每經記者 李玉雯    每經編輯 馬子卿    

2023年的中央金融工作會議提出，“做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章。”其中，數字金融為數字經濟蓬勃發展提供了重要動能。

隨著數字技術與金融業務深度融合，當前銀行業在服務模式、產品創新等方面有哪些顯著的變化？相較大行，城商行在數字化轉型中處于什么階段，會面臨哪些痛點？隨著ChatGPT等AIGC應用持續火爆，生成式AI正成為各行各業的新寵，其在銀行業務領域的應用前景如何？當下又面臨怎樣的障礙或短板，可能會帶來哪些風險或監管方面的問題？

對此，《每日經濟新聞》（以下簡稱“NBD”）近期專訪了廈門國際銀行信息副總監張宏。

廈門國際銀行信息副總監 張宏 圖片來源：受訪者

數字金融是銀行業對公獲客、服務普惠的核心力量

NBD：從你的觀察來看，數字金融的發展現狀及趨勢如何？當前銀行業在服務模式、產品創新等方面有哪些顯著的變化？

張宏：“數字金融”是數字經濟時代下數字技術與金融業務不斷融合創新的主流金融形態，國家金融監督管理總局印發的《關于銀行業保險業做好金融“五篇大文章”的指導意見》中提出，銀行業發展數字金融的主要目標有兩方面：一是要基本建成數字化經營管理體系；二是以廣泛普及數字化服務助力數字經濟發展。這也代表了數字金融的整體后續發展方向。

隨著數字技術與金融業務不斷深度融合，銀行業能夠破解過往長期存在的信息不對稱難題，使得風險評估與管理變得更加高效精準，還顯著提升了金融服務的便捷性，滿足客戶日益增長的個性化需求。

一方面，數字金融成為銀行業對公獲客、服務普惠和實現分散化的核心力量。通過數字化轉型，銀行不斷創新服務實體的新途徑、新模式，例如數字供應鏈金融服務產品，突破了傳統供應鏈依賴核心企業確權的瓶頸，通過數字技術利用交易數據、發票數據、鎖定回款來源等方式來確定交易真實性以及控制風險，讓數據多跑路，讓客戶少跑路，為中小微企業提供便捷的融資服務。

另一方面，通過數字金融相關技術應用，創新場景金融，實現信貸資產小額分散，從而可觸達以往傳統銀行無法服務的長尾客戶，同時研發一系列利用數據進行風險授信的線上化、自動化、數字化信貸產品，解決小微企業融資難、融資貴問題。

此外，數字金融改變了傳統價格與額度競爭手段及關系營銷模式，通過智慧化手段和能力推進風險控制、業務決策以及營銷獲客轉型升級，在提升經營管理效能的同時，構建契合客戶需求的差異化優勢。

NBD：銀行業內認為數字化是金融服務升級的重要推動力，數字化轉型是大勢所趨，而不同銀行的轉型路徑各不相同。相較大行，你認為城商行在數字化轉型中處于什么階段？面臨怎樣的挑戰？

張宏：隨著央行金融科技創新監管、數字貨幣試點等穩步實施，監管規則體系和監管框架不斷健全；銀行業等金融機構在人工智能、大數據、云計算、區塊鏈等技術金融應用成效顯著，物聯網、5G、IPv6、SDN等新網絡、新技術加速普及，綠色智能的云計算、大數據中心相繼建成，金融基礎設施也日臻完善。

城商行在數字化轉型中也處在積極探索與實踐的階段。許多城商行意識到了數字化轉型對于提升公司治理、穩健經營、高效服務和風險防控的重要性，尤其是在數字技術快速發展的背景下，這成為塑造競爭優勢的關鍵，城商行紛紛開始在系統建設、數據利用、業務創新和場景拓展等方面積極布局，并取得了一定成效。

然而，部分城商行在數字化轉型中也遭遇了一些共性難題，一是業務與技術戰略融合不足，現有金融科技組織架構難以支撐數字化轉型需求，科技投入與傳統業務支持之間分配不均，科技隊伍建設滯后，科技與業務融合度不高，需要優化科技資源配置，提高科技投入的效率和效果，加強金融科技人才的引進和培養，推動業技融合；二是技術水平與數據治理能力相較大型銀行仍存在較大差距，仍需夯實數據底座，構建全面數字技術應用能力，以支持業務決策及風險管理；三是開放生態構建困難，合作機制不健全，跨界融合經驗不足，需深化外部合作，拓展生態邊界，增強協同創新能力。

