ChatGPT3.5發(fa)布(bu)(bu)后，引起社會(hui)各界廣泛(fan)關注和(he)(he)討論(lun)，上線(xian)5天用(yong)(yong)戶注冊量達(da)100萬，上線(xian)2個月(yue)月(yue)活用(yong)(yong)戶超過1億，成為迄今為止用(yong)(yong)戶增長(chang)速度最快的(de)(de)消費級(ji)應用(yong)(yong)程序。它不僅可(ke)(ke)以(yi)通過谷(gu)歌三級(ji)程序員考試，在雅思和(he)(he)托福考試、司法考試、編寫文(wen)案和(he)(he)論(lun)文(wen)、詩詞歌賦等方面也有(you)非常優異的(de)(de)表現。2023年3月(yue)14日，OpenAI發(fa)布(bu)(bu)ChatGPT4.0，它是(shi)基于GPT架構開發(fa)的(de)(de)對(dui)話(hua)式AI模型，通過學(xue)習大量的(de)(de)現成文(wen)本(ben)和(he)(he)對(dui)話(hua)集合(he)，根據用(yong)(yong)戶的(de)(de)文(wen)本(ben)輸入(ru)產生相應的(de)(de)智(zhi)能(neng)(neng)回答(da)，可(ke)(ke)以(yi)像人(ren)(ren)類(lei)那樣(yang)進行即時對(dui)話(hua)。因(yin)此，可(ke)(ke)以(yi)把ChatGPT簡單理解為一個由AI驅動的(de)(de)聊天機器人(ren)(ren)。2024年2月(yue)15日，OpenAI發(fa)布(bu)(bu)的(de)(de)Sora再次(ci)震(zhen)驚世界。Sora模型的(de)(de)核心能(neng)(neng)力在于，能(neng)(neng)夠(gou)根據用(yong)(yong)戶輸入(ru)的(de)(de)文(wen)本(ben)描述(shu)，生成長(chang)達(da)一分鐘的(de)(de)高(gao)質量視(shi)頻(pin)(pin)，這(zhe)(zhe)些視(shi)頻(pin)(pin)不僅視(shi)覺質量高(gao)，而(er)且與(yu)用(yong)(yong)戶的(de)(de)文(wen)本(ben)提示(shi)高(gao)度一致。這(zhe)(zhe)一成果的(de)(de)發(fa)布(bu)(bu)，預示(shi)著視(shi)頻(pin)(pin)制作和(he)(he)內(nei)容創作方式的(de)(de)革命性變(bian)化。

然(ran)而，ChatGPT的(de)(de)成功并(bing)非偶(ou)然(ran)，而是(shi)得益于一系(xi)列先進的(de)(de)技術和創新(xin)。其中，最為核心的(de)(de)就(jiu)是(shi)Transformer架(jia)構、預訓練加微調和多(duo)輪對(dui)話處理等訓練方(fang)法，這(zhe)些技術的(de)(de)應用使得ChatGPT能夠實現對(dui)自然(ran)語言的(de)(de)理解和生成，并(bing)提供(gong)高質量(liang)的(de)(de)對(dui)話體(ti)驗。

全球范(fan)圍(wei)內(nei)大模(mo)型已進入了一個高速發(fa)展期，各大科技企(qi)業(ye)和研究機構(gou)如(ru)微(wei)軟、谷歌、Meta、亞馬遜等(deng)在這一領(ling)域投入巨大，均(jun)推出(chu)(chu)了面(mian)(mian)向企(qi)業(ye)、開發(fa)者和個人的眾多產(chan)品。在國內(nei)市場，互聯網企(qi)業(ye)也緊跟(gen)技術腳步，研發(fa)出(chu)(chu)多類產(chan)品，其中(zhong)BAT發(fa)布(bu)的大語言(yan)模(mo)型產(chan)品在中(zhong)文應用方面(mian)(mian)表現出(chu)(chu)色(se)。國內(nei)大語言(yan)模(mo)型產(chan)品及訪問方式詳見表1。

根據頭部大(da)模(mo)型(xing)評(ping)測機構（CMMLU、C-eval、SuperCLUE）的綜合數(shu)據，國內市場已發布的大(da)模(mo)型(xing)產品在中文表現方(fang)面(mian)完全可以代替ChatGPT等一眾國外產品。

