专访厦门国际银行信息副总监张宏：生成式AI将在银行业发挥更加深远的影响力
2023年的中央金融工作会议提出，“做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。”其中，数字金融为数字经济蓬勃发展提供了重要动能。
随着数字技术与金融业务深度融合，当前银行业在服务模式、产品创新等方面有哪些显著的变化？相较大行，城商行在数字化转型中处于什么阶段，会面临哪些痛点？随着ChatGPT等AIGC应用持续火爆，生成式AI正成为各行各业的新宠，其在银行业务领域的应用前景如何？当下又面临怎样的障碍或短板，可能会带来哪些风险或监管方面的问题？
对此，《每日经济新闻》（以下简称“NBD”）近期专访了厦门国际银行信息副总监张宏。
数字金融是银行业对公获客、服务普惠的核心力量
NBD：从你的观察来看，数字金融的发展现状及趋势如何？当前银行业在服务模式、产品创新等方面有哪些显著的变化？
张宏：“数字金融”是数字经济时代下数字技术与金融业务不断融合创新的主流金融形态，国家金融监督管理总局印发的《关于银行业保险业做好金融“五篇大文章”的指导意见》中提出，银行业发展数字金融的主要目标有两方面：一是要基本建成数字化经营管理体系；二是以广泛普及数字化服务助力数字经济发展。这也代表了数字金融的整体后续发展方向。
随着数字技术与金融业务不断深度融合，银行业能够破解过往长期存在的信息不对称难题，使得风险评估与管理变得更加高效精准，还显著提升了金融服务的便捷性，满足客户日益增长的个性化需求。
一方面，数字金融成为银行业对公获客、服务普惠和实现分散化的核心力量。通过数字化转型，银行不断创新服务实体的新途径、新模式，例如数字供应链金融服务产品，突破了传统供应链依赖核心企业确权的瓶颈，通过数字技术利用交易数据、发票数据、锁定回款来源等方式来确定交易真实性以及控制风险，让数据多跑路，让客户少跑路，为中小微企业提供便捷的融资服务。
另一方面，通过数字金融相关技术应用，创新场景金融，实现信贷资产小额分散，从而可触达以往传统银行无法服务的长尾客户，同时研发一系列利用数据进行风险授信的线上化、自动化、数字化信贷产品，解决小微企业融资难、融资贵问题。
此外，数字金融改变了传统价格与额度竞争手段及关系营销模式，通过智慧化手段和能力推进风险控制、业务决策以及营销获客转型升级，在提升经营管理效能的同时，构建契合客户需求的差异化优势。
NBD：银行业内认为数字化是金融服务升级的重要推动力，数字化转型是大势所趋，而不同银行的转型路径各不相同。相较大行，你认为城商行在数字化转型中处于什么阶段？面临怎样的挑战？
张宏：随着央行金融科技创新监管、数字货币试点等稳步实施，监管规则体系和监管框架不断健全；银行业等金融机构在人工智能、大数据、云计算、区块链等技术金融应用成效显著，物联网、5G、IPv6、SDN等新网络、新技术加速普及，绿色智能的云计算、大数据中心相继建成，金融基础设施也日臻完善。
城商行在数字化转型中也处在积极探索与实践的阶段。许多城商行意识到了数字化转型对于提升公司治理、稳健经营、高效服务和风险防控的重要性，尤其是在数字技术快速发展的背景下，这成为塑造竞争优势的关键，城商行纷纷开始在系统建设、数据利用、业务创新和场景拓展等方面积极布局，并取得了一定成效。
然而，部分城商行在数字化转型中也遭遇了一些共性难题，一是业务与技术战略融合不足，现有金融科技组织架构难以支撑数字化转型需求，科技投入与传统业务支持之间分配不均，科技队伍建设滞后，科技与业务融合度不高，需要优化科技资源配置，提高科技投入的效率和效果，加强金融科技人才的引进和培养，推动业技融合；二是技术水平与数据治理能力相较大型银行仍存在较大差距，仍需夯实数据底座，构建全面数字技术应用能力，以支持业务决策及风险管理；三是开放生态构建困难，合作机制不健全，跨界融合经验不足，需深化外部合作，拓展生态边界，增强协同创新能力。
