生成式人工智能重塑銀行保險機構：創新及挑戰

生成式人工智能（AIGC）的行業應用，助力銀行保險機構發揮金融中介功能，重塑業務流程、經營模式和行業生態，但也面臨規劃滯后、語料不佳、模型缺陷、安全風險等諸多挑戰。為實現AIGC在金融業的應用行穩致遠，需要規劃不同類型機構的應用目標和發展路徑，建設行業基礎語料庫和數據庫，開發行業垂直領域大模型，構建企業、行業、政府“三位一體”的風險防控體系。

生成式人工智能及其對銀行保險機構功能的影響

有別于判別式人工智能，AIGC是指基于數據運用算法、模型、規則生成文本、圖片、聲音、視頻、代碼等內容的技術，其核心是大語言模型（以下簡稱“大模型”）。銀行保險機構作為從事信息搜集、信用中介和期限轉換的金融機構，其核心功能在于能有效降低交易成本和緩釋信息不對稱問題。AIGC的廣泛應用，對銀行保險機構上述功能的發揮產生深刻影響。

在降低交易成本方面，AIGC助力銀行保險機構實現與客戶的自動交互，大幅降低其搜尋成本、獲客成本和營銷成本。AIGC在產品研發、授信審批、核保理賠、智能投顧、資金運用、風險管理、合規管理等領域發揮智能助手作用，有效降低了銀行保險機構的運營成本。

在緩釋信息不對稱問題方面，AIGC憑借其強悍的信息搜集、泛化理解、歸納整理和邏輯推理能力，助力銀行保險機構抓取和分析客戶的多模態信息與數據，洞悉借款人和投保人真實情況，為其精準畫像，量身定做各種金融服務方案，有效緩釋金融交易過程中的信息阻礙問題。

生成式人工智能在銀行業的應用場景

客戶服務。這是當前銀行業AIGC應用較為廣泛和成熟的領域。大模型在客服領域具有語言理解能力、自動化響應生成能力、個性化服務能力、持續學習和優化能力、情感分析能力、跨渠道工作能力、實時數據處理能力、多語言和跨平臺服務能力，能為客戶提供24小時在線服務，大幅提高客戶服務能力和客戶滿意程度。

智能營銷。運用AIGC可以提高營銷文案的多樣性和創造性。大模型技術能利用客戶歷史交易數據和互動信息，準確識別客戶需求，提供個性化的金融服務方案。在AIGC的加持下，電話銷售能提供自動化的客戶交互和個性化的銷售推薦，降低運營成本，優化客戶體驗。未來，智能銷售會進一步向電子郵件、社交媒體等其他通信渠道延伸，運用大模型技術協調各渠道的信息和策略，形成多渠道交叉融合的營銷格局。

風險管理。AIGC憑借其不凡的泛化理解和邏輯推理能力，助力銀行更準確地評估信用風險、市場風險和操作風險，制定風險管理政策。銀行借助大模型技術和知識圖譜技術，對借款人及其關聯方的財務狀況、還款能力、還款意愿等進行綜合分析，預設財會專家思維鏈，準確評估信用風險，為授信審批提供有效支撐。銀行應用大模型技術，還能對海量市場交易數據進行實時監測分析，識別異常交易和可疑交易，快速發現欺詐行為。

智能投顧。金融市場信息繁雜，金融產品眾多，交易策略和工具不勝枚舉。運用多模態大模型技術，可對海量歷史數據和實時數據進行分析，預測未來市場變動趨勢，生成行業風險分析報告，提供個性化的市場運行分析、投資組合管理和資產配置建議，幫助客戶經理有效決策。

合規管理。銀行應用大模型技術，能夠系統梳理各項監管政策和要求，準確把握其核心要義，將不同時期發布的各類監管規則數字化、格式化和程序化，提高合規效率，降低合規成本。銀行借助自動化監控和審核手段，審核銀行各類數據和文件，識別員工的不當行為和潛在風險，及時發現違法違規隱患，提高銀行合規水平。

