人工智能在银行业的应用现状 - 中国银行业在大模型落地应用方面走在前列 应用范围已从国有大行 股份制银行扩展到头部区域性银行 [1] - 国有大行和股份制银行已全面启动大模型应用建设 并在前台 中台 后台均有正式投产的应用案例 [1] - 人工智能在银行业的应用场景不断拓展 从前台业务(智能投顾 产品咨询智能客服)到中后台业务(智能反洗钱 智能监管) [1] 银行业AI应用的发展趋势 - 2025年预计将看到更多银行积极拥抱AI 探索其在多个领域的应用潜力 [1] - 银行业需要构建完善的治理框架和风险防范机制 确保技术应用的安全合规与可持续发展 [1] - 银行业应深入研究不同业务场景的实际需求 针对财富管理 投资策略等重要领域探索AI与行业专家结合的模式 [2] 当前AI应用的局限性 - 大模型实际效果与用户期望存在差距 如AI智能客服的"答非所问"和"已读乱回"问题 [2] - 在财富管理 投资策略等银行重点领域 大模型应用仍存在局限性 与核心业务尚未深度融合 [2] - 大模型存在"广而不精"现象 需要从"可用"迈向"优用" 从"大而全"转向"专而精" [2] 银行业AI应用的优化方向 - 根据实际需要对大模型进行优化调整 推动银行业数字化转型 降低运营成本 [2] - 建立健全用户反馈响应机制 通过用户交互数据优化算法 提升语义理解与精准回答能力 [2] - 银行需要持续资源投入 推动模型本地化优化 保障数据质量 提升应用成效 [3] AI在银行业的潜在应用领域 - 大模型在客户营销 业务创新 风险管理 机构运营等方面都具有持续开发潜力 [3] - 开源大模型的出现和推广降低了银行的成本投入 但需要从"可用"迈向"优用" [3]