廣發(fā)證券辛治運(yùn):金融大模型加速證券業(yè)數(shù)字化轉(zhuǎn)型
專題:第21屆中國國際金融論壇
第21屆中國國際金融論壇于12月19日-20日在上海召開,主題為“金融高質(zhì)量服務(wù)新質(zhì)生產(chǎn)力發(fā)展”。廣發(fā)證券副總經(jīng)理、首席信息官辛治運(yùn)出席并演講。
以下為演講實(shí)錄:
辛治運(yùn):尊敬的各位領(lǐng)導(dǎo)、各位專家,今天很高興有這個機(jī)會和大家一起交流。我今天分享的主題是《金融大模型加速證券業(yè)數(shù)字化轉(zhuǎn)型》。
本次分享分兩個內(nèi)容,一個是金融大模型發(fā)展與行業(yè)的應(yīng)用情況,第二部分是給大家匯報一下我們在生成式AI應(yīng)用相關(guān)的實(shí)踐和案例。
首先,第一部分生成式AI整體應(yīng)用情況。今年11月底中國互聯(lián)網(wǎng)信息中心發(fā)布《生成式人工智能應(yīng)用發(fā)展報告》,數(shù)據(jù)統(tǒng)計(jì)到6月底,3.5億人表示聽說過生成式AI,2.3億人表示使用過生成式AI產(chǎn)品,占全國整體人口16.4%,也就是說平均每6個中國人就有1個人使用過生成式AI產(chǎn)品。
美國國家經(jīng)濟(jì)研究局也做了調(diào)研,截止到8月,39.4%的18—64歲美國人使用過生成式AI產(chǎn)品,這兩個數(shù)據(jù)雖然不是可比口徑,但一定程度上說明了中國、美國生成式AI民眾使用還是有一些差距。美國相對人數(shù)比我們多一些,場景更加豐富,整體上使用生成式AI應(yīng)用場景主要在回答問題、撰寫溝通內(nèi)容、執(zhí)行行政任務(wù)、幫助寫代碼等方面,體現(xiàn)了生成式AI對大家工作、生活提升有不少助力。
在國家層面,今年政府工作報告首次提出開展“人工智能+”行動,將“人工智能+”列入國家重點(diǎn)工作來推,2019年是“智能+”,今年是“人工智能+”,把人工智能上升到國家戰(zhàn)略。過去20年如果說是互聯(lián)網(wǎng)革命,那么未來將會是人工智能的科技革命時代。根據(jù)麥肯錫今年發(fā)布的專題報告,生成式AI有望為全球貢獻(xiàn)大概7萬億美元的價值,中國有望貢獻(xiàn)其中2萬億美元,接近全球總量的三分之一,將為高科技、先進(jìn)制造、零售消費(fèi)、銀行、金融等產(chǎn)生巨大的經(jīng)濟(jì)效益提升。這次中國國際金融論壇如此重視AI也是這么一個背景。
金融業(yè)而言,我們也看到了生成式AI應(yīng)用不斷落地。相關(guān)研究指出,隨著技術(shù)成熟、應(yīng)用深入,生成式AI將對金融業(yè)帶來三方面變革。首先,有利于提升整個金融市場的有效性。大模型可以降低金融行業(yè)信息不對稱,從供需兩端提升金融機(jī)構(gòu)服務(wù)實(shí)體經(jīng)濟(jì)的能力,提升社會公眾的金融素養(yǎng)和金融能力,并最終提升金融市場的有效性。第二,有可能變革整個金融業(yè)的服務(wù)范式,因?yàn)樵诜?wù)長尾客戶方面,它有望產(chǎn)生非常大的影響,可能會形成新的服務(wù)入口或超級應(yīng)用。第三,有可能改變行業(yè)競爭格局,大模型應(yīng)用可能會將金融行業(yè)集中度進(jìn)一步提升,數(shù)字能力、金融專長等稟賦可能更為關(guān)鍵,頭部機(jī)構(gòu)、大型持牌金融科技公司有可能重新排序,部分中小機(jī)構(gòu)可能通過生成式AI技術(shù)應(yīng)用實(shí)現(xiàn)跨越式發(fā)展。這是生成式AI有可能對金融業(yè)帶來的影響。
