银行智能化运营方向的思考.pdf

银行智能化运营方向性思考银行智能化运营方向性思考2010102020303银行数字化发展历程智能技术在金融领域发展历程和现状AIGC在金融领域的创新思考目录目录contents0101银行数字化发展历程3P A R T第一部分40101银行数字化进程人工/手工信息化数字化数智化流程、业务监管报送是核心业务价值是核心用户价值是核心50101银行架构演进单体式架构分布式/云优先大数据/私有云私有AI/混合AI/混合云 计算即服务 模型即服务产品即服务60101双翼双态战略敏态稳态 双态模式适用范围：传统金融高可用、高标准、低风险；战略目标明确、业务流程相对成熟，聚焦业务信息化、精细化经营管理能力全面提升定位、IT架构地位：IT架构“基石”解决银行基础支撑问题关键要素：产品工厂、多法人、经营管理信息化覆盖支持度、客户管理、服务管理、作业管理、内部管理、流程管理、内控及操作风险、组织变革.架构管理：集中式、安全稳定、影响可控，聚焦内部流程数据化和信息化、监管合规要求等，纵向扩展、架构适应应用等构建标准化信息平台（现有核心业务稳健发展传统项目制开发）智慧、开放、共享、高效、融合的业务价值交付生态体系 适用范围：数字经济高性能、高弹性、低成本；聚焦“数实融合”、“平台经济”，深度洞察银行发展，快速响应用户市场需求。定位、IT架构地位：创新能力及商业模式重构：薄前台、厚中台、敏后台解决银行生存发展问题关键要素：中台战略、供应链金融、旅游银行、生活服务、社交分享、海量并发、场景置入、网贷、自动决策模型、人工智能、实时风控、体验经济.架构管理：云平台、分步式、灵活性及扩展性、快速上线，横向扩展、应用适应架构、微服务等，需要不断试错逐步完善一体两翼双态业务架构助力银行业务高质量发展经营平台经营平台交易及金融产品平台交易及金融产品平台发展发展生存生存信息化信息化数字化数字化0202智能技术在金融领域发展历程和现状7P A R T第二部分80202智能技术在金融领域发展趋势手工表格检索呼叫中心“人工”智能NLP、RPA、数字人和机器人矩阵等规则型智能智脑（涌现）数字员工上下文，情感，监督学习型生成式智能*仅适用描述中小型银行现状90202智能技术在金融领域现状-智能客服FAQ问答任务式问答表格问答知识图谱问答文档问答智能客服远程银行坐席营销产品提示数字人规则性问答ASR、NLP、TTS语音语义核心算法智能荐句自动化聚类工具知识健康度检查100202智能技术在金融领域现状-机器人矩阵咨询解答功能导航业务办理跟踪反馈智能客服机器人语音识别自然语音知识图谱语音模型语料库业务流程大数据模型训练智能管理机器人PRA流程智能排班智能质检智能稽核机器人风险模型问题排除流程管控结果统计全流程服务检查模型服务风险全流程管理业务操作标准化业务资源共享化业务流程可视化赋能日常管理智能外呼机器人标签矩阵NLP主动预判模型训练个性化主动服务流程智能助手机器人流程支持用户识别问题支持增值服务提升人工数字化客服能力数字人远程银行坐席客服机器人能力支撑0303AIGC在金融领域的创新思考11P A R T第三部分120303金融大模型的一些观点对比于通用大模型的能力而言，金融行业非常需要垂直行业大模型，在数据层面，金融行业因为安全及隐私保护要求数据大多存储在本地，通用大模型在金融能力上缺乏必要的训练数据。另外一方面，金融行业在风控、精度等方面要求较高，系统又比较复杂，再加上金融相关数据实时性的要求很高，所以从这几个维度去看，通用大模型的金融常识、生成的可控性和准确性都达不到这个行业的最低要求，需要针对金融机构定制的行业大模型去发挥效力。许东亮2022年到2023年，新范式迎来新拐点，“模型”知识将无处不在，其中的代表便是OpenAI的技术创新，行动、模型、信息将三位一体，共同进化至通用智能陆奇通用大模型的出现，从根本上改变了数字化转型这条赛道。可以这么说，数字化转型成为了大模型智能化应用的基础。以数字化转型为基础基于大模型的垂直领域行业模型将颠覆整个金融行业。