“金融智能體依托行業(yè)最佳流程、最佳標準的數(shù)據(jù)支持，能夠成為專業(yè)水準的金融代理人，因此用于低價值的勞動密集型領域多少有點大材小用，而是更加適用于高價值的技術密集型領域�！�1月10日下午，在四十人高級金融學院和新金融聯(lián)盟主辦的“數(shù)智銀行家2025年會暨新金融聯(lián)盟九周年慶典——數(shù)智同行·共啟新程”上，中國銀行原行長李禮輝在主題演講時表示。
在李禮輝看來，金融智能體應用需要答好三道“必答題”：一是明確應用領域與法律地位；二是筑牢可靠性與經(jīng)濟性基石；三是破解數(shù)據(jù)數(shù)量與質量的瓶頸。
年會由新金融聯(lián)盟秘書長、四十人高級金融學院常務副院長吳雨珊主持。新金融聯(lián)盟首任理事長、工商銀行原行長楊凱生作精彩致辭，原中國銀保監(jiān)會副主席陳文輝、國家金融監(jiān)督管理總局相關司局負責人、光大銀行副行長楊兵兵也發(fā)表了主題演講。工商銀行原首席技術官呂仲濤，清華大學五道口金融學院教授、中國人民銀行參事張健華主持兩場圓桌對話。百余位歷屆校友、學術導師與聯(lián)盟理事參會并熱烈交流。
金融智能體的應用環(huán)境
文| 李禮輝
很高興參加數(shù)智銀行家年會。這里就金融智能體的應用環(huán)境談點認識。
近年來AI前沿技術的迭代創(chuàng)新主要有三個方面。
一是從單模態(tài)(Unimodal)到多模態(tài)(Multimodal)。以前只是單一文本模態(tài)，現(xiàn)在的生成式AI大模型可以學習和理解非結構化數(shù)據(jù)，生成新的非結構化內(nèi)容，包括文本、音頻、視頻、圖像和代碼，適應多種任務。最新的大模型具備文本、視覺、語音多模態(tài)組合的感知、理解、學習、模擬和交互的能力，突破文本交互的局限性。
二是從助理(AI-Assistant)到代理(AI-Agent)。以前只是AI輔助和助理，最新的具身智能體(AI-Agent)集成神經(jīng)網(wǎng)絡、知識工程和控制論技術，能夠培育在不同場景中的感知、學習、交互、行動和決策的代理能力，甚至可以超越一般水平的生產(chǎn)力。金融智能體(Financial-Agent)應運而生，可以培育專業(yè)水準的金融代理人。
三是從高能耗到低能耗。特別是DeepSeek通過算法創(chuàng)新顯著節(jié)約資源，提升有效算力，具有突破性意義。全球知名的AI集成平臺Composio從推理、數(shù)學、編程、創(chuàng)意4個維度的測試證明，DeepSeek-V3的性能與GPT-4o不分伯仲，但訓練成本遠低于GPT-4o。預期中國的科技巨頭將進一步完善獨立自主的AI生態(tài)，拓展第三方應用集成，開拓高效、可靠的中國式AI發(fā)展道路。
金融智能體的應用環(huán)境主要涉及三個維度。
第一，應用領域與法律地位。
生成式AI應用于金融業(yè)，能夠創(chuàng)造直接的商業(yè)價值。
例如，實現(xiàn)人機交互可信任的擬人化，實現(xiàn)非結構化數(shù)據(jù)處理可信任的精確性。金融智能體已經(jīng)開始在銀行、保險、證券、基金、財富管理等金融機構中部署，開始替代人類員工的部分崗位，而且AI替代正在從勞動密集型崗位延伸到知識密集型崗位。
例如，百度的數(shù)字信貸經(jīng)理智能體撰寫盡職調(diào)查報告，能夠無縫接入銀行的盡職調(diào)查系統(tǒng)，對企業(yè)財務報告進行智能化邏輯校驗與指標分析，盡職調(diào)查報告撰寫時長由1天減少到1小時，數(shù)據(jù)準確性超過98%。
我個人認為，金融智能體依托行業(yè)最佳流程、最佳標準的數(shù)據(jù)支持，能夠成為專業(yè)水準的金融代理人，因此用于低價值的勞動密集型領域多少有點大材小用，而是更加適用于高價值的技術密集型領域，包括市場分析、風險評估、投資顧問、財富管理、量化交易、產(chǎn)品定制、內(nèi)部審計、數(shù)字員工等等。
