光大银行杨兵兵：从三方面着手系统化落地AI应用

《银行科技研究社》消息：近日，光大银行副行长杨兵兵在相关会议上表示，面对银行业低息差、低利率、低收益等压力，借助AI实现降本增效已成为行业必然选择。为了达成降本增效的目标，银行机构需系统化落地AI应用，具体可从以下三方面着手。

一是打好数字化基础。银行需从前台至中后台，全链路梳理各业务环节数字化水平，识别电子化、线上化、自动化、数据化、智能化等方面的短板；在完成前期梳理工作的基础上，重点消除流程断点、打通数据堵点、填补数据洼地，实现一次录入、全程复用，构建高质量数据集，为AI应用奠定基础；同时，加强非结构化数据的积累与治理，进一步填补数字化的洼地。

二是以大小模型协同推进AI应用。大模型发挥“智慧大脑”作用，小模型承担“领域专家”角色，二者结合推进业务。以尽调报告为例，由大模型完成数据整理与报告生成，小模型开展专业维度判断，确保报告既全面又相对准确。

三是构建人机深度协同的AI应用模式。银行要开展员工AI技能提升工作，强化提示词工程相关能力，让员工敢用、会用、善用AI；要将所有AI功能嵌入业务流程，推动AI主动感知需求，实现人机高效互动。

杨兵兵提到，为实现人机深度协同，该行构建了“超级员工矩阵”，目前围绕9类员工和10项工作行为形成9×10矩阵，初步规划近90个功能助手。随着能力提升，未来员工类别将有可能缩减，矩阵将会细化、收敛。此外，杨兵兵强调，在推进AI应用过程中也需同步关注风险。他建议将人工智能相关风险，科技风险、数据风险、模型风险、网络风险等作为独立类别进行专项管理，并设立专门团队负责风险管控，守住安全边界。

据《银行科技研究社》了解，自2018年起，光大银行便成立了专门部门开展模型研发工作。早期，该行以决策式小模型为主，在信贷等业务中取得了实际成效。近年来，随着大模型技术的兴起，该行加速从小模型向大模型转型，AI应用规模也随之呈现快速增长态势。

从应用形态来看，目前该行的AI应用仍处于“助手阶段”。其基于人工智能技术打造的“员工六大助手”已全部投产上线，具体涵盖授信调查报告撰写助手、智能合规助手、“AI+BI问数”助手、智慧办公AI助手、远程银行服务助手、运营管理助手。光大银行表示，会持续优化完善AI应用，助力员工减负增效。