近期，生成式AI熱度持續走高，在各行各業產生了較顯著的影響，其自然對話的形式大大降低了使用成本，受到業界廣泛關注。業內人士指出，銀行業作為最早應用傳統人工智能技術的領域之一，生成式AI的應用對其產業形態具有顯著影響力，有望帶來巨大的生產力變革提升，而未來能否有效使用大模型實現降本增效將是行業競爭重點。

日前，波士頓咨詢(BCG)發布的《銀行業生成式AI應用報告(2023)》(下稱《報告》)指出，生成式AI允許使用者使用自然語言直接獲取數據分析結論，大大降低了數字化產品使用門檻，在銀行業的應用場景可以貫穿前中后臺各個環節，規模化應用后有望帶來客觀的降本增效收益。

“在生成式AI應用方面，舉例來看，銀行的理財客戶經理可以直接與生成式AI助手進行自然語言交互，詢問與客戶的聯絡情況，包括上次聯系情況、客戶持有產品、近期交易狀況等，并在此基礎上，由AI推測客戶偏好的產品類型，給出推薦產品和產品對比。在這種情況下，客戶經理不需要具備大量專業化、數字化工具的使用技巧，并用這些工具完成很多從0到1的信息加工，而只需要問正確的問題，由機器負責完成從0到1的信息加工工作，此時客戶經理只需進行判斷評估、做少量修改就可以。”BCG合伙人孫蔚表示。

“除了對內自動化完成基礎任務，提升工作效率，生成式AI還有望在銀行業催生新的業務模式。”孫蔚表示，“例如，在交易撮合中，由于很多場景的交易要素非結構化，且需要多輪交互，通常需要相關人員進行協助開展撮合；而借助生成式AI，買賣雙方將可能實現只與AI界面進行對話磋商，而不再需要相關人員作為中介進行撮合。”

“以一家2萬員工規模的區域銀行為例，其薪酬總包約21億美元，如果可以成功規模化應用前中后臺場景，首輪規模化應用生成式AI能實現30%的降本收益，具有非常明顯的降本效應。”孫蔚說。

對于生成式AI在銀行業落地的途徑，《報告》指出，銀行業在選擇落地場景時要平衡考量收益潛力、風險、實施難度，與傳統AI的充分結合，同時需要通過嵌入外部模塊、提示詞設計和模型微調等方式提升機器回答質量，夯實技術基礎，推動業務與技術充分結合的體系化工程進展，實現新技術業態下的業務和組織轉型。

“目前國內銀行業應用生成式AI主要包括商業模型和開源模型兩條路徑，其各自具有一定的優劣勢。商業模型通常由互聯網大型企業開放，其算力規模和數據標準成本較高，投入更大，穩定性更強；開源模型在成本較低的前提下，迭代速度更快，細分垂直領域發展較好。”BCG數據科學副總裁廖明表示，“銀行在具體選擇時需要根據自身需求，結合數據安全、使用成本等多方面因素進行考慮。”

BCG董事總經理、全球合伙人譚彥指出，生成式AI應用的關鍵之一就是業務對科技的理解能力，其自然語言編程本質是支持不會寫代碼的業務人員，通過正確的問題、拆解正確的業務流程與其他基礎大模型以及相關的工具組合，實現特定業務目標，科技人員主要負責搭建底層的架構和設施，快速落地則取決于業務人員如何使用。

談到未來銀行業應用生成式AI的前景，BCG董事總經理、全球資深合伙人何大勇強調，利用生成式AI實現銀行業態的轉換升級在不同時期內需要關注不同因素。短期內，各個銀行競爭的焦點在于對業務的數字化理解、企業創新文化氛圍、對新技術敏捷的應用機制等，在上一次數字化進程中取得收益的銀行將有更強的動力投入生成式AI應用。

“從中期來看，銀行積累的私有數據將是銀行業大模型應用競爭的門檻，只有基于自身私有的企業數據微調后的大模型才能更加有效、精準地賦能業務，給出更加專業的判斷，包括信貸業務中的訪談、貸后跟蹤管理的業務數據等。而從更長期來看，核心競爭是人才的培養。大模型應用帶來了全新生態，如何提出精準問題、如何將現實業務流程抽象化等等，成為使用的核心問題。要實現銀行各個部門、各個環節規模化地有效使用大模型技術，需要建立起新的人才培養機制，從而實現長期競爭優勢。”何大勇說。