AI助手资讯

　　近期，广东金融监管局指导广东省保险行业协会印发工作指引，推动辖区保险机构积极参与大灾车辆损失查勘结果互认。据悉，该机制采取“分片包干、结果互认”的形式，明确对防御、查勘、施救、定损结果互认；建立省、市大灾沟通协同机制，科学统筹防灾减灾救灾资源，加强信息共享以及灾害防御、施救、查勘、定损等行业协同，制作统一互认单证、施救信息登记表，制定施救费用标准、水淹等级标准、定损标准上限等。（上证报）

财联社7月8日讯（记者 高萍）“大模型对金融机构而言，不仅是一次软件系统升级，更需要场景应用的不断优化。金融机构不需要激进地去重构IT系统，而是应该把AI能力尽早引入进来，要做+AI的能力。”在近日举行的2024全球数字经济大会上，中关村科金CTO李智伟博士在接受财联社记者专访时如是说。 图： 中关村科金CTO李智伟 近两年，大模型可谓是市场热点，金融大模型在金融领域也成为一个高频词汇。通用大模型仍在持续演进之际，聚焦垂直行业的大模型竞相来袭，在金融领域，数据分析、智能交互等业务方向问世多个大模型，金融机构联合头部的科技厂商积极布局大模型，推动金融大模型加速落地。 大模型正在为金融产业带来体验方面的变革，但在应用落地方面也存在数据合规安全等挑战。展望未来，李智伟博士看好多模态大模型的发展，他认为，如果把大语言模型比作脑，那么，多模态大模型就是眼睛和嘴，形成闭环后，在运营合规、防伪安全等多个维度的应用，使得行业落地场景的范围更广、更具有可为的空间。 金融领域大模型升级刚刚开始 要关注端到端效果的达成而非只是训练模型 在李智伟博士看来，金融行业和互联网行业有很多相似之处，比如有大量的用户、重视数据应用、关注用户体验和运营。 李智伟博士认为，大模型技术发展到今天，在金融领域更多的落地价值体现在获客营销、客户服务、办公提效等领域，这些是金融行业直接受益的场景。比如，保险的代理人助手、保险组合推荐，证券行业的投研、投顾，银行的零售业务拓客、网点的数字员工等，都已经开始广泛应用。 “经验来自于躬身入局的实践，这不止来自于大模型技术的应用，更是一直以来深耕金融、服务金融机构数字化转型积累的经验。中关村科金累计服务的金融客户超过500家，覆盖营销、风控、运营、客户服务等数十个场景。”谈及大模型在金融领域的应用，李智伟博士如是说。 他坦言，面向大模型升级，整个行业才刚刚开始。“我们一方面和金融客户在全场景进行共创，积极探索和积累经验，一方面持续进行技术储备，为场景扩展做足准备。共创的场景包括智能问答、外呼营销、坐席辅助、质检合规、深度防伪、投研、投顾、智能陪练等。” 关于大模型对金融行业的影响，李智伟博士用“提质增效”四个字来概括。从实践来看，大模型对金融领域的影响如何具象化？他以中关村科金举例称，公司的电销大模型服务某消费金融机构，上线伊始即快速承担起77%的客户外呼，与客户的平均通话时长提升了50%，对话轮次提升了83%，在不增加人工坐席的情况下，助力该消费金融机构放款额增长68%。 2024年是大模型应用的元年，在共创基础之上，李智伟博士强调，要关注端到端效果的达成，包括降低模型训练成本，实现模型价值的端到端；降低应用成本，实现应用价值的端到端；闭环大模型客户体验，实现客户体验价值的端到端。“追逐业务价值的验证就需要重视端到端效果。除了产品之外，还需要运营和服务，懂客户、懂场景很多时候比技术本身更重要，要能够做到为客户赋能，而不是仅仅售卖产品。” 从客户角度来看，李智伟博士认为，金融机构要积极储备大模型人才，具备一定技术背景的业务运营人员是潜在人才，要提供相关的训练和学习的通路。 2027年或是大模型应用高速爆发期 要加速布局多模态大模型 从目前大模型相关技术的专利数量、发展时间和舆论指数来看，李智伟博士认为，文本生成图像、提示工程、大模型工程化已经到了推广技术早期，即将进入成熟期，迎来广泛商业化的阶段。