欧阳日辉：关注“金融+AI”的“度”与“量”

图片来源@视觉中国

钛媒体注：本文来源于金融时报，作者 | 胡萍，编辑｜韩胜杰，钛媒体经欧阳日辉授权发布。

欧阳日辉：中央财经大学中国互联网经济研究院副院长、教授、博士生导师，中国市场学会副会长

从ChatGPT到近期火爆的Sora，生成式人工智能一次次带来冲击，这种影响对不同行业是不同的。就金融行业而言，该如何看待生成式人工智能的发展？在AI与金融业深度融合过程中，有哪些需要注意的问题？近日，《金融时报》记者采访了本报专家组成员、中央财经大学中国互联网经济研究院副院长欧阳日辉。

《金融时报》记者：根据Gartner发布的《2024年十大技术趋势》报告，生成式人工智能首次入选，您如何看待此类技术，是否会对金融业产生颠覆式影响？

欧阳日辉：大型语言模型和生成式人工智能是这个技术快速变革时代最新的、潜在的、最重要的技术进步。生成式人工智能正在从争论走向应用，已经与医疗、教育、工业、金融等行业融合。当下，已有文献把GenerativeArtificialIntelligence（GenAI）和ArtificialIntelligenceGeneratedContent（AIGC）都翻译成“生成式人工智能”。我认为，生成式人工智能对应英文的generativeartificialintelligence，指基于机器学习和人工智能技术，通过算法、模型、数据、规则自动生成文本、图片、声音、视频、代码等内容的新型生产方式。Sora是一款基于数据的物理模拟引擎，能够模拟出真实或虚构的世界，是一种生成式人工智能。Sora的到来或许可以理解为人工智能技术开始走进通用人工智能（AGI）阶段。

但是，生成式人工智能不可能完全颠覆金融行业传统范式。金融行业具有资源密集、人力资本密集以及强规则、强监管等特性。一方面，金融行业具有数据、信息、知识密集的特性，生成式人工智能可以提升金融服务的效率；另一方面，金融行业有一定的准入门槛，需要满足合规、牌照和资本的要求，对真实、准确和完整陈述有严格要求，对数据的时效性要求很高，虚假记载、误导性陈述或者重大遗漏会面临严厉惩罚。大语言模型具有一定“黑盒特征”，而金融领域在可解释性、可审计性和可追责性等方面的要求，也会限制大语言模型在一些金融场景的应用。这些特性决定生成式人工智能不可能完全颠覆金融行业传统的范式，只能对金融行业进行多领域的赋能。例如，很多金融服务需要在线下得到满足和交付，个人高净值客户需求个性化强且很复杂、难以标准化，对情绪价值、对人工服务的要求非常高。在投资、资产配置领域，生成式人工智能无法代替真实理财顾问做最终的决策，用户更偏好听从真实理财顾问的投资建议。

《金融时报》记者：生成式人工智能对金融行业会有何影响？

欧阳日辉：人工智能解决的本质问题是决策效率和成本节省，已成为金融领域数字化转型的重要技术。经历专家模型、机器学习模型、深度学习多个阶段，生成式人工智能与传统人工智能相比，在“对话”和“创造”两类能力上实现了根本性突破。

当前，生成式人工智能技术正深刻地影响着金融业的商业生态。从价值创造逻辑，生成式人工智能在金融业会产生“替代人”和“赋能人”两种效应。“替代人”表现在工作内容机械、重复性高的岗位会逐渐被人工智能取代，以释放运营类人力资源。例如，摩根大通开发了一款金融合同解析软件COIN，只需几秒就能完成原先律师和贷款人员每年需要36万个小时才能完成的工作。“赋能人”表现在利用生成式AI的“对话”和“创造”能力，以AI为助手放大关键节点“人”的产能，赋能“专业”内容形成和“基础管理”环节，提高工作效率。例如，AIGC赋能投资顾问、理财经理，提升专业化水平。因此，金融业未来主流岗位是人机协作，生成式人工智能从“替代人工”转变为更加理性地“赋能人工”，从“服务外部客户”转变为“赋能内部员工”。

《金融时报》记者：生成式人工智能与金融相结合，需要具备哪些核心要素？目前金融业与AI相结合有哪些应用落地？

欧阳日辉：生成式人工智能与金融业深度融合以技术为基础、以数据为核心、以算力为支撑、以算法为驱动、以规则为保障，对金融业务具有一定的辅助价值。目前，生成式人工智能在金融领域的应用还处于初期阶段，金融机构应该抓住机遇积极探索。