生成式人工智能在保險業的應用場景

客戶服務。通過接人大模型，綜合運用語言識別技術、語義理解、語言合成、OCR等成熟技術，為客戶提供各類咨詢服務及承擔外呼、回訪等業務。保險業數智化轉型的一個重要標志是客戶服務智能化。智能應答機器人可與客戶進行深度交互；智能外呼機器人可執行流程規范、話術統一的外呼任務，線上支持代理人遠程會客和VR沉浸式互動；智能質檢機器人可自動質檢客服質量。

銷售支持。AIGC可為營銷人員提供個性化銷售輔助和智力支持，提供銷售策略和方案。智能輔助機器人可實時輔助銷售人員與客戶交互，根據客戶需求生成保險方案；智能座席助手可在人工座席與客戶通話過程中，以側邊欄的方式提供實時話術推薦，并根據反饋情況支持標注、質檢和復盤。在代理人培訓方面，大模型技術已在知識問答、課程開發、案例萃取、項目設計、數據分析等方面取得成效，顯著提高了培訓效果。

核保理賠。保險機構能借助多模態文檔解析技術，自動評估保險標的情況，對異常保單進行檢測和識別，實現精確核保。AIGC可以自動處理理賠申請、觸發理賠流程和計算理賠金額。AIGC賦能保險理賠，現已從車險等財險領域擴展到較為復雜的健康險領域。保險機構借助大模型技術快速分析圖片等證據資料，查勘和核定損失，并應用知識圖譜技術計算賠付金額，從而實現理賠全流程的自動化和智能化。

產品研發。大模型的數據分析、樣本生成和場景泛化能力，助力保險機構研判國內外市場發展趨勢，理解客戶需求和風險特征，并適應市場需求精準開發產品，設計產品方案。精算人員運用AIGC可強化精算定價的客戶數據基礎，不僅依托傳統的標準化、結構化客戶信息，而且進一步涵蓋圖片、音頻、視頻等非標準化、非結構化信息，有效提高定價精準程度。

風險控制。在風控決策方面，AIGC基于處理各類數據的泛化能力，能與判別式人工智能模型互相支撐，實施復雜場景下的風控決策。在風險監測方面，AIGC基于強大的認知推理能力，能有效識別數據安全和網絡安全漏洞，通過收集和分析理賠信息與數據，防范保險欺詐風險。

生成式人工智能在銀行業保險業應用面臨的挑戰

規劃滯后。由于AIGC底層模型開發對數據和算力需求極天，只有少數科技公司能擔其重任，目前AIGC在行業的應用主要在操作層面。行業應用總體遠景規劃不足，對大型、中小型銀行保險機構及金融科技公司等不同主體的應用目標和實施途徑，還缺乏統籌規劃、制度設計和保障支持，缺少統一的行業評測標準及技術應用規范。應對大模型應用的平權問題不力，AIGC在銀行業保險業的應用處于自發狀態，針對中小銀行保險機構在市場競爭中的不利地位和劣化趨勢，還缺乏具有前瞻性和針對性的政策方略。

語料不佳。由于金融數據具有商業機密和市場敏感等特征，對數據收集和數據使用限制性要求較多，數據共享受到法律法規制度限制，“數據孤島”和“數據分割”現象突出。大模型訓練中存在金融語料不足、數據滯后、水平欠佳等問題，直接影響大模型的行業應用效果。語料本身存在的偏頗容易帶入大模型中，可能會輸出偏向特定群體的觀點，產生對其他群體的歧視和偏見，如對部分群體的信貸歧視和投保歧視，可能引發倫理問題和社會不公。