大(da)語言模型有三(san)種使用場景(jing)：一是普(pu)通(tong)(tong)(tong)用戶打開(kai)產(chan)品(pin)網頁，通(tong)(tong)(tong)過手機號碼注冊就可以直接對(dui)話訪問，基(ji)本功(gong)能完全免(mian)費，部分高級模型需要(yao)(yao)充值才能使用。二是開(kai)發者用戶可以通(tong)(tong)(tong)過程序調(diao)用大(da)模型的(de)(de)API接口進行訪問，并(bing)將訪問結果整合至自(zi)身產(chan)品(pin)中，調(diao)用過程中需要(yao)(yao)考慮數據(ju)安全問題。三(san)是公司(si)用戶下載各大(da)公司(si)開(kai)源(yuan)的(de)(de)大(da)模型訓(xun)練結果并(bing)在本地部署，通(tong)(tong)(tong)過訓(xun)練打造屬于本公司(si)個性化的(de)(de)大(da)模型產(chan)品(pin)。

目(mu)前，國(guo)內(nei)外發(fa)布的(de)大(da)模(mo)(mo)型(xing)(xing)雖(sui)然在(zai)(zai)實(shi)現細(xi)節、網絡(luo)架構、訓練數據(ju)以(yi)及(ji)優(you)化(hua)策略等方(fang)面(mian)各具特色，但其訓練原理(li)基本相同，都是基于(yu)深度(du)學習技術，尤(you)其依賴于(yu)大(da)量規(gui)范語料庫的(de)學習和神經網絡(luo)的(de)訓練與(yu)優(you)化(hua)，這(zhe)(zhe)也是為什么國(guo)內(nei)大(da)模(mo)(mo)型(xing)(xing)在(zai)(zai)中文表現方(fang)面(mian)可(ke)以(yi)追趕(gan)和超越國(guo)外產品的(de)原因。這(zhe)(zhe)些大(da)模(mo)(mo)型(xing)(xing)憑借(jie)強大(da)的(de)能(neng)力，能(neng)夠在(zai)(zai)信用(yong)卡的(de)全生(sheng)命周期(qi)內(nei)發(fa)揮(hui)重(zhong)要作(zuo)用(yong)，覆蓋客戶服務(wu)、市場營銷、風險(xian)防控、產品研發(fa)、運營維護以(yi)及(ji)綜合辦公等多個(ge)關(guan)鍵環(huan)節，不僅能(neng)夠有效(xiao)提升客戶滿意度(du)，降(jiang)低人工(gong)(gong)成本，提高工(gong)(gong)作(zuo)效(xiao)率，還能(neng)夠為員工(gong)(gong)提供創意靈感(gan)，從(cong)而整(zheng)體改善工(gong)(gong)作(zuo)流程。以(yi)下結合ChatGPT的(de)工(gong)(gong)作(zuo)原理(li)，深入探討(tao)大(da)模(mo)(mo)型(xing)(xing)在(zai)(zai)信用(yong)卡行業的(de)應用(yong)場景(jing)。