领先企业会积极拥抱新技术的使用，因此从应用成熟度、客户需求与厂商服务能力来讲，在面向C端的营销获客、客户服务领域，面向办公的知识管理、安全合规领域，大模型的能力表现和适配性最优，“这也是我们正在通过大模型技术进行全面升级与革新的四大场景”。 相比其他行业，金融行业有其特殊性。李智伟博士称，金融作为强监管行业，对合规和安全是高度重视的，大模型应用涉及数据要素的安全使用、面向客户营销\客服的合规表达、业务办理的安全防范，这些都面临挑战。 李智伟博士进而表示，在金融行业，由于其对数据和生态的封闭性，金融大模型在未来产品应用阶段对于封闭数据体的训练将具有较高的专用性和专有性。国家近年来对金融安全更加重视，在金融稳定性以及合规性方面，监管机构会有许多具体的要求。此外，金融领域涉及大量个人隐私数据，这些数据的使用更需要采取审慎的方式。 “金融大模型可能有一点特殊，就是合规。金融合规受到金融机构乃至国家层面关注。因此，合规的模型才是最适合金融机构使用的模型。”李智伟博士总结道。 金融行业是当前大模型技术发展阶段可用场景最多的行业，李智伟博士认为，未来一段时间会更加深入，如全无人营销和客服，知识辅助的自助办理会更加广泛，以及更加智能的数据分析和业务发现。 展望未来，李智伟博士分析到，2024年可以看作是大模型应用的成长期，大模型应用的高速爆发期或会在2027年。他坚定地认为大语言模型后期的发展一定是多模态大模型。“如果我们只解决了语言的问题，其实是很苍白的，还需要解决视觉和听觉的问题，视觉的问题一旦突破了，也就是真正的机器人出现了，就会形成闭环。”李智伟博士如是说。 对于金融领域的影响，他认为，多模态大模型或并不会像如制造业那样有更强的颠覆性，但是多模态扩大了大模型在金融领域的应用范畴，如在合规、远程业务办理等方面的应用则是大有可为。“一旦有视觉技术，机器人的能力就出现了，机器人技术出现一定会对生产环节有很大的帮助，比如远程业务办理中复杂音视频的理解等。通过多模态大模型所提供的图文、图表、手册、视频等内容，有助于客户经理以更通俗易懂、图文并茂的方式向用户解答金融产品特点与条款，提升远程业务办理质效。” 李智伟博士最后补充道，多模态大模型对远程业务办理会是利好，但是防伪识别会更具挑战，需要加紧布局。技术开放性与数据要素的合规使用变得更加突出，不再是寻求平衡，而是主动探索，这考验金融机构的管理决策，更考验科技厂商的快速学习能力。 本文源自财联社记者 高萍

把大模型用在绿色金融识别，有搞头### 在秘密试验和实践多次后，我们认为用大模型识别绿色金融绝对有搞头。 我们先分别看下绿色金融和大模型的基本情况： 绿色在文化语境中是一个具有多种象征意义的颜色。在股市，绿色意味着坚韧与奉献。在自然界，绿色象征着和谐与美好。而在金融领域，绿色代表着可持续发展。近年来，在“双碳”目标的引领下，从中央到地方，各层级政府机构已制定了一系列激励措施，从再贷款、担保机制、贷款贴息到增量奖励……可以说政策端已经打明牌了——金融机构只要是搞好绿色金融，就能马上得到实质性利益，这还不算更长远的战略价值和社会效益。 尽管未来前景很美好，但绿色金融的发展并非一路生花，遇到了很多成长中的烦恼，首当其冲的就是绿色金融的评估问题。这项目保“绿”吗？明确了这个问题，支持这个项目的资金，才可界定为绿色信贷、绿色债券、绿色基金等。 视角换到大模型这边。我们知道大模型很厉害，有一些工作它能做得很好，但就像法拉利再好也不能用来拉货，它也有很多力所不能及的事情。大模型在什么情况下最好用？根据诸多实践，我们认为在三种情况下最好用：一是涉及语言文字的业务。顾名思义大模型就是大语言模型的简称，语言相关的业务当然是最得心应手的；二是业务边界清晰的领域，就像一条公路，单向通行，出入口被完全控制，两边有护栏，那么它就升级为高速公路了；三是在已知的知识范围内作业。不是说大模型的优势是生成新内容吗？话是不假，但是这种“新”目前看只是表象，本质还是在原有的知识基础上变形而来的。