例如，已經(jīng)投入應用并逐步升級的智能投資顧問擁有更大的知識面，更專業(yè)的分析能力，更冷靜的情緒判斷，可將投資顧問從參差不齊的個人專業(yè)水平提升到整齊劃一的最佳專業(yè)水平，有些金融高管認為智能投資顧問可能替代60%以上的投資顧問崗位。
這將逐步改變金融業(yè)的人力資源結構：一是更多的經(jīng)營管理崗位將匹配懂AI、懂金融的復合型人才；二是更多的專業(yè)性、技術性崗位將被金融智能體替代；三是更多的操作性、勞動密集型崗位將外包給應用數(shù)字化技術提供集約化服務的企業(yè)。
金融行業(yè)、金融機構的價值取向將影響AI替代的具體速度和深度，即AI替代發(fā)生的時間節(jié)點、具體崗位和替代比率。這將取決于智能體的專業(yè)性和可靠性，取決于金融監(jiān)管對智能體的評估和審核，取決于勞動就業(yè)觀念和政策的容納和許可。
為此必須盡早確立金融智能體的法律地位。主要是明確金融智能體的行為邊界，明確金融智能體與金融客戶的法理關系，明確金融機構管理者的決策責任，同時建立金融智能體評估審核制度。
第二，可靠性與經(jīng)濟性。
需要注意的是，人工智能潛在的安全風險和技術缺陷尚未因AI算法創(chuàng)新而淡化。一是未能消解安全風險，攻擊者可利用技術漏洞實施數(shù)據(jù)投毒、參數(shù)竊取、惡意文件上傳和關鍵組件刪除等操作，破壞核心數(shù)據(jù)，影響模型的算法完整性和運行穩(wěn)定性。二是未能消解技術缺陷，測試證明，最新的AI大模型仍不同程度存在模型幻覺、模型歧視、算法共振、隱私泄露等缺陷。三是未能消解解釋性難題，算法創(chuàng)新增加了模型的非線性、隨機性和不確定性，模型的解釋更加復雜，目前尚未找到一種通用、公認的解釋方法。
金融是安全性和可信度要求近乎苛刻的行業(yè)，必須保證金融資產(chǎn)和金融數(shù)據(jù)的安全，保證金融交易和金融服務的可靠性，保證賬務處理和賬務記錄的準確性。我個人認為，中短期內(nèi)金融創(chuàng)新并不要求金融模型自身具備解決數(shù)學、編程、創(chuàng)意等復雜問題的高超能力。金融智能體作為專業(yè)性的AI模型，實際應用的基石是可信任，讓客戶信得過，讓市場信得過，讓政府信得過。
一是高可靠性。部署金融智能體，必須配置先進的安全技術工具，既能抵抗惡意攻擊，又能避免偶發(fā)性安全隱患。應該達到安全可信的基本要求：用于市場分析和預測，特別注意克制模型幻覺；用于客戶篩選和分層，特別注意避免模型歧視；用于量化交易和投資顧問，特別注意防止算法共振；用于身份識別和驗證，特別注意抵抗AI虛假；用于線上線下客戶服務，特別注意消解機器冰冷；用于憑證識別和賬務處理，特別注意達成零誤差的正確率。
二是可解釋性。具備基礎架構的可解釋性，能夠展現(xiàn)基本的推理路徑和邏輯，將金融智能體的模型行為轉化為可理解的規(guī)則和可視化的過程，逐步實現(xiàn)從結果正確向過程可解釋的跨越。
三是經(jīng)濟性。用海量數(shù)據(jù)預訓練行業(yè)級金融模型并持續(xù)調(diào)優(yōu)，再根據(jù)不同需求調(diào)適差異化應用，定制企業(yè)級金融模型，可有效降低模型開發(fā)的邊際成本，擴展模型的應用范圍，提高投入產(chǎn)出比。
四是合規(guī)性。智能金融創(chuàng)新是從根本上改革體制，重構流程，再造底層系統(tǒng)。在智能金融治理上，過于嚴苛的監(jiān)管可能抑制技術創(chuàng)新和產(chǎn)業(yè)發(fā)展，應該剛柔并濟，引導創(chuàng)新。一是“高中初小”原則�！案摺笔钦碱I技術高地，“中”是全球領先的中國方案，“初”是有能力把風險消滅在萌芽狀態(tài)，“小”是實現(xiàn)風險概率和風險成本最小化。二是價值共生生態(tài)。支持有實力的科技企業(yè)與金融機構深度合作，實現(xiàn)技術協(xié)同，領軍開發(fā)行業(yè)級金融模型和金融智能體，為中小金融機構提供企業(yè)級金融模型及軟件服務。促進金融與制造業(yè)、金融與服務業(yè)、金融與政務、金融與民生共建場景，共享資源，共創(chuàng)價值。