信(xin)(xin)(xin)(xin)用(yong)卡行(xing)業傳統客(ke)(ke)(ke)(ke)(ke)(ke)服(fu)通(tong)(tong)常是通(tong)(tong)過(guo)人(ren)工客(ke)(ke)(ke)(ke)(ke)(ke)服(fu)或(huo)預設的(de)(de)問(wen)(wen)答文檔用(yong)機(ji)器人(ren)自(zi)動回復客(ke)(ke)(ke)(ke)(ke)(ke)戶(hu)問(wen)(wen)題(ti)。所謂的(de)(de)線(xian)上智能客(ke)(ke)(ke)(ke)(ke)(ke)服(fu)，大(da)多是一種(zhong)基于(yu)規則的(de)(de)自(zi)動化(hua)程(cheng)序，只能回答預先設定的(de)(de)相(xiang)關內(nei)容、執行(xing)特定任務，內(nei)容單(dan)調(diao)且(qie)覆蓋(gai)問(wen)(wen)題(ti)范圍有(you)(you)限。銀行(xing)可通(tong)(tong)過(guo)客(ke)(ke)(ke)(ke)(ke)(ke)服(fu)渠道、App、微信(xin)(xin)(xin)(xin)銀行(xing)、網站、社交(jiao)平臺或(huo)其他線(xian)上渠道創建數字(zi)人(ren)助手，借(jie)助大(da)模(mo)型這一超(chao)級知識大(da)腦，為客(ke)(ke)(ke)(ke)(ke)(ke)戶(hu)提供(gong)各領域(yu)的(de)(de)問(wen)(wen)答幫助，如(ru)賬單(dan)日、逾期、溢(yi)繳款(kuan)等信(xin)(xin)(xin)(xin)用(yong)卡常識。這將有(you)(you)助于(yu)提高新客(ke)(ke)(ke)(ke)(ke)(ke)戶(hu)在行(xing)內(nei)微信(xin)(xin)(xin)(xin)銀行(xing)、App等渠道的(de)(de)訪問(wen)(wen)量(liang)和客(ke)(ke)(ke)(ke)(ke)(ke)戶(hu)黏性，通(tong)(tong)過(guo)與潛在客(ke)(ke)(ke)(ke)(ke)(ke)戶(hu)的(de)(de)對話，收集客(ke)(ke)(ke)(ke)(ke)(ke)戶(hu)需求、偏好和目(mu)標(biao)，持續優化(hua)信(xin)(xin)(xin)(xin)用(yong)卡產品。

對(dui)于存量客(ke)(ke)戶(hu)，銀行可(ke)在其登錄某一(yi)渠道驗證身份后(hou)進行實時(shi)互(hu)(hu)動，方(fang)便客(ke)(ke)戶(hu)通(tong)(tong)過輸入語音、文(wen)字、圖片等(deng)信(xin)息查詢賬單、可(ke)分(fen)期金額，咨(zi)詢業(ye)務流程、熱門權益、活動說明(ming)、推薦(jian)辦(ban)卡獎勵規則、分(fen)期產(chan)品辦(ban)理要求、App某一(yi)功能所在位置等(deng)。銀行可(ke)基于大模型(xing)理解客(ke)(ke)戶(hu)表達(da)，精準(zhun)掌握客(ke)(ke)戶(hu)真(zhen)實需求，結合上下(xia)文(wen)語境，自動生成用(yong)于解答、服(fu)(fu)務咨(zi)詢的(de)對(dui)話，快(kuai)速(su)回答客(ke)(ke)戶(hu)的(de)問題，同時(shi)跳轉到對(dui)應(ying)業(ye)務界(jie)面。通(tong)(tong)過內部數據(ju)訓練、人機交互(hu)(hu)方(fang)式(shi)的(de)變革，銀行讓用(yong)戶(hu)體(ti)驗到真(zhen)人的(de)服(fu)(fu)務品質，實現(xian)7×24小時(shi)全天候真(zhen)正的(de)智能客(ke)(ke)戶(hu)服(fu)(fu)務，從(cong)而(er)降低客(ke)(ke)服(fu)(fu)人工成本(ben)，提升客(ke)(ke)戶(hu)滿意度和品質體(ti)驗。