針對生成式AI在金融業(yè)的應(yīng)用,Gartner今年2月對海外投資服務(wù)業(yè)也就是金融業(yè)做了調(diào)研報告,根據(jù)價值高低和可行性高低,收集整理出19類生成式AI應(yīng)用場景和探索方向,包括投資顧問助手、代碼生成、顧問工作流、人工智能管理產(chǎn)品組合等等。這些應(yīng)該說都是目前AI應(yīng)用比較好的應(yīng)用場景,尤其是圖上尖部像投資顧問助手這幾個,有較高的價值和可行性。
具體落地上,憑借相對成熟的技術(shù)能力,海外金融機(jī)構(gòu)也正在密集上線生成式AI應(yīng)用,包括內(nèi)部運(yùn)營、金融咨詢、財富管理、保險、信貸、支付等各領(lǐng)域,比如說彭博打造了BloombergGPT、上線資訊智能生成與檢索,MorganStanley、富國銀行在財富顧問助手、智能客服對話方面的領(lǐng)先應(yīng)用,匯豐也在反洗錢、風(fēng)險管控提升了保護(hù)的能力。這頁展現(xiàn)的都是海外金融機(jī)構(gòu)生成式AI的應(yīng)用情況。
國內(nèi)金融機(jī)構(gòu)也都在探索大模型的應(yīng)用,基于大模型的生成式AI將成為金融業(yè)廣泛的基礎(chǔ)設(shè)施,包括第三方機(jī)構(gòu)、銀行等都在應(yīng)用企業(yè)或行業(yè)的大模型,開展很多場景應(yīng)用,比如客服、投研辦公等等。證券業(yè)主要有兩種模式,一種是國泰君安和東吳,投資比較大,打造自己專業(yè)的行業(yè)大模型,另外像中信、中金、廣發(fā)投入少一點(diǎn),主要是應(yīng)用“行業(yè)通用大模型+微調(diào)”的方式來構(gòu)建大模型應(yīng)用能力,我們在投顧、投研、運(yùn)營等方面落地了40多個應(yīng)用場景。
總體來看,大模型在金融業(yè)各行各業(yè)落地場景不斷增多,但是有一個感覺:雷聲大、雨點(diǎn)小,與預(yù)期有一些差距,目前還沒發(fā)現(xiàn)具有顛覆性的創(chuàng)新應(yīng)用。今年初,德勤面向16個國家、六大行業(yè)做了一個調(diào)研,2800多名高管受訪認(rèn)為當(dāng)前企業(yè)應(yīng)用主要重心在于創(chuàng)造更多策略性效應(yīng),比如降本增效,而不是加速增長和促進(jìn)創(chuàng)新;79%的高管預(yù)期生成式AI將在未來3年內(nèi)推動實(shí)質(zhì)性的企業(yè)變革,可以看看未來會有哪些大的發(fā)展。生成式AI的應(yīng)用前景無限,那為什么AI還沒有實(shí)現(xiàn)生產(chǎn)力的極大提升呢?我想主要原因還是生成式AI存在一些現(xiàn)實(shí)瓶頸,尤其生成式AI面客時,金融機(jī)構(gòu)由于監(jiān)管、法律以及投資者保護(hù)等原因要非常慎重,所以距離生產(chǎn)成熟估計(jì)要2~5年,導(dǎo)致核心應(yīng)用場景還是受限。另外還有一個關(guān)鍵問題,在于我們員工對于AI認(rèn)知、駕馭的能力有待進(jìn)一步提升。
生成式AI不像一般的科技,比如機(jī)車、計(jì)算機(jī),直接就能對績效、產(chǎn)出提升非常明顯,生成式AI需要有能力駕馭AI的個體,包括人的基本能力、使用AI的能力、構(gòu)建AI應(yīng)用的能力,所以一方面要提升AI自身的能力,同時也要培養(yǎng)我們的員工使用AI的能力、構(gòu)建AI應(yīng)用能力,要進(jìn)行組織轉(zhuǎn)型和流程變革,建立AI原生的組織文化,將AI技術(shù)深度融入業(yè)務(wù)流程,集中資源尋找AI最佳應(yīng)用場景并逐步實(shí)現(xiàn)全面賦能。做技術(shù)的人可能都能了解,就是我們的AI應(yīng)用好、技術(shù)應(yīng)用也好,業(yè)務(wù)部門要有數(shù)字化方面的意識、運(yùn)用AI意識,和技術(shù)雙向奔赴才能得到好的應(yīng)用效果。