就好像我们中学学会了力学三定律，做了N多小车、滑轮的物理题，哪怕我们这些题目做得比牛顿都要6，也不等于我们发现了新的物理现象。 明确了这几点，我们来看下绿色金融是怎么跟大模型“成双配对”的。 01 大模型和绿色金融配在哪？ 绿色金融项目的认定既严谨又复杂。 首先，认定标准很多。我国现有的关于绿色金融的标准有很多，包括《绿色信贷指引》《绿色债券支持项目目录》《绿色产业指导目录》《企业环境信息披露制度》《企业环境信用评价办法》等。以最新发布的《绿色低碳转型产业指导目录（2024年版）》为例，这个《目录》共分三级，包括7类一级目录、31类二级目录、246类三级目录。光目录就有几十页，老话说隔行如隔山，让一个业务员把这些行业都认全，其难度不亚于让人熟练掌握《新华字典》。 其次，口径多。这些标准都有不同的政策主体，比如人民银行、银保监会等，而且不同标准之间的统计口径存在差别。举个例子，关于绿色交通中铁路项目贷款的认定，人民银行统计口径只涉及运送货物的铁路及相关场所建设和运营的绿色项目贷款，银保监会统计口径则涵括全国境内铁路及相关场所建设和运营的绿色项目贷款。种种复杂的问题交织在一起，给人工识“绿”带来了巨大考验。 但这些问题放在大模型身上，反而成为了其发挥技术优势的有利因素。一、这是一个语言类业务场景。二、有着清晰的业务边界。三、各种认证标准的存在框定了大模型知识生成的范围。这些因素成功触发了大模型的技能点，大模型的DNA动了。这感觉就像老司机开上不限速的高速。 02 绿色金融知识库与大模型融合 、 大模型识绿非常简单高效。假如这里有一项核聚变的项目，要去进行绿色信贷的认证。只需要将这一新增项目输入到大模型当中，大模型根据相对应的产业标准目录，进行具体产业分类，实现三级映射，得到绿色信贷识别结果。最后一环当然还是要交到业务人员手中，做出最终的决定。 有图有真相 大模型作为技术底座不能单独发挥作用，还需要搭配一个强大的知识库。 知识库对大模型具有重大意义。比如说一个苹果+牛顿的知识库意味着伟大的万有引力定律，但苹果对于大部分人的知识库而言最多意味着苹果汁。 金融机构可以收集大量的绿色金融政策文件，合并如央行、发改委、银保监等国内外多套绿色标准，以及金融机构内部的认定原则和标准。不管是表格、文档还是PPT，大模型都能无压力“笑纳”，最终形成全行级别的且独一无二的绿色金融知识库。 同时，知识库还有另外一个好处。我们知道大模型一个很大的弱项是时效性的问题，有了知识库，面对最新的政策调整，金融机构可以随时上传文档，更新和完善知识库。这样一来捕捉最新产业动向，完成最新内容的生成，只需“更新知识库”，而不用“更新大模型”。 建好知识库就相当于建好了一座图书馆，我们需要在这座图书管里精准查找我们所需的知识片段。这就需要用到百融云创的检索增强生成 (RAG）的技术，凭借其高准确性和可靠性能，使得大模型能在知识库中实现精准的检索和生成，而且引用还会“注明出处”。 这样一来，不管是绿色项目的精准识别和分类，还是智能问答、内容生产，都能自动高效完成。对于识别一项业务到底“绿”不“绿”，业务员只需提出问题，大模型秒秒钟实现三级科目映射，识别效率大大提高。同时大模型还有另外一个好处，能够针对人工认定的结果进行批量核验，一旦发现有不一致的地方，就能提醒业务人员，去进一步的跟进核查。最终“鉴定结果”再从支行、分行、总行一路报送到监管机构，满足监管不同口径的上报需求及行内多维度管理需求。 大模型识绿只是整个绿色金融产业的一环，只是初步解决“绿”不“绿”的问题。整个产业链条还有很多问题需要去逐步解决，比如项目是深绿、中绿、浅绿，是翡翠绿，还是祖母绿，孔雀绿，如何采取差异化的管理措施。项目的环境效益如何测算，环境风险、经济风险和社会风险如何评估等一系列的问题，都需要智能化的解决方案去升级改造。 在未来，大模型会被引入到更多的业务环节中，这将会带来哪些变革，我们拭目以待。