優(you)質的信(xin)(xin)用卡(ka)營(ying)銷(xiao)方案能(neng)(neng)夠(gou)(gou)有(you)效激發客(ke)戶興趣，增(zeng)強客(ke)戶黏性(xing)，提高信(xin)(xin)用卡(ka)的使用率(lv)和客(ke)戶轉化(hua)率(lv)。銀(yin)行結(jie)合營(ying)銷(xiao)目(mu)標(biao)，將業務(wu)需求(qiu)輸入(ru)至本(ben)地(di)大(da)模型，模型將依托客(ke)戶的基本(ben)信(xin)(xin)息、消費歷史及行為偏好進行深度(du)訓練。同時，結(jie)合業務(wu)人員的具體需求(qiu)，大(da)模型能(neng)(neng)夠(gou)(gou)生(sheng)成(cheng)針對特(te)定客(ke)群(qun)的信(xin)(xin)用卡(ka)優(you)惠(hui)活動、返現(xian)計(ji)(ji)劃、獎勵機制、專屬特(te)權(quan)、增(zeng)值服務(wu)及積分兌換(huan)等大(da)量(liang)方案。銀(yin)行可從(cong)這(zhe)些(xie)方案中篩選出(chu)未曾(ceng)實施的活動，并運用AB Test模式(shi)與(yu)過往營(ying)銷(xiao)方案進行對比，通(tong)過實際效果的驗(yan)證，識別出(chu)哪(na)些(xie)方案表現(xian)更(geng)佳，從(cong)而(er)持續優(you)化(hua)營(ying)銷(xiao)策略；將營(ying)銷(xiao)結(jie)果數據(ju)再(zai)次輸入(ru)本(ben)地(di)大(da)模型，基于反(fan)饋數據(ju)進一(yi)步(bu)優(you)化(hua)新的營(ying)銷(xiao)方案，通(tong)過這(zhe)種方式(shi)不(bu)斷迭代提升轉化(hua)率(lv)。此外(wai)，本(ben)地(di)部署的大(da)模型與(yu)AIGC技(ji)術(shu)的結(jie)合，不(bu)僅能(neng)(neng)自動化(hua)生(sheng)成(cheng)營(ying)銷(xiao)資料，還能(neng)(neng)為業務(wu)人員提供豐富(fu)的營(ying)銷(xiao)主題設計(ji)(ji)方案；配合智能(neng)(neng)繪圖工(gong)具（如(ru)Midjourney等），自動生(sheng)成(cheng)營(ying)銷(xiao)圖片、海報和banner，從(cong)而(er)有(you)效降低人工(gong)成(cheng)本(ben)，實現(xian)個(ge)性(xing)化(hua)營(ying)銷(xiao)方案的快速落地(di)。

在(zai)智能(neng)(neng)外(wai)呼(hu)(hu)(hu)營銷(xiao)場(chang)景（新(xin)戶(hu)開卡(ka)、客戶(hu)促活、現金分期、商(shang)品分期、銷(xiao)卡(ka)挽留等(deng)）中，目前市場(chang)上的(de)(de)智能(neng)(neng)外(wai)呼(hu)(hu)(hu)機器人(ren)(ren)(ren)話術(shu)(shu)呆板，一旦客戶(hu)識(shi)別出對(dui)方是機器人(ren)(ren)(ren)，便會迅速掛斷電(dian)話，外(wai)呼(hu)(hu)(hu)效果不理想，客戶(hu)體(ti)驗(yan)感差，影(ying)響企業(ye)形(xing)象。銀(yin)行(xing)利用本地已訓(xun)練好的(de)(de)大(da)模(mo)型(xing)按照一定表結(jie)(jie)構如聯系方式(shi)、姓名、行(xing)為偏好、開場(chang)話術(shu)(shu)等(deng)，生(sheng)成(cheng)一份外(wai)呼(hu)(hu)(hu)營銷(xiao)名單，然(ran)后(hou)將(jiang)大(da)模(mo)型(xing)對(dui)接客服外(wai)呼(hu)(hu)(hu)系統按照名單進(jin)行(xing)外(wai)呼(hu)(hu)(hu)，結(jie)(jie)合自動語(yu)音識(shi)別技術(shu)(shu)（ASR）、文本到語(yu)音合成(cheng)技術(shu)(shu)（TTS）等(deng)語(yu)音合成(cheng)模(mo)塊技術(shu)(shu)，使客戶(hu)通過語(yu)音的(de)(de)方式(shi)與(yu)(yu)大(da)模(mo)型(xing)進(jin)行(xing)交互(hu)，實(shi)現真正的(de)(de)“千人(ren)(ren)(ren)千面”話術(shu)(shu)營銷(xiao)。在(zai)與(yu)(yu)客戶(hu)交流的(de)(de)過程中，本地大(da)模(mo)型(xing)可(ke)以結(jie)(jie)合上下(xia)文回(hui)答客戶(hu)的(de)(de)各種問題，使客戶(hu)在(zai)獲取到有(you)價值(zhi)的(de)(de)信(xin)息后(hou)不會立刻掛斷電(dian)話，為后(hou)續的(de)(de)業(ye)務開展提供了有(you)利條(tiao)件(jian)，由此可(ke)顯(xian)著(zhu)提升與(yu)(yu)客戶(hu)的(de)(de)互(hu)動質(zhi)量和體(ti)驗(yan)。

