ChatGPT在金融業的應用前景探討

文/宣奇 趙輝 張然 編輯/韓英彤

2022年11月30日，美國人工智能研究實驗室OpenAI發布了一款對話式人工智能（AI）模型ChatGPT，在全球迅速引發廣泛關注。它能夠模擬人類的語言行為，與用戶進行自然交互。ChatGPT的出現是AI發展中的一個里程碑事件，作為人工智能生成內容（AIGC）在文本生成領域的商業應用，ChatGPT會對現有的許多行業產生顛覆性的影響。目前在ChatGPT的商業化推進中，面向企業端的商業應用主要集中在各行業中垂直領域的落地場景，如新聞、金融、傳媒、電商等文字工作相關領域，以ChatGPT為代表的大規模預訓練模型在語義理解、多輪交互、內容生成中所展現的突出能力令人驚喜。其中，作為具有最多元化業務場景和領先的數字化轉型先鋒，金融領域成為ChatGPT應用落地的最佳領域，ChatGPT在人機交互和語義文本的分析方面的巨大提升對金融產生了深遠的影響，同時也為金融行業智能化轉型升級打開了新的路徑。因此，以ChatGPT為代表的大模型在金融行業中如何落地、存在的風險和挑戰、未來的發展前景以及對應的對策建議等值得深入探討。

大規模語言模型能夠應用于金融行業嗎

對金融行業帶來的影響

ChatGPT 的出現無疑對金融業具有深遠的影響，可以通過提供快速準確的信息和自動化的任務處理來影響金融行業，以科技的力量推動金融業降本增效，最終實現高質量發展。此外，ChatGPT具有的“讓機器理解”的能力進一步推動了金融行業的“數智化”轉型，大規模預訓練模型拓寬了金融行業AI應用的邊界。具體來講，ChatGPT為代表的大模型主要在如下方面為金融行業帶來了應用價值。

降本增效。在各項業務中，如數據分析，投研、編程研發及流程管理方面，借助ChatGPT的能力提高效率，減少了基礎人員的投入。以金融機構營銷服務為例，利用ChatGPT實現營銷策略的自動生成與迭代，結合金融機構特有的語料進行訓練，可以提升營銷內容和用戶轉化效率，實現降本增效。以銀行業自動化交易為例，ChatGPT通過訓練替代人工交易員，自動執行許多后臺任務，能夠提高效率和降低成本。

提升生產力，提升用戶體驗。ChatGPT改變了人機交互方式與體驗，可以實現多輪對話，提升了對話和服務體驗，并且與機器學習、知識圖譜等技術結合能夠進一步提升模型的智能性，可以更加精準的為客戶提供定制化、個性化的服務，使金融服務更加有溫度。

產品服務創新。以ChatGPT為通用基礎能力底座，引入金融領域專有內容、高級認知能力，整合多樣化需求，形成產品服務的創新。

ChatGPT在金融領域的應用場景

ChatGPT作為一種感知智能，在金融生成文本類工作中具有應用價值。

應用在金融機構經營部門。由于ChatGPT是一款交互形式的聊天機器人，其最直接的應用是金融機構的電子客服。通過在ChatGPT中輸入金融機構電子客服頁面的問題并比較二者的答復，可以發現ChatGPT擁有非常強的信息整合功能的優勢，比如用戶問“手機App某些功能無法運行的原因是什么”，ChatGPT提供了多種情況的解答，但金融機構電子客服回復只有一種情況和解決方案，對于金融機構客服來講，ChatGPT的服務是更加智能化和人性化的。

應用在金融機構管理部門。ChatGPT集成了數據自動化、智能化的流程功能，使其在財務管理、運營管理、授信管理、咨詢建議、戰略規劃等領域都具應用價值。例如，在ChatGPT中輸入“生成各省金融機構存款余額表”，會自動生成各省的金融機構存款數據；輸入“為什么散戶投資者賺錢困難”，能夠得到“散戶投資者往往喜歡追漲殺跌，缺少有效的投資工具”的回答。隨著功能的增加，ChatGPT可以應用到金融機構的各管理部門工作中去。

應用在金融機構支持部門。ChatGPT最吸引人的功能是輔助開發，在編寫和測試代碼上有突出表現，上述工作在人力密集型部門和崗位非常普遍，通過ChatGPT可以幫助沒有編程經驗或外語能力薄弱的員工快速提升能力。還可以把ChatGPT當作工具，解決日常的大部分重復性、機械性的工作，把員工從繁瑣事務中釋放出來，投入到更具挑戰的創新工作，提升工作效率，改進工作方法。