生成式AI可有效解决银行业面临的诸多痛点
NBD：随着ChatGPT等AIGC应用持续火爆，生成式AI正成为各行各业的新宠。你如何看待生成式AI在银行业务领域的应用前景？能解决哪些痛点？
张宏：生成式AI自2022年底快速崛起，已成为各行各业瞩目的焦点。它正以其强大的变革能力，推动银行业迈向全新的数字化篇章。其不仅在产品创新、内部运营效率、营销策略升级以及系统运维等关键领域显著增强银行的综合实力，更能通过前沿的技术革新，有效解决银行业当前面临的诸多痛点。
在辅助贷款产品开发与优化方面，通过分析市场趋势、客户需求及竞争对手策略，生成式AI能够为银行提供定制化的产品设计建议，加速新产品上市周期，同时优化现有贷款产品的条款与条件，以更好地满足市场需求。
在智能办公助手提升内部效率方面，在日常办公场景中，生成式AI充当智能助手角色，协助完成会议纪要撰写、报告生成、邮件回复等重复性工作，释放员工时间，让他们专注于更具创造性和战略意义的任务。
在内容生成与营销支持方面，对于银行的市场推广与客户教育活动，生成式AI能够根据目标受众偏好，自动生成高质量的营销文案、教育资料或个性化推荐，增强品牌影响力，提升客户参与度。
在智能运维保障系统稳定性方面，在IT运维领域，生成式AI通过实时监测系统状态，智能诊断潜在故障，甚至预测未来可能出现的问题，提前采取措施，有效降低系统宕机风险，保障银行业务连续性。
这些应用场景不仅体现了生成式AI在提升银行业务效率、优化客户体验方面的潜力，也反映了其在推动银行数字化转型、增强竞争力过程中的重要角色。随着技术的不断成熟与应用场景的拓展，生成式AI将在银行业发挥更加深远的影响力。
NBD：厦门国际银行在生成式AI及应用场景方面是否有研究及尝试？
张宏：OpenAI发布ChatGPT后，我们随即启动了生成式AI的探索和研究，于2023年10月推出自主研发的大模型应用——ChatXIB，自发布以来已历经十多次版本迭代。截至今年8月，ChatXIB已整合超过6000份银行内部文档，预计至年底将突破万份，覆盖账户管理、外汇业务、操作指南、内外部产品咨询以及规章制度解读等多个领域，已为行内人员解决问题超过10万个，员工用户覆盖率超过60%。
除了通用问答助手功能外，ChatXIB还融合检索增强和提示工程技术构建了针对人民币账户、外汇、党务知识、数字金融、测试管理等垂直领域的专用问答助手。截至目前，ChatXIB已推出了近30款不同的智能助手，这些助手广泛涵盖了六大类应用场景：写作辅助、办公效率提升、数据查询处理、代码开发辅助、方案创作、运维领域等。
例如，在数据查询处理场景，该类智能助手运用先进的数据分析技术和算法，能够快速检索和处理大量数据，提供精准的数据查询服务。无论是复杂的财务报表分析，还是市场趋势预测，或是客户行为模式挖掘，智能助手都能迅速响应，提供详尽的数据洞察和决策支持，极大提升了数据处理的效率和准确性，助力银行在数据驱动的决策制定上更加高效和科学。
借助行内的大模型应用平台，我们在多个关键领域实现了显著的效能提升和创新突破，日常运营中极大地减轻了人力负担，释放了员工潜能，使其能够更专注于核心业务与客户体验的优化。
生成式AI仍需克服知识边界模糊、算力短缺等挑战
NBD：你如何看待生成式AI在银行业务场景应用中可能面临的障碍或短板？可能会带来哪些风险或监管方面的问题？
张宏：生成式AI在银行业务场景中的应用，尽管潜力巨大，但也面临着多重挑战和风险，尤其是从技术和监管两个维度来看。
模型知识边界的模糊性是一大难题。无论是商用还是开源的生成式AI模型，其知识库的广度和深度难以精确评估。这使得在部署前，我们难以确切知道模型是否具备处理特定业务场景所需的知识，增加了应用的不确定性。
生成式AI技术的快速迭代，也给应用落地带来了挑战。技术更新速度之快，使得方案设计和实施过程充满变数，需要持续跟进最新进展，确保应用方案的时效性和有效性。