識別客戶(hu)風(feng)(feng)(feng)險(xian)等(deng)級并降低(di)不(bu)良率，一直是信用卡行業的(de)(de)核心任務(wu)(wu)之一。大(da)模型通過(guo)深(shen)度分析海量的(de)(de)交易(yi)數(shu)據(ju)、用戶(hu)行為(wei)及歷史(shi)風(feng)(feng)(feng)險(xian)模型，能夠精準識別出(chu)客戶(hu)潛在的(de)(de)風(feng)(feng)(feng)險(xian)因素和(he)異常行為(wei)。這(zhe)一功能不(bu)僅能為(wei)業務(wu)(wu)人員(yuan)提供具體的(de)(de)風(feng)(feng)(feng)險(xian)因素作為(wei)參(can)考，而(er)且能自(zi)動生成風(feng)(feng)(feng)險(xian)客戶(hu)名(ming)單(dan)，業務(wu)(wu)人員(yuan)僅需驗證名(ming)單(dan)準確(que)性，提前(qian)干預潛在的(de)(de)不(bu)良行為(wei)即可，從而(er)有(you)效防控風(feng)(feng)(feng)險(xian)。

對于優(you)質(zhi)客(ke)戶，適度提升信(xin)(xin)用(yong)卡額(e)度不僅有(you)助(zhu)于擴大消(xiao)(xiao)費，還能促進(jin)分(fen)期業務收益的(de)(de)增長(chang)。銀(yin)(yin)行(xing)借助(zhu)本(ben)地訓練的(de)(de)大模型，通(tong)(tong)過輸入全量(liang)優(you)質(zhi)客(ke)戶的(de)(de)信(xin)(xin)用(yong)評(ping)分(fen)、還款歷史(shi)及收入數據(ju)等詳細信(xin)(xin)息，使模型能夠自動完成預測與風險評(ping)估，生成調(diao)額(e)名單，并將這(zhe)一(yi)名單與調(diao)額(e)系統(tong)對接，即可實現自動提額(e)功能。業務人(ren)員只需(xu)定期監控提額(e)客(ke)戶的(de)(de)消(xiao)(xiao)費表現，評(ping)估提額(e)效果，便能確保策略的(de)(de)有(you)效性和精準性。通(tong)(tong)過這(zhe)一(yi)流(liu)程，銀(yin)(yin)行(xing)在確保風險可控的(de)(de)同(tong)時，進(jin)一(yi)步優(you)化客(ke)戶體驗(yan)，推動信(xin)(xin)用(yong)卡業務的(de)(de)健康(kang)發展。