我130303AIGC在金融领域的应用模式所有的用户所有对客服务人员+数字员工+员工场景模型金融行业模型通用大语言模型知识注入提示工程Prompting EngineeringIFTSFT、RLHF问答金融行业数据银行自有数据embedding140303AIGC在金融领域的应用落地关键-微调微调微调技术能够针对特定业务场景的要求，优化模型的回答生成能力，使生成的回答更加准确、流畅和相关。通过微调，模型能够更好地理解输入对话的上下文信息，捕捉到对话中的语义和逻辑关系，从而生成更具连贯性和相关性的回答。这使得模型在各种自然语言处理任务中表现出更高的性能，如问答系统、客服机器人、智能对话系统等150303AIGC在金融领域落地步骤选择基础模型和行业模型选择场景评估部署和监控通义盘古混元文心嵌入微调提示工程LLM性能A/BTEST问答好坏私有化答案价值监控160303AIGC在金融领域的应用发展落地数字员工客服+培训+稽核+业务智能化辅助（人工）：座席侧智能辅助功能，也是可以通过对优质样本的投喂不断进化的业务助理。包括但不限于，业务推荐，用户填单，用户风险识别对话总结（人工+数字员工）：对客对话结束后形成对话总结。通过对优质对话样本的投喂不断进化，理解用户情绪和真实表达意图质检：抽象质检和执行质检（对话录音、文本）真千人N面交互式的千人N面，未来将重构APP的对客交互模式-很快可能会出现交互式聊天室银行APP根据用户的偏好和上下文信息生成个性化的推荐结果。有助于提供更加准确、有针对性和满足用户需求的推荐内容170303AIGC在金融领域的应用发展趋势和落地文案生产营销根据关键字生成营销文案根据营销活动生成外呼、对客话术等素材生产根据营销活动要求生成图片、视频等话术生产复杂营销活动策划根据营销活动目标进行人群圈选和人群细分，然后根据活动形式进行不同渠道的文案、素材、话术匹配，根据历史投放核销情况配置权益和积分等180303AIGC在金融领域的应用发展趋势和落地运营报告运营根据不同报告的要求格式体例，结合报告内容生成，优先对周报、月报、季报进行落地运营分析图表根据指定目标的分析范围，通过中文输出图表和结合行业知识的初步分析结论用户建模可以通过分析用户的对话、问答和查询历史来对用户的兴趣和偏好进行建模。它可以理解用户的语言并提取关键信息，从而更好地了解用户的需求和兴趣。形成丰富的用户标签190303AIGC在金融领域的应用发展趋势和落地知识库内部管理会议纪要、内外部制度、合规等等各领域报告根据提纲进行生成（图+文）合规审查对文档和方案进行合规审查报告生成与RPA结合的各类管理流程的自动化管理流程自动化200303AIGC在金融领域的应用发展趋势和落地产品设计科技-项目研发全流程辅助形成产品竞品分析，产品设计关键点等代码辅助研发，这个事情还要进一步研究，但是数据模型创建，经典算法代码段实例，辅助类是可以使用的平台工程平台工程元年2022，目前发展情况还要持续观察。可以从SRE的视角对痛点进行逐步改进210303AIGC在金融领域落地的问题选模型很难问题银行要选择有金融行业参数训练的模型，目前还没有评价金融领域模型的标准https:/ Engineering 场景模型还要经过非常多基于指令：输入、输出的提示工程训练LoRA：基于行业大模型底座的分支流程微调，比如贷款中的消费贷，经营贷，XX贷在同一个主干模型上设置多个分支。要支持用户问题的回答240303AIGC在金融领域落地的问题现有的规则性的引擎如何处理？问题现有的已有的基于规则的引擎，如何与大模型结合？250303AIGC在金融领域落地的问题金融问答的准确性问题LLM是基于参数隐含的表示知识，是通过概率模型执行推理，而这是一个非决断性的过程。但是金融领域的回答往往需要的是结构化和决断性的知识表征形式。LLM与知识图谱的结合260303AIGC在金融领域落地的问题产业生态处于起步阶段问题大模型产业在飞速发展，但确实还在探索阶段，距离金融生产级别的应用还有很长一段路要走。专业认知、专业人才、专业技能都是我们面临的问题。谢谢！27Q&A