金融業集成生成式AI需遵循哪些原則？

以下是金融業集成生成式AI需遵循的八項原則。

1.原則一，正確認識生成式AI的作用域

生成式人工智能應用廣泛，但并非全能，創造性產品創新任務是生成式人工智能的專業領 域，利用這項技術能帶來60%的效率提升。如果是帶有大量不明確信息的復雜業務問題，這些 自然不屬于生成式AI的專業領域，一些應用案例顯示，此種情況下的實際效率比沒有使用該技 術時還降低23%。因此，金融機構在制定生成式人工智能行動時，首先要正確認識這項技術的 作用域，在全面客觀地評估機構內部業務創新屬性以及任務類型的基礎上，將生成式AI工具更 多地嵌入重復搜索和數據量大的任務中，并保持生成式AI與傳統決策式AI工具的結合，不要追 求通過生成式AI帶來100%的自動化。

2.原則二，模型參數并非越大越好

模型參數規模越大，意味著神經網絡的復雜度越高，學到的特征表達能力更強，擬合能力 更好，評估的分數越高。但在實際應用中，大模型的利用效率并不高，普遍低于50%的利用 率。過于龐大的模型可能難以在有限的計算設備上部署和訓練，從而限制了其應用場景。大規 模參數的模型在訓練數據上表現優秀，但在新任務和未知數據上表現不佳，無法很好地泛化。 此外，參數眾多，導致大模型內部結構復雜，解釋性較差。 因此，在實際應用中，金融機構需要根據自身數字成熟度、資源可用性和終端生成式AI應 用程序的復雜性來選擇規模適當的大模型。此外，技術研究層面也在探索如何通過模型壓縮、 剪枝、量化等方法，在保持模型性能的同時，降低模型規模，小型化大模型，以實現在更多場 景下的應用，提高大模型的利用效率。

3.原則三， 技術先進性和業務可持續性是選擇合作伙伴的兩個關鍵標準

技術先進性包括大模型的算法、訓練數據、模型調優等多個方面，重點關注安全與合規、 準確性和質量、定制化、定價和部署、提示詞限制等關鍵指標。合作伙伴應具備強大的技術研 發能力，能夠持續優化大模型，以滿足不斷變化的業務需求。業務可持續性包括合作伙伴的業 務模式、服務范圍、客戶支持、生態建設等多個方面。合作伙伴應具備良好的商業信譽和穩定 的財務狀況，能夠為客戶持續提供高質量的服務和支持。 在實踐應用中，金融機構的長期戰略合作伙伴通常也是生成式AI新技術的合作伙伴成員， 新興技術的開拓者幾乎是大多用戶首選的合作對象，比如，生成式AI技術引領者——OpenAI就 是各行各業和大多數金融機構的首選商用合作伙伴。

4.原則四， 生成式人工智能技術的開發者實際上也是重要的監管者

金融業的一大核心功能就是風險防控和管理，因此金融行業大模型的開發者實際上肩負著 重要的監管職責。一方面，這些開發者不僅需要推動大模型技術的創新與發展，提高生成式人 工智能技術的透明度和可解釋性，還要關注潛在的網絡安全新風險和道德倫理問題，遵循數據 隱私、知識產權、信息安全等眾多法律法規，確保技術應用符合社會規范和法律法規。另一方 面，證券、銀行等金融監管部門也是大模型技術的重要使用者，這也需要大模型技術開發者對 嚴格的金融監管法規有深入認識和理解。因此，金融機構在自主研發或共同研發大模型技術 時，就要強化法務部門的作用和跨部門協同。

5.原則五， 著眼于端到端解決方案，而不是讓它成為一個點解決方案

端到端解決方案是指通過整合各個部門或環節的業務流程，消除信息孤島和部門墻。相較 于僅在部門內部提供使能的點解決方案，端到端的解決方案能提高企業內部效率并滿足客戶需 求，從而實現企業效益最大化和整體效能的提升。將生成式人工智能應用到金融業的端到端解 決方案，更能充分發揮其在銀行和保險業務流程效率提升、客戶體驗優化、風險管理、協同創 新方面的潛力，消除承保等流程中的瓶頸和冗余，實現業務環節的無縫銜接，突破傳統思維局 限，并推進全員創新，挖掘新價值，為金融機構帶來全面的變革和提升。

6.原則六, 根據實際情況確認應用的優先級順序

金融機構對其客戶非常了解，但也受到嚴格的監管，并且總是受到準確性、安全性和隱私 標準的審查。目前，生成式AI在銀行業的機會并不是面向消費者的工具，它更多的是關于如何 綜合銀行現有的大量信息，做出更明智的決策，提供非常個性化的客戶交互，以及快速自動化 許多核心銀行流程。金融業應用大模型技術尚處于探索應用的早期，幾乎所有金融機構都在同 一起跑線上，但這不是一條容易的賽道，因為有太多的應用場景。依據自身業務需求，金融機 構可以用它作為內容創造者，可以用它來獲得更好的資源管理，可以用它作為后臺解決方案。 重要的是，在各項任務場景中，金融機構需要確定生成式AI的優先級。例如，在一般辦公及行 政場景中，有些銀行就確定了從自動執行重復性任務、改進文檔處理、增強決策洞察力、簡化 溝通效率、到確定戰略舉措的優先順序。在產品/研發場景中，他們確定了生成式AI工具從加 速構思過程到改進需求管理、增強代碼生成、優化知識管理、改善團隊協作的優先級應用流 程。

7.原則七， 把大模型帶到數據中心環境中運行， 而不是把數據帶到大模型所在的地方

將大模型帶到數據中心環境中運行，進行本地化部署是金融業落地應用大模型技術的通用 路徑。國內銀行、保險、證券和基金等金融機構的數據中心通常具備更強大的計算和存儲資 源，可以更好地支持大模型的運行和計算需求。將大模型部署在數據中心環境中，可以更好地 利用這些資源，提高計算效率。數據中心通常具備嚴格的安全措施，包括物理安全、網絡安 全、數據備份等，可以有效保障數據的安全性和隱私性，確保數據在安全和受控的環境中運 行。此外，數據中心通常具備更好的網絡連接和數據傳輸能力，可以確保大模型在運行過程中 能夠快速、穩定地訪問和處理數據，提高數據的可用性和處理效率。

8.原則八， 由首席執行官直接牽頭指導負責任的人工智能治理框架

大語言模型的可解釋性和數據泄露的風險處理是金融業高管們在探索生成式AI應用場景時 高度關注的兩大問題。當前立法仍未明朗，我們認為，金融機構自身需要建立負責任的人工智 能治理框架，在現有監管可行范圍內，利用自己的管理原則來處理人工智能解決方案，包括監 控需要解決的技術和工具，設置自己的護欄和保障措施。 負責任的人工智能戰略應該是開發各種人工智能和生成式人工智能解決方案的前沿和中 心。我們關注到擁有負責任的人工智能框架的金融機構，通過應用不同的生成式人工智能工 具，實現更大的業務影響。每當這些負責任的人工智能治理計劃由首席執行官直接驅動時，這 些計劃在組織內產生的影響大約會增加60%，因為戰略內容更清晰、戰略執行更有力、跨部門 協同更快速。