接下來,我給大家匯報一下廣發(fā)證券應(yīng)用生成式AI的案例與實(shí)踐。
廣發(fā)證券制定了人工智能整體布局規(guī)劃藍(lán)圖,主要是以AI賦能業(yè)務(wù)為愿景,在建設(shè)好算力、數(shù)據(jù)算法3大智能化核心要素的基礎(chǔ)上,圍繞客戶服務(wù)、提升效率、降低成本、輔助決策、防范風(fēng)險5大目標(biāo),重點(diǎn)從AI投顧、AI投研、AI投行等12大主題領(lǐng)域進(jìn)行規(guī)劃,推動公司智能化轉(zhuǎn)型。
從技術(shù)來看,目前我們已經(jīng)建立了GF-Smart AI平臺,包括AI算力設(shè)施、算法模型、AI基礎(chǔ)能力和中臺,持續(xù)賦能公司業(yè)務(wù),目前重點(diǎn)建設(shè)基于大模型的生成式AI能力,包括GPU信創(chuàng)適配、大模型能力、agent智能平臺等。
基于大模型的生成式AI平臺已經(jīng)成為廣發(fā)證券的基礎(chǔ)設(shè)施,我們累計(jì)落地了40多個應(yīng)用場景。比如,財富管理領(lǐng)域財富AI員工助理,投研領(lǐng)域智能研報助手、研報點(diǎn)評生成,投行領(lǐng)域投行智能核查,交易領(lǐng)域衍生品對客服務(wù)助手等40多個應(yīng)用場景。可以看到,其實(shí)我們在價值高的、可行性比較難的地方還是有一些好的場景在探索中。接下來,我給大家展開講一下五個案例。
第一個是今年落地的新應(yīng)用:財富AI員工助理。我們公司平臺上有六萬多個產(chǎn)品,包括公募、私募、資管 OTC等,粗略計(jì)算,總共8000多名服務(wù)員工要面對全國幾千萬客戶的咨詢和服務(wù),服務(wù)量非常大。怎么可以更快速響應(yīng)客戶的咨詢、問答、營銷,提高這些工作的效率,是一個很大的挑戰(zhàn)。所以,我們基于檢索增強(qiáng)生成、工作流等技術(shù),整合超過1000個API和數(shù)據(jù)字段,覆蓋產(chǎn)品超六萬多個,打造了一個綜合多智能體。自上線以來,三個多月累計(jì)問答超4.4萬輪次,生產(chǎn)的研究報告、營銷素材等效率,相比傳統(tǒng)人工模式提升20倍以上,應(yīng)該說效果非常好的。
第二個領(lǐng)域是投行業(yè)務(wù)。投行一個IPO項(xiàng)目有時候文件要拿多個拉桿箱裝,非常多文件要處理,文檔質(zhì)量、核查、把關(guān)非常困難,撰寫、搜索也比較難,中間要找某些信息也非常難。針對這些痛點(diǎn),我們率先探索投行大模型應(yīng)用,課題研究成果獲得了中證協(xié)優(yōu)秀課題,目前已經(jīng)上線應(yīng)用。我們不光是能發(fā)現(xiàn)簡單的錯誤,專業(yè)術(shù)語的錯誤也能檢查出來。比如,新能源電池里“磷酸鐵鋰”是很關(guān)鍵的材料,如果寫成“碳酸鐵鋁”這類錯誤,非專業(yè)人士哪怕一行行校對都很難發(fā)現(xiàn),可能學(xué)新能源的人知道,但大模型可以直接把這種錯誤找出來,起到非常大的核查作用。又如有一些單位應(yīng)該是“萬元”,有時候錯誤寫成“元”,或把公募基金的募寫成墓地的墓,AI都可以找出來,其他還有很多,在提高整個投行業(yè)務(wù)文檔質(zhì)量核查方面有非常顯著的作用。
第三,場外衍生品客服助手。我們場外衍生品交易員只有幾個人,要面對1000多個機(jī)構(gòu)客戶對衍生品業(yè)務(wù)來做報價、交易、資金的查詢,業(yè)務(wù)問題的解答等等,工作量非常大。我們上線了一個場外衍生業(yè)務(wù)對客助手,是對機(jī)構(gòu)客戶服務(wù)的,使得交易員對客響應(yīng)速率提高了10倍,不到10個交易員可以每天應(yīng)對1000多機(jī)構(gòu)客戶的業(yè)務(wù)需求,日均處理企微群消息3000多條,幫助每個交易員可以跟機(jī)構(gòu)客戶處理300多次客戶交互,應(yīng)該說效果提升顯著,大大的減輕了機(jī)構(gòu)交易員的工作負(fù)擔(dān),也很好地利用了生成式AI技術(shù)服務(wù)客戶。
