷：個性化素材結合差異化產品，重塑開放獲客新模式營銷：個性化素材結合差異化產品，重塑開放獲客新模式24服務：提質降本，營銷服務一體化服務：提質降本，營銷服務一體化營銷服務一體化營銷服務一體化智能智能客服客服服務成本降低服務成本降低人力密集人力密集技術密集技術密集創新技術應用將釋放大量人力，降低服務成本服務質量和服務能力提升服務質量和服務能力提升大模型輔助坐席提供服務，提升坐席整體的水平，持續提升服務承載能力和平均服務質量人工坐席人工坐席模型輔助人工模型輔助人工模型直接對客模型直接對客服務過程中洞察潛在需求，匹配和推薦對應金融產品，生成式A

34、I串聯起了原本分散的業務環節，實現營銷服務一體化成為可能生成式生成式AIAI服務服務營銷營銷成本中心成本中心利潤中心利潤中心可以將人力投入到更有價值的業務上，提升服務的同時，實現利潤目標。內部提效25%隱形增員空間巨大服務能力有效25運營：數據驅動的業務運營新范式運營：數據驅動的業務運營新范式這個新客戶非常重要，項目可以承受一定程度的虧損，但是要保證公司整體利潤底線不受影響，那么報價最低是多少？本季度目標利潤率是10%。根據最近三個月的財務數據統計，總營收為2.1億元，毛利3360萬，實際利潤率為16%；我們的投標價格底線最低下降至3849萬時，不會影響公司整體毛利率目標。實際營收實際營收(萬

35、元萬元)實際毛利實際毛利(萬元萬元)實際利潤率實際利潤率21000210003360336016%16%Q3Q3實際實際實際營收實際營收(萬元萬元)實際毛利實際毛利(萬元萬元)實際利潤率實際利潤率28000280002800280010%10%基于項目中標的基于項目中標的Q3Q3預測預測一切業務產生數據，一切決策依賴數據一切業務產生數據，一切決策依賴數據數據分析數據分析數據架構數據架構大模型原生架構大模型原生架構AI方法+AI能力集成大模型能力集成大模型能力BI方法+AI能力架構增強架構增強數據獲取數據獲取全模態數據自動獲取全模態數據自動獲取發生即獲取主動收集數據主動收集數據主動按需收集業務數

36、據數據增強數據增強自然語言即可分析降低分析門檻降低分析門檻自動決策自動決策基于數據自動優化運營分析增強分析增強基于大模型基于大模型的的BIBI新范式新范式傳統傳統BIBI26研發：研發：基礎代碼自動生成，業務代碼人人可寫基礎代碼自動生成，業務代碼人人可寫代碼采納率超代碼采納率超40%40%，體感研發效率提升近，體感研發效率提升近20%20%覆蓋Python、java、sql、javascript、go、html、c+、css等多種編程語言更好的開發體驗更好的開發體驗更精益的組織結構更精益的組織結構更快的迭代速度更快的迭代速度規劃規劃編寫編寫測試測試維護維護理解需求做開發計劃代碼生成和補齊，識別

37、錯誤并自動修復生成測試用例和測試數據，提升測試質量結合系統日志、用戶反饋來幫助診斷問題單點提效單點提效 全流程重塑全流程重塑幫助思考幫助思考幫助編碼幫助編碼幫助修改幫助修改27辦公：無處不在、無縫銜接的辦公助手辦公：無處不在、無縫銜接的辦公助手多層次、全方位的能力輔助多層次、全方位的能力輔助通用能力通用能力業務能力業務能力決策能力決策能力私人顧問：個人決策助手，基于個人可獲取信息，幫助決策，提升價值全面輔助：實時、全面和準確地輔助解決業務、政策、資訊等等復雜問題操作提效：大模型驅動的知識抽取與信息處理等工作，提升基礎操作性工作的效率助力機構間業務合作助力提升內外部協同效率助力提升內外部協同效率

38、優化部門內資源配置提升公司內協作效率金融監管治理有幾個要素，以及每個的含義和重要性？金融監管治理涉及的四個核心要素是：獨立性、問責制、透明度、操守。首先，首先，獨立性指的是監管機構具有一定的自主權，使其能夠免受政治層面和被監管實體的干擾，以確保公平、有效地進行金融監管。監管機構的獨立性不僅要求專業性技能，以便在復雜情況下迅速做出反應，還要求其能夠使自身免受政治干預，增加監管行為的透明度和穩定性，由此提高政策制定的可信度。其次，其次，問責制是監管治理的重要環節，然后，然后，透明度也是極為重要的，最后，最后，操守是指監管機構和監管人員需要堅守的行為與規范。金融監管治理的四個要素相互影響、相互促進，

39、共同構建了金融監管的基礎環境。要統一提升，需要多元化的改革與整合，構建高效、公正的金融監管環境。真實問答場景真實問答場景度小滿度小滿 -ChatManChatMan辦公助手辦公助手用戶滿足率從用戶滿足率從 20%20%提升至提升至 86%86%28風控：提升感知和決策能力，智能風控更主動更實時風控：提升感知和決策能力，智能風控更主動更實時實時風險控制實時風險控制主動風險控制主動風險控制智能風控智能風控傳統風險決策引擎傳統風險決策引擎金融大模型金融大模型風控大數據風控大數據+集成大模型的風控決策引擎集成大模型的風控決策引擎機器學習|圖計算|知識圖譜|因果推斷|.生物識別|NLP|圖像識別|語音識

