中邮证券,易方达基金,国金证券,中金公司,华商基金,中信建投证券,君成投资,农银人寿,世邦基金

银行IT领域的AI创新与实际应用进展?
答:公司目前接触的客户都在关心AI能够操作落地的可能性,已经到了真正发挥AI作用和价值的阶段。公司与客户做了很多产品研发以及在实际应用中能够落地的产品,主要包括:
1)AI信贷:信贷是银行最重要的业务之一,也是公司AI应用最多的领域。公司一方面在流程上,在贷前、贷中和贷后帮助客户做信息提取、比对、审核、评估、溯源等,节省人力、提高效率和质量、缩短流程时间;另一方面在风控上,通过多模态能力对财报、征信、流水信息进行识别、理解,同时结合行内和行外数据建立数据模型,最终生成分析报告。
2)AI营销:根据用户特征做智能建模,为各种营销场景做人群划分;帮助业务人员做智能营销方案设计,提升整体方案比对设计的效率;在企微营销中,通过大模型建立接管、辅助和提示三种服务模式。
3)AI数据:通过大模型把自然语言转换为数据语言,持续完善ChatBI功能,在取数、分析、溯源和数据沉淀方面,帮助客户提升数据分析能力。
4)AI监管:通过大模型开发并搭建原始数据与最终指标的桥梁,实现数据溯源、监管规定分析和监管报送的系统平台。
5)AI知识库:结合细分工作场景、业务场景中大量的上下文信息,帮助客户具象化工作流程,搭建对应业务场景知识库。公司搭建的知识库,不是简单的信息查询,而是回答客户具体的业务问题。此外,公司在智能体方面已经有细分Agent应用,并在服务场景中,开发融入记忆能力、思考能力等,公司将不断根据业务发展,持续丰富AI产品线。
公司在实际应用中能否将大模型幻觉降到客户可接受范围?
答:大模型本身对信息处理的准确性较高,包括意图识别技术成熟度也较高,公司已经落地的AI应用中幻觉可控。对于业务场景智能体,需要先理解业务,对客户问题有先行判断,结合设置提示词明确回复红线,并进行二次检查,通过一系列的规则限制可以应对大模型的幻觉问题。
目前AI项目在客户场景落地难度如何?
答:在实际操作中,客户系统架构和业务流程很难一次性全面替换。公司的AI应用策略比较清晰,采取分阶段、模块化的实施策略。以信贷业务为例,把复杂的业务流程拆解成独立的功能点,比如流水分析、尽调报告生成等具体环节,逐步验证和落地每一个功能点之后,最终生成一个完整业务场景产品。从技术角度来看,目前AI技术仍在快速迭代过程中,需要不断跟进新技术并评估适用性,包括大模型的生态,如何能解决多个平台适配问题,快速的技术变化给应用落地带来一定难度;在产品设计角度,需要转变设计理念,不能过度关注对话交互形式的创新,而忽略了实际业务中的应用效率;此外业务与技术人员存在沟通成本,算法人员和业务人员互相存在能力边界,可能导致需求错配。公司通过让算法人员直接参与业务调研,长期培养既懂业务又懂技术的产品人才,能够在需求定义阶段做好平衡。
公司从科技产品解决公司转型AI产品和服务商需要什么样的能力?
答:需要从"IT产品能力输出"到"科技赋能业务"再到"业务能力输出",从客户提需求转型到引导客户提需求、挖掘客户需求,对应需要复合型人才,既要懂业务又要懂AI技术。更需要偏产品经理人才,了解客户的用户实操案例,结合自身AI能力、数据能力、工程能力,为客户设计出AI产品和解决方案,真正落在提升客户业务能力上,助力客户业务成长。