模型缺陷。滋生“AI幻覺”。由于存在不正確的對齊過程、不恰當的生成策略和嚴重的語料問題，金融行業大模型應用出現“幻覺”的概率較高。大模型會給出表面上邏輯填密、層次清晰、內容專業、表述流暢，實則背離事實、完全錯誤的答案或方案，運用推理增強模型更會放大這種“幻覺”。存在“黑箱”問題。從“問題”到“答案”的過程具有“黑箱”特性，不易了解其決策過程和邏輯，透明度和可解釋性嚴重不足。引發“同頻共振”。通用大模型的廣泛應用，會造成銀行保險機構依賴相同的AI策略，造成決策方案趨同，產生“羊群效應”。

安全隱患。在大模型的開發和應用過程中，不可避免地存在數據濫用和數據泄露等數據安全問題。數據濫用包括非法采集用戶信息、惡意監控用戶行為、非授權廣告等商業利益侵犯等。數據脫敏不當、網絡攻擊、未授權訪問、數據存儲設備的非法占有、誘導交互等原因，都可能導致數據泄露。大模型本身也存在各類安全風險，包括投毒攻擊風險、提示詞攻擊風險、對抗樣本攻擊風險和模型竊取攻擊風險等。天模型具有非魯棒性的特征，算力、數據、算法等多種因素都會導致其產生穩定性差、可靠性低和適應性弱等問題。

促進銀行業保險業生成式人工智能應用的對策研究

加強金融業應用AIGC的頂層設計。推進銀行業保險業數智化轉型頂層設計，明確各類銀行保險機構在AIGC應用領域的遠景目標和發展路徑，制定統一的銀行業保險業大模型評測體系，發布行業大模型應用指引和技術標準。大機構可充分發揮自身在算力、數據和人才等方面的優勢，運用二次訓練、微調等技術，構建全場景、多樣化的大模型應用生態。中小機構則依托行業垂直領域大模型，結合自身實際做簡易化處理，使用內部數據進行微調，注重大模型與小模型的有機結合，穩步推進數智化轉型。各機構應建設數據安全災備中心，建立入侵監測和外部防御系統，防范網絡安全風險。

構建銀行業保險業基礎語料庫和數據庫。完善數據安全技術標準和規范體系。統一收集銀行保險行業業務數據、研究報告等行業數據，構建行業數據知識資源底座等語料庫和基礎數據集，強化數據引人初篩、數據去毒、精細標注，保證數據安全可溯，推進大模型預訓練和推理訓練。加強數據治理，區別數據種類分別進行敏感數據加密、去隱私化、去標識化處理。在數據收集過程中，利用差分隱私等技術，在訓練過程中，使用安全多方計算、同態加密和聯邦學習等技術進行數據隱私保護。

統一開發銀行業保險業垂直領域大模型。集中行業資源和力量，構建通用銀行業保險業垂直領域大模型。強化大模型微調和大小模型交互，完善內容標注、提示詞工程、對抗測試等微調服務，制定標注規則，培訓標注人員，擴大判別式小模型供給，促進大模型在行業各類具體場景的應用。積極運用可視化技術、特征重要性分析、局部解釋等方法，借助轉接知識庫和領域知識圖譜等輔助工具，解釋模型決策過程和推理邏輯。

完善金融業應用AIGC的風險防控機制。堅持“技術中性”原則，發揮AIGC在重塑行業價值和生態方面的積極作用，筑牢企業風控、市場自律和政府監管“三道防線”，有效防控伴生風險。銀行保險機構應強化AIGC開發應用全流程的風險監控，及時披露相關信息，提高AIGC應用的透明度；科技公司應承擔AIGC相關產品開發的主體責任，確保所提供的產品安全可靠、風險可控、合乎倫理；行業組織應充分發揮市場自律職能，牽頭制定相關規則和標準；監管機構應區分不同主體、環節和風險層級，實施差異化監管政策，實時監測、評估和處置風險。

（龔明華為中國保險學會黨委副書記、副會長，研究員。責任編輯/王茅）