生成式AI可有效解決銀行業面臨的諸多痛點

NBD：隨著ChatGPT等AIGC應用持續火爆，生成式AI正成為各行各業的新寵。你如何看待生成式AI在銀行業務領域的應用前景？能解決哪些痛點？

張宏：生成式AI自2022年底快速崛起，已成為各行各業矚目的焦點。它正以其強大的變革能力，推動銀行業邁向全新的數字化篇章。其不僅在產品創新、內部運營效率、營銷策略升級以及系統運維等關鍵領域顯著增強銀行的綜合實力，更能通過前沿的技術革新，有效解決銀行業當前面臨的諸多痛點。

在輔助貸款產品開發與優化方面，通過分析市場趨勢、客戶需求及競爭對手策略，生成式AI能夠為銀行提供定制化的產品設計建議，加速新產品上市周期，同時優化現有貸款產品的條款與條件，以更好地滿足市場需求。

在智能辦公助手提升內部效率方面，在日常辦公場景中，生成式AI充當智能助手角色，協助完成會議紀要撰寫、報告生成、郵件回復等重復性工作，釋放員工時間，讓他們專注于更具創造性和戰略意義的任務。

在內容生成與營銷支持方面，對于銀行的市場推廣與客戶教育活動，生成式AI能夠根據目標受眾偏好，自動生成高質量的營銷文案、教育資料或個性化推薦，增強品牌影響力，提升客戶參與度。

在智能運維保障系統穩定性方面，在IT運維領域，生成式AI通過實時監測系統狀態，智能診斷潛在故障，甚至預測未來可能出現的問題，提前采取措施，有效降低系統宕機風險，保障銀行業務連續性。

這些應用場景不僅體現了生成式AI在提升銀行業務效率、優化客戶體驗方面的潛力，也反映了其在推動銀行數字化轉型、增強競爭力過程中的重要角色。隨著技術的不斷成熟與應用場景的拓展，生成式AI將在銀行業發揮更加深遠的影響力。

NBD：廈門國際銀行在生成式AI及應用場景方面是否有研究及嘗試？

張宏：OpenAI發布ChatGPT后，我們隨即啟動了生成式AI的探索和研究，于2023年10月推出自主研發的大模型應用——ChatXIB，自發布以來已歷經十多次版本迭代。截至今年8月，ChatXIB已整合超過6000份銀行內部文檔，預計至年底將突破萬份，覆蓋賬戶管理、外匯業務、操作指南、內外部產品咨詢以及規章制度解讀等多個領域，已為行內人員解決問題超過10萬個，員工用戶覆蓋率超過60%。

除了通用問答助手功能外，ChatXIB還融合檢索增強和提示工程技術構建了針對人民幣賬戶、外匯、黨務知識、數字金融、測試管理等垂直領域的專用問答助手。截至目前，ChatXIB已推出了近30款不同的智能助手，這些助手廣泛涵蓋了六大類應用場景：寫作輔助、辦公效率提升、數據查詢處理、代碼開發輔助、方案創作、運維領域等。

例如，在數據查詢處理場景，該類智能助手運用先進的數據分析技術和算法，能夠快速檢索和處理大量數據，提供精準的數據查詢服務。無論是復雜的財務報表分析，還是市場趨勢預測，或是客戶行為模式挖掘，智能助手都能迅速響應，提供詳盡的數據洞察和決策支持，極大提升了數據處理的效率和準確性，助力銀行在數據驅動的決策制定上更加高效和科學。

借助行內的大模型應用平臺，我們在多個關鍵領域實現了顯著的效能提升和創新突破，日常運營中極大地減輕了人力負擔，釋放了員工潛能，使其能夠更專注于核心業務與客戶體驗的優化。

生成式AI仍需克服知識邊界模糊、算力短缺等挑戰

NBD：你如何看待生成式AI在銀行業務場景應用中可能面臨的障礙或短板？可能會帶來哪些風險或監管方面的問題？

張宏：生成式AI在銀行業務場景中的應用，盡管潛力巨大，但也面臨著多重挑戰和風險，尤其是從技術和監管兩個維度來看。

模型知識邊界的模糊性是一大難題。無論是商用還是開源的生成式AI模型，其知識庫的廣度和深度難以精確評估。這使得在部署前，我們難以確切知道模型是否具備處理特定業務場景所需的知識，增加了應用的不確定性。