第四,在金融風(fēng)險管理方面,當(dāng)某些特定客戶出現(xiàn)風(fēng)險時,我們要及時查一下金融機(jī)構(gòu)有多少信用風(fēng)險、哪些有市場風(fēng)險,與我們的業(yè)務(wù)合作可能帶來哪些輿情風(fēng)險甚至操作風(fēng)險。原來為解決這個問題我們可能4~5個專業(yè)人員忙半天,匯總出特定風(fēng)險企業(yè)的風(fēng)險報告,現(xiàn)在我們有了智能體之后,風(fēng)險報告生成速度加快,傳統(tǒng)4~5個人忙半天時間現(xiàn)在只要20分鐘就可以完成,效果顯著。
最后一個案例,大家非常關(guān)注的大模型AI賦能軟件開發(fā)。我們公司1000多研發(fā)人員,軟件代碼開發(fā)效率提升1%也是比較可觀的,在提高研發(fā)效率、節(jié)約成本方面很有用,我們非常重視大模型在需求、設(shè)計(jì)、編碼、測試、運(yùn)維等各環(huán)節(jié)的應(yīng)用。市場上不少機(jī)構(gòu)說AI輔助開發(fā)的代碼采納率有百分之三、四十,不是很清楚計(jì)算口徑,但根據(jù)我們自己實(shí)踐,采納率只有百分之十幾,這塊我們要繼續(xù)投入資源,進(jìn)一步探索,希望和在座各位多多交流。
實(shí)踐中,大家都知道其實(shí)生成式AI應(yīng)用還面臨不少挑戰(zhàn)。首先可靠性、可解釋性、可控性不足的問題,我們對面客服務(wù)應(yīng)用也是非常的謹(jǐn)慎,整個金融行業(yè)都是這個情況。同時,大模型對數(shù)據(jù)質(zhì)量要求、數(shù)據(jù)安全問題也存在不同程度的挑戰(zhàn)。從證券業(yè)角度看,行業(yè)的應(yīng)用制度框架、規(guī)范還沒有發(fā)布,比如應(yīng)用在哪些范圍、基本的原則;如果出現(xiàn)問題,怎么應(yīng)急處理;是否對大模型固有缺陷能有一些容忍,等等,這些方面都有待進(jìn)一步的完善。如何發(fā)揮大模型的積極作用,同時減少潛在的負(fù)面影響,是當(dāng)前非常值得關(guān)注的問題。
最后我想說,對于大模型的應(yīng)用、金融機(jī)構(gòu)智能化轉(zhuǎn)型其實(shí)是非常大的系統(tǒng)工程,浮在水面上的大模型算法、數(shù)據(jù)、技術(shù)這些都是冰山上的10%、20%,實(shí)際更重要的是那70%在水底下的,包括公司的戰(zhàn)略導(dǎo)向,要重視這個事,同時要有敏捷的組織和架構(gòu),支持靈活的應(yīng)用場景落地。我們業(yè)務(wù)部門、高層領(lǐng)導(dǎo)、業(yè)務(wù)部門領(lǐng)導(dǎo)要真正有應(yīng)用方面的意識,才能夠更好支持落地。另外,剛前面講了,我們要有能夠駕馭AI的人才和組織能力,要有會充分使用AI的人才,才能更大發(fā)揮AI 作用,做好迎接AI時代的準(zhǔn)備。
這是我今天的報告,請大家多指正,謝謝大家!??
新浪聲明:所有會議實(shí)錄均為現(xiàn)場速記整理,未經(jīng)演講者審閱,新浪網(wǎng)登載此文出于傳遞更多信息之目的,并不意味著贊同其觀點(diǎn)或證實(shí)其描述。
轉(zhuǎn)載原創(chuàng)文章請注明,轉(zhuǎn)載自資陽天行健機(jī)車配件有限公司,原文地址:http://dreamscapesoftheperverse.com/post/18400.html