40、別|.風險信息理解洞察風險信息理解洞察理解客戶多層次需求理解客戶多層次需求決策增強決策增強生意資質|業務憑證|借款信息|.提額|降息|靈活還款|.深度自然語言交互深度自然語言交互引導客戶補充資質材料引導客戶補充資質材料感知增強感知增強風控大模型風控大模型客戶實時數據客戶實時數據風險策略風險策略CONTENTSCONTENTS1.人工智能與金融行業：正當其時，大有可為2.開始的結束：厚積薄發，傳統式人工智能驅動金融業務3.開始的開始：另辟蹊徑，生成式人工智能重塑金融業務4.4.未來展望：傳統與新興融合，人工與未來展望：傳統與新興融合，人工與AIAI協作協作30金融金融AgentAgent傳統傳統

41、AIAI和生成式和生成式AIAI優勢互補、融合發展，出現金融優勢互補、融合發展，出現金融AgentAgent任務規劃任務規劃分析任務，并生成解決方案任務執行任務執行調用各類插件能力執行任務檢查反饋檢查反饋檢查完成情況，并收集反饋修正迭代修正迭代分析總結，進行微調迭代生成式生成式AIAIEmbedded傳統傳統AIAICopilot31人工與人工與AI AgentAI Agent社會化協作，重構金融行業生產關系社會化協作，重構金融行業生產關系人工與人工與AI AgentAI Agent社會化協作社會化協作人工設定目標和監督過程，人工人工設定目標和監督過程，人工+AI+AI共同執行、評估和迭代共同

42、執行、評估和迭代金融任務拆解金融任務拆解金融任務金融任務子任務1子任務2子任務3.匹配對應角色匹配對應角色子任務1子任務4子任務7子任務2子任務5子任務8.子任務3子任務6協作與互動協作與互動.人工智能迎來了新的發展機遇，金融智能化正當其時人工智能迎來了新的發展機遇，金融智能化正當其時傳統人工智能仍存在巨大紅利，能夠持續驅動金融業務增長傳統人工智能仍存在巨大紅利，能夠持續驅動金融業務增長生成式人工智能將從點到面賦能和重塑金融行業，創造巨大價值增量生成式人工智能將從點到面賦能和重塑金融行業，創造巨大價值增量人與機器的協作關系正經歷深刻變革，人與機器的協作關系正經歷深刻變革，AI將重構金融業乃至全

43、社會的生產關系將重構金融業乃至全社會的生產關系總結與展望總結與展望度小滿軒轅大模型度小滿軒轅大模型34軒轅大模型：軒轅大模型：定位于最好的中文金融域大模型定位于最好的中文金融域大模型模型微調：分階段微調使能力定向增強模型微調：分階段微調使能力定向增強混合微調混合微調指令微調指令微調數據配比：解決通用到金融的遺忘問題數據配比：解決通用到金融的遺忘問題通用數據通用數據-領域領域數據平衡數據平衡訓練數據動態配比訓練數據動態配比知識圖譜：增強大模型的事理邏輯能力知識圖譜：增強大模型的事理邏輯能力知識增強知識增強金融事理圖譜節點400萬+推理增強推理增強思維鏈100萬+數據質量：金融大模型能力強弱的關鍵

44、數據質量：金融大模型能力強弱的關鍵動態數據處理動態數據處理PipelinePipeline百百T T級級 T T級級訓練數據訓練數據建設最好的金融行業大模型，金融域任務超越領先通用模型建設最好的金融行業大模型，金融域任務超越領先通用模型5月9月11月度小滿開源了國內首個首個千億級金融大模型軒轅軒轅度小滿開源軒轅軒轅70B70B大模型開源了軒轅70B-chat模型及8-bit和4-bit量化模型35軒轅大模型：軒轅大模型：定位于最好的中文金融域大模型定位于最好的中文金融域大模型使用百萬級經人工構建和校驗的高質量指令數據進行指令微調和對齊外掛實時更新的業務知識庫，實現低成本干預，同時降低幻覺影響面

45、向金融應用場景，定向增強摘要、邏輯、計算等金融場景核心能力增量預訓練和指令微調階段，加入大量金融數據，提升金融理解能力金融增強金融增強通用能力通用能力C-EvalC-Eval和CMMLUCMMLU兩大權威榜單兩大權威榜單，軒轅70B均名列所有開源模型第一第一金融能力金融能力軒轅70B已經通過注會考試、銀行/證券/保險/基金/期貨從業資格、理財規劃師、經濟師等金融領域權威考試場景能力場景能力軒轅70B在度小滿自有金融業務場景測試中表現領先，特別金融知識問答、NL2SQL等場景表現優異知識增強知識增強應用增強應用增強對話增強對話增強軒轅軒轅70B70B大模型金融能力領先，通用能力強大大模型金融能力領先，通用能力強大36軒轅金融大模型將軒轅金融大模型將持續開源，與行業伙伴共同成長持續開源，與行業伙伴共同成長軒轅軒轅-千億千億軒轅軒轅-70B-70B軒轅軒轅-70B-chat-70B-chat軒轅軒轅-13B-13B即將開源即將開源5月9月11月1212月月軒轅系列大模型，技術認知和實踐經驗總結大語言模型原理與工程實踐大語言模型原理與工程實踐即將出版即將出版掃掃碼訪問碼訪問GitHubGitHub頁面頁面