大模型当前在金融行业的应用现状-CSDN博客

本文链接：https://blog.csdn.net/m0_57081622/article/details/142365805

毋庸置疑，大模型的出现，给AI与金融的结合带来了更大的想象空间。我们就三大关键问题，分三篇文章，逐一展开的说一说：

1、梳理当前现状；

2、讨论未来趋势；

3、分析潜在影响。

相较于已在金融领域被广泛应用的传统判别式AI，大模型具有更强的通用泛化能力，能够处理复杂多样的信息理解、内容生成、多轮对话等任务需求，在金融领域存在较大的价值创造空间，据清华经管联合度小满等发布的《2024年金融业生成式AI应用报告》，大模型驱动的新商业模式有望为金融业带来3万亿规模的增量商业价值。

当前，金融机构主要将大模型应用于业务场景简单的非决策类环节，而在核心决策环节应用大模型仍面临较大挑战。

其中，大模型在支付、信贷、保险、财富管理等场景均有应用落地，但主要赋能对客服务、数据挖掘、业务助手等环节。而在对金融领域专业能力要求较高、涉及提供强金融投资建议、需要承担核心分析决策任务的业务场景和业务环节中，大模型的落地应用仍然存在较大约束和挑战、难以直接替代专业人员完成分析决策任务、更多作为辅助核心决策人员展业的助手。

从业务流程角度，大模型已开始赋能前台营销运营、信息搜集整理、中后台运营支持等环节；从业务场景角度，各类金融机构已开始尝试将大模型应用于支付、信贷、投顾、投研、保险等细分领域。

目前，国内外各类金融机构正在积极探索大模型落地场景，金融从业者对大模型工具的需求和使用也与日俱增。

在金融机构层面，根据英伟达发布的针对近400家金融机构的调研，43%的金融机构已经在使用大模型，另有55%金融机构正在研究并考虑应用大模型；在金融从业者层面，根据麦肯锡2023年调研数据，金融行业从业者反馈“在工作中常规使用大模型”、“在生活中常规使用大模型”和“在工作和生活中均常规使用大模型”的数量占比达42%，而这一比例在麦肯锡2024年调研数据中上升至48%。

具体来看，我们认为大模型在金融领域专业能力上仍有欠缺、难以提供涉及较严监管领域的复杂金融投资建议。

其中，在金融专业能力方面，由于金融服务存在时效性强、精确度高、专业壁垒高等特点，当前大模型在金融领域仍然存在专业短板、难以理清较为复杂的金融逻辑。

目前，金融行业中的大模型应用更多是发挥其通用泛化能力优势，赋能基础业务环节和通用场景，如交互对话、信息整理、内容生成等；同时，在提供金融服务方面，大模型目前已较能胜任常规的基础金融对话，如金融资讯、业务办理等，但在涉及专业度高、个性化强、业务复杂且涉及严监管领域的金融服务上，由于大模型能力有限、应用效果较差、且存在监管合规风险，大模型目前难以直接对客提供专业金融服务、仍需人工介入以满足服务质量和合规要求；

此外，在除金融专长仍有待提升之外，大模型亦面临生成内容不可控（如“幻觉”问题）、可解释性差等问题，应用大模型进行决策判断的可行性较低，且传统AI在部分金融分析决策任务中的应用（如风控授信、理赔定价等）已较为普及和成熟，大模型替代传统AI的意义不大，当前大模型主要负责赋能语义理解、信息归纳、内容输出等环节，并在部分任务场景中与传统AI互补协作以提升效率。

大模型赋能五大金融场景

大模型在支付、信贷、保险、投顾、投研五大金融业务场景中均存在落地应用。

在支付领域

大模型主要被用于提升支付机构的风险识别及反欺诈能力。其中，支付机构利用大模型获取、整理、分析多模态数据，丰富风控数据维度；此外，支付机构利用大模型生成大量合成数据以训练、优化现有风控及反欺诈算法。

在信贷领域

大模型主要应用于营销获客、客户运营、贷后催收、信息抽取整理环节。从而提升客户转化率、提高风险定价质效、减少贷款坏账损失，但目前仍不能直接应用于风控决策领域、无法替代现有决策系统。

在保险领域

大模型主要被应用于渠道营销、核保理赔、辅助产品研发等非核心决策环节。在渠道营销方面，大模型能够帮助涉及营销素材、作为智能客服向客户提供个性化的保险产品和推荐，以及作为Co-pilot赋能保险销售、为其提供个性化的保险销售建议和销售策略。

在核保理赔方面，大模型能够辅助人工核保、辅助收集理赔文件、审核真实性等。此外，在产品设计方面，大模型可帮助保险精算人员更好地洞察客户需求、市场趋势和风险特征，提升获取信息效率。

在财富管理（投顾）领域

大模型主要应用于营销获客、客户运营、产品推介等环节。其中，大模型能够赋能销售团队提升人效和服务、并有效识别潜在用户；同时，大模型亦有助于财富管理机构完善内容生态、提供更有温度的客户陪伴；此外，大模型亦能够赋能产品推介过程中的信息传递效率，让投顾更高效地洞察用户需求偏好、匹配合适的金融产品服务。

在资产管理（投研）领域

大模型通过对信息的高效收集、整合、加工，从而赋能投研及投资的“搜”、“读”、“算”、“写”、“用”五大环节的效率。其中，在搜索环节，大模型能够通过对多渠道、多模态信息进行整合，快速响应数据收集请求，提升投研投资活动获取信息的效率；在读取环节，大模型能够提炼核心内容，提升投研人员的信息处理效率；在运算分析环节，大模型能够辅助投资观点和决策的内容。

此外，在写作环节，大模型可以承担初步的投研材料生成工作，相关功能目前已被部分金融机构嵌入在投研工具中，从而解放投研人员生产力。最后，在知识复用环节，大模型有助于提升机构内部知识库的检索效率，便利信息调用、减少重复劳动。目前，已经有多家金融科技公司将大模型应用于语音转写、会议纪要、知识检索等功能并切入到资产管理领域中。

以上是大模型在金融领域应用现状的梳理。

随着大模型的持续爆火，各行各业都在开发搭建属于自己企业的私有化大模型，那么势必会需要大量大模型人才，同时也会带来大批量的岗位？“雷军曾说过：站在风口，猪都能飞起来”可以说现在大模型就是当下风口，是一个可以改变自身的机会，就看我们能不能抓住了。

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。