生成式AI技術的快速迭代，也給應用落地帶來了挑戰。技術更新速度之快，使得方案設計和實施過程充滿變數，需要持續跟進最新進展，確保應用方案的時效性和有效性。

算力短缺的問題，包括高計算資源需求導致的成本上升與能耗增加、實時處理能力受限可能影響業務效率、資源分配與管理的復雜性以及技術更新與兼容性帶來的持續投入壓力，這些問題共同構成了銀行在部署和運行生成式AI模型時必須克服的重大障礙。

人才短缺的問題，表現為專業AI技能與金融行業知識相結合的復合型人才短缺，以及現有員工在AI技術快速迭代背景下持續教育與培訓需求的緊迫性，這兩方面共同構成了銀行業在推進AI技術應用時面臨的人才挑戰。

此外，倫理問題也需要正視，包括確保算法公平性以避免社會偏見的加劇、尊重并保護客戶隱私、明確責任歸屬以增強決策透明度、考慮技術對員工職業路徑的影響并保障其權益，以及在追求創新的同時承擔起促進社會可持續發展的社會責任，這些都是確保生成式AI在銀行業中健康、有序發展的關鍵要素。

總而言之，生成式AI在銀行業務場景的應用前景廣闊，但需克服知識邊界模糊、數據隱私保護、版權風險及技術迭代快等挑戰。面對這些挑戰，監管政策需適時調整，以促進技術的良性發展。建議監管部門制定適應性強、具有前瞻性的政策框架，既要鼓勵技術創新，又要確保合規性和安全性。平衡創新與風險，引導生成式AI技術在銀行業健康、有序發展，是當前的重要課題。

NBD：你提到算力問題是挑戰之一，銀行數字化轉型不斷深入意味著對算力提出了更高的要求，這也是當前行業面臨的短板。你認為銀行業可以采取哪些方式著手應對？廈門國際銀行對此有哪些嘗試？

張宏：面對銀行數字化轉型中對算力提出的高要求，我們采取了一系列綜合性策略，旨在解決算力資源不足與算力安全兩大核心問題，促進數字化轉型順利進行。

首先，緊跟AI技術的前沿動態，特別是在生成式AI領域，面對早期推理速度緩慢的挑戰，我們敏銳捕捉到了大模型推理加速框架的出現，迅速采納并兼容這一技術，實現了在同等硬件條件下推理速度的顯著提升，達到原速度的兩到三倍，有效緩解了算力資源的壓力，同時也節省了后續算力采購的成本。此外，銀行還積極探索模型剪枝、模型小型化等技術，通過降低模型復雜度，在保證應用效果的同時，進一步優化算力使用效率。

其次，考慮到算力安全的重要性，我們進行了多元化算力儲備的工作，在服務器算力國產化方面取得了實質進展，還積極與國內顯卡芯片廠商合作，進行大規模的測試，旨在構建一個安全、可靠且多樣化的算力環境。這種前瞻性布局不僅增強了銀行的算力安全性，也為未來技術迭代預留了空間。

最后，著眼于算力資源共享機制的創新，關注政府或監管部門牽頭的算力基礎設施服務，探索將算力作為一種公共服務的可能性，以期通過機制創新進一步優化算力配置，提升數字化轉型的效率和安全性。

NBD：數字金融的發展也需要監管政策的支持和引導，你對此有哪些政策期許？

張宏：從城商行的視角出發，我們對數字金融領域的監管政策抱有以下期許。

一方面，完善數據要素共享應用。數字化轉型需以豐富的外部數據作為支撐，目前大多數中小銀行外部數據在獲得面、共享化、標準化方面與國有大行仍存在差距。期待監管部門能夠加強頂層設計，進一步建設完善外部數據服務清單目錄及發布機制，建立統一、標準化的數據服務技術規范，并開放更多公共性的大數據基礎設施及數據源，指導金融機構高效、合規地引入和應用數據，實現數據的有效整合與協同，降低數據獲取成本，提升金融服務效率。同時在隱私計算領域，呼吁監管部門加快推動建立統一的軟件與數據服務標準，以減少因技術不兼容帶來的運維復雜性和數據治理成本，促進技術的規模化應用和創新。

另一方面，培育數字金融合作生態。建議監管部門通過政策引導和激勵機制促進銀行同業間的合作與交流，鼓勵各機構在數字金融領域共享資源、技術和經驗，共同提升服務效率和風險管理能力，共同推進銀行業數字化轉型，提升整體金融服務水平和競爭力。同時在全球化的背景下，建議監管機構加大鼓勵國內銀行業參與國際金融科技合作，參與國際規則的制定和交流，有助于引入先進的技術和管理經驗，也有利于國內銀行業金融機構打造金融科技品牌和擴大影響力。

封面圖片來源：受訪者