我国高度重视人工智能在金融行业的应用与发展。近年来，我国政府出台了一系列政策措施，推动金融与人工智能深度融合。从金融行业来看，近几年，中国金融业一直在加强、加快推动人工智能的应用，积极发展智能营销、智能识别、智能理财、智能客服、智能风控、智能监管等方面业态创新。由于金融领域具有数据和资金的优势，领先者已经开始将生成式人工智能引入业务场景，大模型在金融行业的应用进程在不断加快。

《金融时报》记者：生成式人工智能在金融领域运用的价值还体现在哪些方面？

欧阳日辉：生成式人工智能的核心能力在于创造新的内容，应用场景从过去“蓝领+重复劳动”（质检、客服等）变成了“白领+知识创新”的应用领域。新的知识会帮助设计出更好的人工智能，更好的人工智能又能产生更多的新知识。随着数据的不断积累和模型的持续训练，模型的智能程度不断提高，进而在业务中产生更大的价值。也就是说，生成式人工智能的内核是基于数据、模型、业务三者的相互作用所形成的飞轮效应。

短期来看，生成式人工智能的商业价值是提升效率。中长期而言，生成式人工智能的价值在于改变了金融机构生成和使用数据洞察的方式，实现传统金融业态和模式的突破，重构金融业务模式和提升金融机构创新能力。根据不同的需求和场景，生成多样化和个性化的内容，满足客户的多元化需求，增强金融产品和服务的创新性和竞争力。

《金融时报》记者：金融业在实践中与AI融合，未来有哪些方向值得关注，还有哪些需要注意的问题？

欧阳日辉：生成式人工智能与金融业融合刚刚起步，未来值得关注的方向主要有三方面。第一，金融机构规模化应用生成式人工智能应该明确三种定位：创造者，推动核心商业模式转型，重塑核心业务和/或面向客户的方式，例如，抵押评估、直接客户互动；塑造者，聚焦幕后整合，改变业务模式的应用程序，例如，虚拟专家、前线培训；使用者，有针对性地提高生产力，利用SaaS解决方案，提高现有任务的效率或准确性，例如，编码协助、文案写作、客户协助。

第二，金融AI应用打通服务价值链，服务平台化。金融AI的应用将不再局限于单一的应用场景，而是打通整体服务价值链，未来将以平台型产品助力传统金融机构。

第三，人机交互新突破提升用户体验，建设以自动化服务为代表的“智能客服”体系以及以“开放银行”为代表的场景金融服务体系。商业银行运用生成式人工智能，实现线上线下多情景、多层次的渠道网格覆盖，提升个性化服务能力和数据整合处理能力，推进渠道建设，培育新的金融生态。

事实上，生成式人工智能在金融领域的应用，国际金融机构有两种态度，有的金融机构出于防止数据泄漏等顾虑而限制使用，另一些金融机构则积极探索和尝试使用生成式人工智能。总体而言，金融机构对于生成式AI技术的应用还是谨慎而乐观的，有所为有所不为，在应用场景中不断积累经验。

《金融时报》记者：对接下来“金融+AI”规范发展，有何建议？

欧阳日辉：生成式人工智能与金融业深度融合需要以生成式人工智能技术的成熟和数字基础设施的完善为支撑，在数据及其保护规则的保障下，通过算法驱动业务创新。因此，行业既需要增强隐私计算等技术的应用，也应建立相关规则，确保生成式AI合规发展。

一是加大算法研发投入，提升金融大模型的适用能力。大语言模型应用于金融，既要通过调试和测试以满足金融对真实、准确和完整陈述的要求，也可以结合矢量数据库来满足金融对时效性的要求。二是注重数据储备和安全，夯实流量场景基础，高度重视用户隐私保护。三是防范生成式人工智能技术的潜在风险，避免缺乏创新、回答不够准确、回答违背人类道德观、知识产权风险、基于过时数据生成答案、模型偏见等风险，确保不会出现虚假或非法信息。四是运用人工智能引领商业模式变革，谨防过度依赖人工智能，保持对人类智慧和判断力的需求和依赖，不应过度神化和依赖人工智能技术，避免对人工智能技术的盲目依赖和过度使用。