算力短缺的问题，包括高计算资源需求导致的成本上升与能耗增加、实时处理能力受限可能影响业务效率、资源分配与管理的复杂性以及技术更新与兼容性带来的持续投入压力，这些问题共同构成了银行在部署和运行生成式AI模型时必须克服的重大障碍。
人才短缺的问题，表现为专业AI技能与金融行业知识相结合的复合型人才短缺，以及现有员工在AI技术快速迭代背景下持续教育与培训需求的紧迫性，这两方面共同构成了银行业在推进AI技术应用时面临的人才挑战。
此外，伦理问题也需要正视，包括确保算法公平性以避免社会偏见的加剧、尊重并保护客户隐私、明确责任归属以增强决策透明度、考虑技术对员工职业路径的影响并保障其权益，以及在追求创新的同时承担起促进社会可持续发展的社会责任，这些都是确保生成式AI在银行业中健康、有序发展的关键要素。
总而言之，生成式AI在银行业务场景的应用前景广阔，但需克服知识边界模糊、数据隐私保护、版权风险及技术迭代快等挑战。面对这些挑战，监管政策需适时调整，以促进技术的良性发展。建议监管部门制定适应性强、具有前瞻性的政策框架，既要鼓励技术创新，又要确保合规性和安全性。平衡创新与风险，引导生成式AI技术在银行业健康、有序发展，是当前的重要课题。
NBD：你提到算力问题是挑战之一，银行数字化转型不断深入意味着对算力提出了更高的要求，这也是当前行业面临的短板。你认为银行业可以采取哪些方式着手应对？厦门国际银行对此有哪些尝试？
张宏：面对银行数字化转型中对算力提出的高要求，我们采取了一系列综合性策略，旨在解决算力资源不足与算力安全两大核心问题，促进数字化转型顺利进行。
首先，紧跟AI技术的前沿动态，特别是在生成式AI领域，面对早期推理速度缓慢的挑战，我们敏锐捕捉到了大模型推理加速框架的出现，迅速采纳并兼容这一技术，实现了在同等硬件条件下推理速度的显著提升，达到原速度的两到三倍，有效缓解了算力资源的压力，同时也节省了后续算力采购的成本。此外，银行还积极探索模型剪枝、模型小型化等技术，通过降低模型复杂度，在保证应用效果的同时，进一步优化算力使用效率。
其次，考虑到算力安全的重要性，我们进行了多元化算力储备的工作，在服务器算力国产化方面取得了实质进展，还积极与国内显卡芯片厂商合作，进行大规模的测试，旨在构建一个安全、可靠且多样化的算力环境。这种前瞻性布局不仅增强了银行的算力安全性，也为未来技术迭代预留了空间。
最后，着眼于算力资源共享机制的创新，关注政府或监管部门牵头的算力基础设施服务，探索将算力作为一种公共服务的可能性，以期通过机制创新进一步优化算力配置，提升数字化转型的效率和安全性。
NBD：数字金融的发展也需要监管政策的支持和引导，你对此有哪些政策期许？
张宏：从城商行的视角出发，我们对数字金融领域的监管政策抱有以下期许。
一方面，完善数据要素共享应用。数字化转型需以丰富的外部数据作为支撑，目前大多数中小银行外部数据在获得面、共享化、标准化方面与国有大行仍存在差距。期待监管部门能够加强顶层设计，进一步建设完善外部数据服务清单目录及发布机制，建立统一、标准化的数据服务技术规范，并开放更多公共性的大数据基础设施及数据源，指导金融机构高效、合规地引入和应用数据，实现数据的有效整合与协同，降低数据获取成本，提升金融服务效率。同时在隐私计算领域，呼吁监管部门加快推动建立统一的软件与数据服务标准，以减少因技术不兼容带来的运维复杂性和数据治理成本，促进技术的规模化应用和创新。
另一方面，培育数字金融合作生态。建议监管部门通过政策引导和激励机制促进银行同业间的合作与交流，鼓励各机构在数字金融领域共享资源、技术和经验，共同提升服务效率和风险管理能力，共同推进银行业数字化转型，提升整体金融服务水平和竞争力。同时在全球化的背景下，建议监管机构加大鼓励国内银行业参与国际金融科技合作，参与国际规则的制定和交流，有助于引入先进的技术和管理经验，也有利于国内银行业金融机构打造金融科技品牌和扩大影响力。