研(yan)(yan)(yan)(yan)發一(yi)(yi)(yi)款暢銷(xiao)的(de)(de)(de)(de)信用卡(ka)(ka)產(chan)(chan)(chan)品，對于(yu)銀(yin)行(xing)(xing)的(de)(de)(de)(de)營收(shou)至(zhi)關(guan)重要(yao)，同時也對產(chan)(chan)(chan)品研(yan)(yan)(yan)(yan)發人(ren)員(yuan)(yuan)提出了(le)更高的(de)(de)(de)(de)要(yao)求(qiu)(qiu)。除了(le)基本(ben)的(de)(de)(de)(de)金(jin)融知(zhi)識(shi)之外，產(chan)(chan)(chan)品研(yan)(yan)(yan)(yan)發人(ren)員(yuan)(yuan)還需(xu)(xu)要(yao)掌握行(xing)(xing)業內(nei)已經發行(xing)(xing)的(de)(de)(de)(de)各(ge)種(zhong)暢銷(xiao)卡(ka)(ka)產(chan)(chan)(chan)品的(de)(de)(de)(de)特(te)色與權益、新(xin)(xin)戶(hu)(hu)禮(li)品、申請說(shuo)(shuo)明等詳細信息(xi)；此外，還需(xu)(xu)熟悉國內(nei)外上千家同業銀(yin)行(xing)(xing)的(de)(de)(de)(de)產(chan)(chan)(chan)品特(te)征，以確保新(xin)(xin)研(yan)(yan)(yan)(yan)發的(de)(de)(de)(de)信用卡(ka)(ka)產(chan)(chan)(chan)品具有(you)行(xing)(xing)業競爭優勢。然而，對于(yu)產(chan)(chan)(chan)品研(yan)(yan)(yan)(yan)發人(ren)員(yuan)(yuan)來說(shuo)(shuo)，這樣的(de)(de)(de)(de)學習成本(ben)非常(chang)高。為了(le)解決(jue)這一(yi)(yi)(yi)問題，銀(yin)行(xing)(xing)可(ke)以將全行(xing)(xing)業產(chan)(chan)(chan)品的(de)(de)(de)(de)學習資料提供給大模型，讓它通過訓練學習，整合碎片(pian)知(zhi)識(shi)，并(bing)結合當前客戶(hu)(hu)的(de)(de)(de)(de)潛在(zai)需(xu)(xu)求(qiu)(qiu)和不同人(ren)群的(de)(de)(de)(de)標簽，如時尚(shang)特(te)征、Z世代等，直(zhi)接(jie)給出具有(you)某(mou)種(zhong)特(te)色的(de)(de)(de)(de)產(chan)(chan)(chan)品及其相關(guan)權益、新(xin)(xin)戶(hu)(hu)禮(li)品、申請說(shuo)(shuo)明等信息(xi)，由(you)此銀(yin)行(xing)(xing)就具有(you)了(le)一(yi)(yi)(yi)種(zhong)全新(xin)(xin)的(de)(de)(de)(de)產(chan)(chan)(chan)品研(yan)(yan)(yan)(yan)發流(liu)程和業務解決(jue)方(fang)案(an)。新(xin)(xin)流(liu)程下，產(chan)(chan)(chan)品研(yan)(yan)(yan)(yan)發人(ren)員(yuan)(yuan)只需(xu)(xu)要(yao)對大模型提供的(de)(de)(de)(de)眾多產(chan)(chan)(chan)品方(fang)案(an)進行(xing)(xing)論證，并(bing)通過進一(yi)(yi)(yi)步的(de)(de)(de)(de)調研(yan)(yan)(yan)(yan)來衡量(liang)產(chan)(chan)(chan)品的(de)(de)(de)(de)覆蓋群體、預(yu)計(ji)發卡(ka)(ka)量(liang)、營收(shou)情況、合作(zuo)機構(gou)等后續工作(zuo)即可(ke)。這種(zhong)流(liu)程大大降(jiang)低了(le)產(chan)(chan)(chan)品研(yan)(yan)(yan)(yan)發人(ren)員(yuan)(yuan)在(zai)前期調研(yan)(yan)(yan)(yan)的(de)(de)(de)(de)成本(ben)，使其能夠更多地(di)專注于(yu)理(li)解客戶(hu)(hu)需(xu)(xu)求(qiu)(qiu)，并(bing)最終在(zai)眾多方(fang)案(an)中甄(zhen)選(xuan)出最適(shi)合客戶(hu)(hu)需(xu)(xu)求(qiu)(qiu)、兼具個性(xing)化和綜(zong)合性(xing)的(de)(de)(de)(de)產(chan)(chan)(chan)品方(fang)案(an)，從而提高銀(yin)行(xing)(xing)的(de)(de)(de)(de)經營收(shou)入。

大模(mo)型憑借強大的文本(ben)處理能(neng)(neng)(neng)力，能(neng)(neng)(neng)夠讀取相關代碼(ma)并編寫詳盡的運維文檔，提(ti)供(gong)代碼(ma)注釋、操作指南、故障(zhang)排(pai)除步驟和(he)常見問題(ti)(ti)解答(da)等信息；同時，還能(neng)(neng)(neng)夠針對特定問題(ti)(ti)生(sheng)成清(qing)晰易(yi)懂的解釋和(he)操作步驟，幫(bang)助(zhu)運維人員更加高效地處理問題(ti)(ti)，減少操作失(shi)誤和(he)故障(zhang)發生(sheng)的可能(neng)(neng)(neng)性。

