本文共字，预计阅读时间。

11月30日，由中国金融认证中心（CFCA）、数字金融联合宣传年联合百余家银行主办的“数字化转型前瞻 第十九届（2023）数字金融联合宣传年年度活动”在京举办。本次活动设置“前瞻·数字新趋势”与“前瞻·转型新路径”两大板块，与会嘉宾围绕相关热点话题进行分享。《2023中国数字金融调查报告》发布、“2023数字金融金榜奖”颁奖，以及“2023信创‘大比武’金融场景适配验证赛道”专项奖表彰等重磅环节也在本次活动中精彩呈现。

清华大学五道口金融学院副院长、金融学讲席教授张晓燕出席活动并以《大语言模型在银行数字化转型中的应用》为题发表主旨演讲。

清华大学五道口金融学院副院长、金融学讲席教授张晓燕

大语言模型（英文：Large Language Model，简称LLM）是一种用于处理自然语言信息的大型人工智能模型。这些模型在大规模文本数据上进行训练，以学习语言的语法、语义和上下文信息，使它们能够理解和生成人类语言并执行多种任务。

张晓燕谈到，大语言模型虽然出现的时间较短，但正在对全球经济和中国经济产生积极和深远的影响。首先是大语言模型带来全球经济生产效率的提升，助力经济增长；其次是推动就业市场更迭，高盛预计全球超过3亿个岗位将受到大语言模型冲击，但求职者也可以考虑转向由大语言模型产生的新岗位就业。

关于大语言模型在生产中的作用，张晓燕指出其最主要提供两大应用：第一是完成对人类语言的加工处理，提升文案工作效率和质量；第二是提炼数据信息进行决策辅助。

随后张晓燕指出，金融行业是信息和数据密集行业，因此大语言模型对金融行业的潜在影响巨大。首先，金融行业需要处理海量文本信息，大语言模型有助于分析和提取新闻媒体、研究报告、财务报表、企业公告、政府政策等文本信息中的价值；其次，金融信息具有强时效性，大语言模型可以做出秒级分析并提出建议。

银行业是金融行业的重要组成部分，正在广泛开展和推进数字化转型，因此必将成为被大语言模型影响的重点领域。张晓燕认为，银行业许多场景非常适合大语言模型的应用和落地，包括负债业务、资产业务、中间业务等。

对于负债业务，基于大语言模型的智能客服可以协助优化存款业务流程，同时节省人力成本，提升服务效率。如中国工商银行的AI数字员工将服务效率提高了5倍，从人工服务每位用户需要8分钟，缩短到数字员工服务每位用户仅需1.5分钟。

对于资产业务，智能信贷可根据用户信用资料提供针对性的贷款方案；智能营销通过用户资产、负债、风险行为等资料，基于不同场景，识别和预测客户的信贷需求和偏好，针对性服务用户；智能风控可提高信贷审批的风险识别能力，提高信用风险、操作风险、市场风险的识别能力，实现更有效的风险预测和预警。

对于中间业务，智能支付可提高支付结算安全性和便捷性；智能投顾可根据用户风险偏好，推荐个性化理财建议，助力银行代销理财产品，如浦发银行“财智机器人”能够为用户自动分析和总结市场现状，推荐个性化理财建议和产品。

最后，张晓燕谈到，银行业大语言模型落地同样面临很多风险和挑战，需要行业高度警醒和重视。比如大语言模型可能导致银行机密数据和客户隐私泄露。并且大语言模型在银行业中的应用也面临监管风险，各国对于大语言模型的监管态度目前分歧较大，也有观点认为人工智能，包括大语言模型的应用可能会成为下一个金融系统性大风险的爆发点。因此张晓燕建议，为了规范大语言模型在银行业健康有序的发展，希望相关监管部门及时制定规章制度，指引行业健康发展。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。