第三，數(shù)據(jù)數(shù)量與質量。
金融是數(shù)據(jù)密集型行業(yè)，數(shù)據(jù)環(huán)境是首要的智能金融生態(tài)環(huán)境。
就全國來說，當前數(shù)據(jù)共享仍存在三大短板。一是公共數(shù)據(jù)局部行政分割。涉及居民和企業(yè)的財務數(shù)據(jù)和交易數(shù)據(jù)，分散在不同的局域系統(tǒng)中，共享程度不夠高。二是非公共數(shù)據(jù)局部流通不暢。全國移動支付用戶超過9億，數(shù)字化支付成為主要的數(shù)據(jù)入口，但數(shù)據(jù)大戶與金融機構之間的數(shù)據(jù)關聯(lián)、數(shù)據(jù)共享尚未達成成熟的模式。三是行為數(shù)據(jù)集開發(fā)應用不足。客戶畫像所需的用戶行為數(shù)據(jù)分散在不同局域未形成關聯(lián)數(shù)據(jù)集，行為數(shù)據(jù)的金融應用仍存在較大局限。
數(shù)據(jù)共享既要擴大數(shù)量，也要提高質量。
一是公共數(shù)據(jù)開放共享，著力解決公共數(shù)據(jù)行政分割的問題。公共數(shù)據(jù)按照“原始數(shù)據(jù)不出域、數(shù)據(jù)可用不可見”的要求，以模型、核驗等產(chǎn)品和服務的形式向社會提供，加大供給使用范圍。政府建立數(shù)據(jù)平臺，打破數(shù)據(jù)孤島。例如，上海、浙江、福建、深圳等省市制訂數(shù)據(jù)共享的地方性法規(guī)，組建大數(shù)據(jù)企業(yè)，整合行政數(shù)據(jù)資源，建立數(shù)據(jù)共享平臺，提供一體化、一站式的數(shù)據(jù)服務。
二是非公共數(shù)據(jù)共同使用，著力解決個人數(shù)據(jù)和企業(yè)數(shù)據(jù)流通不暢的問題。創(chuàng)新技術手段，推動私密信息匿名化處理，保護個人隱私和企業(yè)秘密。推進非公共數(shù)據(jù)按市場化方式“共同使用、共享收益”的新模式，支持金融機構與互聯(lián)網(wǎng)平臺企業(yè)、物流企業(yè)、數(shù)據(jù)加工企業(yè)、征信機構、行政部門、公共服務機構等“數(shù)據(jù)大戶”建立市場化的數(shù)據(jù)分享機制，為智能金融提供數(shù)據(jù)支持。
三是建設專業(yè)化的數(shù)據(jù)集數(shù)據(jù)庫，著力解決數(shù)據(jù)分散、數(shù)據(jù)質量低的問題。從相互關聯(lián)的五個維度，建設產(chǎn)業(yè)數(shù)字金融數(shù)據(jù)庫：1.足夠數(shù)量的公共數(shù)據(jù)和非公共數(shù)據(jù)；2.結構完整的交易數(shù)據(jù)和行為數(shù)據(jù)；3.質量達標的結構化數(shù)據(jù)和非結構化數(shù)據(jù)；4.統(tǒng)計準確的周期性數(shù)據(jù)和即期數(shù)據(jù)；5.專業(yè)細分的多維度數(shù)據(jù)和多模態(tài)數(shù)據(jù)。建立集中統(tǒng)一、互聯(lián)互通的數(shù)據(jù)應用系統(tǒng)。一家互聯(lián)網(wǎng)大廠正在策劃牽頭興建金融業(yè)一體化數(shù)據(jù)庫，這是具有現(xiàn)實需求和深遠意義的“德政工程”。
我們對金融智能體的創(chuàng)新發(fā)展和實際應用充滿期待，也充滿信心。
本文首發(fā)于微信公眾號：新金融聯(lián)盟NFA。文章內(nèi)容屬作者個人觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。
【免責聲明】本文僅代表作者本人觀點，與和訊網(wǎng)無關。和訊網(wǎng)站對文中陳述、觀點判斷保持中立，不對所包含內(nèi)容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論