目前，在金融行業的大模型應用方面，雖然國內暫未有ChatGPT的相關應用落地，但是關于其在金融領域率先落地于哪些場景，存在很多想象空間。具體來講：

智能客服。與傳統的智能客服與智能機器人相比，ChatGPT具有強大的自然語言處理能力，可以解決更為復雜的問題，提高客戶服務效率。同時，根據歷史對話數據可不斷提高自身的回答能力，提升服務水平。此外，ChatGPT模型可以通過訓練新數據進行擴展，更好地適用于金融機構的業務需求。ChatGPT通過訓練可以降低人工客服成本，提升用戶體驗，可以與對話機器人、數字人相結合，對金融機構具體業務進行加強訓練，進一步提升回答問題的準確性和建議性。目前，中信銀行正在內部開發測試類ChatGPT在智能客服與數字人結合的應用。

數據分析或投研。ChatGPT可以幫助金融機構分析大量數據，把傳統機器學習、個性化推薦、知識圖譜、決策引擎等技術與ChatGPT融合，進一步優化模型的智能性，從而改進風險管理和投資決策。ChatGPT強大的數據提煉和處理能力，可以對投資標的信息進行精準的篩選和整理，完成對各類投研數據的綜合分析以及時間序列的預測，提升投研價值。此外，ChatGPT可以提供完整的分析報告，結合報告存在的很多新思路和角度，幫助高級分析師完善報告，提升其分析能力。

智能營銷。在不同的營銷活動中創建獨特有吸引力的廣告文案是一項具有挑戰性的任務。當前，金融領域尚處于“自動化營銷+數據驅動”的營銷迭代過程中，營銷內容主要以專家規則進行，并通過內容模板建設和積累實現。利用ChatGPT的能力，可以從豐富的營銷物料方面為智能營銷提供極大的支持，通過營銷領域專業知識的引入，依托客戶畫像描述和金融行業特有的“了解你的客戶”（KYC）的能力，幫助金融機構輸出更加精準的營銷話術，實現個性化、精準化的營銷，真正做到千人千面，提升金融機構營銷價值。

智能程序員。ChatGPT目前的版本已經可以寫代碼，未來將會承擔很多復雜的軟件開發項目和復雜系統設計，可以將ChatGPT用于協助制定符合金融領域標準的產品研發、代碼編寫、測試等，它會根據工作目標，給出合理的解決方案和結果。

自動化交易。ChatGPT通過訓練做自動交易，替代人工交易員，可以自動執行許多后臺任務，從而提高效率和降低成本。

金融風控。隨著ChatGPT的引入，可提升數據提煉和處理能力，在貸中貸后交互過程中不斷挖掘客戶新特征、發現新規則，輔助風控專家高效落地全流程風控，輔助金融機構實現風控策略的動態調整，以有效降低資金風險。

智能調研。ChatGPT通過訓練可以開展某項調研，節省人力成本，可以把文字、圖片、音樂等不同載體整合到一起，設計成文件、海報、PPT、視頻、音頻、三維動畫等。

ChatGPT在金融領域應用存在的挑戰與風險

ChatGPT在金融領域有著較大的應用潛力，然而目前這項技術尚處于起步階段，其大規模應用還面臨可信度、業務、成本投入等多方面的挑戰，還存在著一定的風險，需要謹慎探討。

成本問題。金融機構對數據非常敏感，往往選擇私有化部署，但目前ChatGPT的超大模型對于資源的需求極大，難以實現私有化部署。加之，訓練一次的成本介于 200 萬美元至 1200 萬美元之間，要用本領域的私有、專有數據對它進行增強樣本的訓練，補足通用模型在其領域的短板，這會牽涉到大量的人力物力，因此目前金融機構在適配具體業務上還比較困難。

可信度問題。ChatGPT作為通用大模型，僅靠其自身的問題求解能力無法解決專業問題。因此，其不能直接應用于垂直型領域，需要借助于垂直領域的信息等助力，讓ChatGPT充分理解金融專業領域的相關知識，比如讓金融領域已有的專業數據庫、專業知識圖譜和其他的資源與ChatGPT進行對接。此外，對于金融應用來說，金融行業的客戶對上線模型的精度要求很高，但ChatGPT是一款普適性的應用軟件，不足以滿足金融的高專業化需求。

