在ChatGPT热潮之下，AIGC（生成式AI）给金融行业带来的影响是业内关注重点。
银行业积极“尝鲜”AIGC，进一步推动数字化转型。AIGC对金融业有哪些影响？银行在应用AIGC时如何兼顾数据安全与数据治理？近日，《中国经营报》记者就以上问题专访了IBM副总裁、IBM咨询大中华区高级合伙人、中国区金融行业总经理范斌。
范斌指出，AIGC有助于金融业提升客户体验、提升金融服务的效率和质量，也有助于发掘新的业务模式，但同时也暗藏数据安全和隐私保护风险。银行应用AIGC过程需持续进行数据质量闭环监控，以提高数据的准确性和完整性。
有助于提升金融服务效率
《中国经营报》：AIGC对金融业可能带来哪些影响？有哪些潜在的风险需注意？
范斌：AIGC能够对金融业带来诸多好处，包括降本增效、发掘新的业务模式、加快科技开发测试进程、提升客户体验、提升金融服务的效率和质量、提升金融风控能力。
在IBM 2023年全球CEO调研中，我们率先收集了CEO们对AIGC的看法。有五成以上的受访CEO预计采用AIGC能够提高企业的收入、提高内容的质量、拓展组织能力、降低获客成本。此外，超过四分之三的受访CEO预计AIGC能够改善决策的适应性、可执行性、决策速度和洞察力。这些对金融行业同样适用。
AIGC在赋能业务的同时，带来的潜在风险也不容忽视，主要包含数据安全和隐私保护风险、幻觉缺陷（指生成的文本在语义或句法上看似合理但实际上不正确或无意义）所带来的操作风险和声誉风险、潜在的网络安全、互联网信息服务、知识产权保护等法律合规风险。在IBM 2023年全球CEO调研中，受访CEO对AIGC的数据源和安全性存在担忧，有61%的受访CEO担心AIGC的数据来源，有57%的受访CEO表示数据安全是应用AIGC的阻碍。
《中国经营报》：从银行业来看，AIGC在实际业务中的应用主要面临哪些挑战？
范斌：AIGC在具体业务的大规模应用中还面临一些问题与挑战，主要有三方面：
一是应用场景落地的可行性。AIGC作为一项比较新的技术，发展和迭代非常迅猛，这也给应用构建带来较大挑战，尤其在架构设计、功能开发、结果测试和验证方面带来挑战，容易设定过高的期望值，但实现效果不佳。
二是人才储备和培养。掌握生成式人工智能技术的专业人才仍然十分匮乏，需要快速培训员工的AI素养、AI伦理和AI应用水平。
三是算力资源挑战。目前AIGC的预训练和后期微调，对算力的要求都非常大，而且过程不可控。这个对成本、人员技能要求都很高。
此外，银行业在应用AIGC时还需注意网络安全、隐私、准确性。
初期应用还需人工介入
《中国经营报》：在金融业数据监管趋严的背景下，银行在应用AIGC时需做哪些准备？
范斌：银行应提前准备好IA（信息架构），包含数据治理以及相关的技术，初期阶段还需人工介入。同时，银行需在合规性、数据质量管控、数据安全与隐私保护这三方面提前准备。
在合规性方面，银行需要确保每一个新产品、新服务都有人工审查的成分，以确保合规性。根据《生成式人工智能服务管理办法》的要求，针对具有舆论属性或者社会动员能力的新产品、新应用、新功能，应当开展安全评估。
在数据质量管控方面，AIGC的效果和准确性在很大程度上依赖于数据质量。银行需要检核关键数据，并持续进行数据质量闭环监控，以提高数据的准确性和完整性。
在数据安全与隐私保护方面，AIGC有可能处理大量客户敏感信息，如个人信息、交易记录等，银行需要遵循数据安全分类分级保护要求，在AI学习和生成过程中，对数据进行充分保护，以防止数据泄露导致重大的经济损失和声誉损害。
银行应追踪学习新一代AIGC治理工具和平台的发展趋势，适时引入相关解决方案，做好从源数据、训练过程、模型运行到应用赋能的端到端监控和治理。
《中国经营报》：AIGC将为银行业前中后台各环节带来新一轮的变革，很多银行开始打造自主AIGC大模型。相比之下，一些中小银行能负担的技术创新成本有限，这类银行在应用AIGC方面能够做些什么？
范斌：如果说大行是“头部玩家”，那么中小银行也同样可以在一定成本约束下开展AIGC应用，包括以下三个途径：
一是优先选择和投入应用性价比高、边际收益最大的业务场景。可以采取跟随战略，借鉴大型银行和其他相关行业的成功速赢案例，快速复制落地。
二是寻求合适的合作伙伴，共享资源，利用已有的成熟的解决方案（公有云服务或私有化部署），共同开发生成式人工智能解决方案，分摊成本。
三是关注低代码/无代码解决方案，有助于中小银行更简单、更快速地应用AIGC。
（文章来源：中国经营网）