錯誤信息。由于技術問題，ChatGPT目前還沒有解決實時性和準確性的問題，所用的語料庫依然較為有限，因此ChatGPT會出現一些偏差，產生無意義的回應。如果讓ChatGPT推薦某銀行理財給客戶，但沒有考慮客戶的實際需求，就會造成真實需求與推薦產品的不一致，擾亂市場秩序。如果讓ChatGPT推薦股票等金融資產，就會有操縱市場的嫌疑，目前這些情況均無法避免。加之，ChatGPT的回答會影響人的判斷和行為，如果ChatGPT給銀行客戶提供一個錯誤方案，相應風險就會轉嫁給銀行，為銀行帶來信譽風險。

安全與合規性問題。使用ChatGPT，數據泄露和信息殺熟等問題會難以避免。金融行業涉及消費者的重大利益，金融交易的公平性、可解釋性、合規性都很重要，利用ChatGPT很可能無法保證決策的安全、準確、公平性，加之涉及到的網絡安全問題，數據的隱私保護和合規性問題都是金融行業亟需考慮到的風險。

知識產權、倫理與監管問題。目前ChatGPT提供的是不斷接近人類的回答，但是短期還沒辦法超越人類思維，只能作為一個智能的百科全書，缺少創造性思維，即沒有創造出人類不了解的新知識、新內容。因此，在實際應用場景中，ChatGPT生成的內容可能不具有原創性，會導致存在剽竊的風險。使用ChatGPT帶來不良后果的責任該由誰來承擔、相關的法律問題如何解決，以及如何應對ChatGPT廣泛應用后可能存在的無序商業行為并對算法和數據進行監管，消除潛在的隱患，助力技術的良好發展也亟待研究。

ChatGPT在金融領域應用的未來發展趨勢

算法技術的改進。目前，雖然ChatGPT應用效果出色，但依然存在推理能力不足、可解釋性弱、缺乏隱私保護、無法聯網使用等局限性，需要信息技術和基礎科學的能力突破，進行算法技術的改進。比如與多模態技術結合，引入負責任的AI技術與知識圖譜的結合等，以擴大更多的金融領域應用場景。

預訓練大模型參數量進入平臺期，多模態與跨模態成為趨勢。在絕大多數任務中，模型越大，性能越好。因此，2020年1750億參數的GPT-3模型一經推出，此后新推出大模型的參數量不斷刷新上限。然而，參數規模提升帶來的邊際效應逐漸下降，參數量進入平臺期。大模型已經從早期的純文本模型，發展到橫跨圖、文、音、代碼等的多模態、跨模態模型，為跨模態生成的AIGC奠定技術基礎。大模型逐漸成為AI基礎設施，結合微調等方式可以滿足下游多行業需求，也包括金融領域應用場景的使用需求。

大模型向場景化實用化發展。大模型如果不能實用化、商業化，便難以得到持續發展。因此，大模型部署效率提升將成為未來發展的趨勢，也是應用落地的關鍵突破點。以ChatGPT為例，未來ChatGPT會向精細化、分工化發展，會有各種定制化、專業化的ChatGPT，提升專業和業務能力的服務準確性，以更好地滿足金融領域需求。

綜上，在目前ChatGPT不斷推進商業化的背景下，金融行業特別是銀行業需要加快借助科技提升服務模式，強化核心競爭力建設，創新業務模式推動銀行業“數智化”轉型的力度，從而更好地助力經濟高質量發展。ChatGPT對銀行業來說無疑是一個相當大的資源，但與此同時，銀行應該注意它的某些缺點，采取應對方案：如OpenAI已經采取了大量措施來確保ChatGPT用戶的安全和隱私。然而，在實際的應用中，銀行還需要采取進一步的行動措施來保護其用戶的安全，雖然這可以被視為銀行的額外任務和擔憂，會使流程效率降低，但為了確保ChatGPT在銀行中的安全應用，這是必不可少的，必須要考慮進去的因素。總體來講，ChatGPT潛力巨大，降低ChatGPT風險是銀行業研究實施該技術的一大動力，研究ChatGPT在金融業應用對銀行業的未來是一個迫切的現實選擇。