傳統(tong)運(yun)(yun)營(ying)(ying)(ying)管理需要耗費大量人(ren)力和(he)(he)時間成(cheng)本(ben)，定期輸出運(yun)(yun)營(ying)(ying)(ying)周報(bao)、月報(bao)、場景(jing)評估報(bao)告和(he)(he)對(dui)應(ying)的(de)(de)優(you)化方案(an)，復雜場景(jing)甚至要對(dui)多(duo)個(ge)系統(tong)的(de)(de)多(duo)個(ge)模塊進行數據(ju)匯聚和(he)(he)集中監(jian)控。銀(yin)行基于(yu)自主訓(xun)練的(de)(de)金融(rong)垂直大模型(xing)，利(li)用生(sheng)成(cheng)式AI大模型(xing)多(duo)模態(tai)、跨模態(tai)的(de)(de)內(nei)容生(sheng)成(cheng)能(neng)力，對(dui)接信用卡部門內(nei)部系統(tong)，通(tong)過(guo)插件將大模型(xing)的(de)(de)多(duo)維能(neng)力與外部工具、資源、知識等優(you)勢(shi)融(rong)合。同時，大模型(xing)可為一線運(yun)(yun)營(ying)(ying)(ying)人(ren)員(yuan)提(ti)供時效性(xing)更(geng)高、交(jiao)互更(geng)便捷、內(nei)容更(geng)豐富、邊際成(cheng)本(ben)接近(jin)于(yu)零的(de)(de)運(yun)(yun)營(ying)(ying)(ying)支撐(cheng)能(neng)力，如指標趨(qu)勢(shi)分析(xi)、運(yun)(yun)營(ying)(ying)(ying)圖表生(sheng)成(cheng)、運(yun)(yun)營(ying)(ying)(ying)報(bao)告生(sheng)成(cheng)、運(yun)(yun)營(ying)(ying)(ying)分析(xi)和(he)(he)方案(an)推薦等。

自(zi)(zi)動(dong)(dong)化(hua)技術(shu)目(mu)前已經很成(cheng)熟(shu)，可(ke)(ke)以通(tong)過模擬人類的(de)鍵盤和鼠標(biao)操作，幫助銀行自(zi)(zi)動(dong)(dong)化(hua)、重復(fu)性、標(biao)準化(hua)地執行繁瑣的(de)業(ye)務(wu)流程，如對賬、調(diao)賬、數據錄入、報表生(sheng)成(cheng)等，以提(ti)高(gao)業(ye)務(wu)效率和減(jian)少(shao)工作量。將大(da)模型(xing)與(yu)(yu)RPA技術(shu)結(jie)合(he)，通(tong)過語音和文(wen)字就可(ke)(ke)以自(zi)(zi)動(dong)(dong)生(sheng)成(cheng)RPA的(de)個性化(hua)主題(ti)代碼，并完成(cheng)自(zi)(zi)動(dong)(dong)化(hua)部(bu)署。銀行利用大(da)模型(xing)與(yu)(yu)現有技術(shu)的(de)深(shen)度融合(he)，可(ke)(ke)以節約大(da)量的(de)時間和人力(li)資源(yuan)，從而提(ti)高(gao)工作效率。

在綜合辦(ban)公方面(mian)，大(da)模型(xing)可(ke)以基于(yu)銀(yin)(yin)行的(de)歷(li)史項目文檔、辦(ban)公文檔、業務數(shu)據、會(hui)議紀(ji)要等(deng)訓練數(shu)據，創(chuang)建內部(bu)知(zhi)識庫。當銀(yin)(yin)行在商討一個項目方案(an)或重大(da)決策時，可(ke)以在開會(hui)之前或過(guo)程中，咨詢大(da)模型(xing)對(dui)該問題的(de)看法，使(shi)其結合歷(li)史數(shu)據給予(yu)客(ke)觀的(de)意見。如果在大(da)模型(xing)上封裝ASR、TTS語音合成(cheng)模塊，就(jiu)可(ke)使(shi)其直(zhi)接(jie)參(can)加會(hui)議討論。如此，銀(yin)(yin)行增加了一個了解全部(bu)歷(li)史數(shu)據、客(ke)戶數(shu)據的(de)智(zhi)能語音助手(shou)，效率(lv)可(ke)想而知(zhi)。

大(da)模型(xing)(xing)服務(wu)于行(xing)內(nei)員(yuan)工(gong)的另一種場景，就是(shi)編(bian)寫文檔。員(yuan)工(gong)日常(chang)工(gong)作包括編(bian)寫會議(yi)記(ji)錄、匯報材料(liao)、項(xiang)目文檔等，通常(chang)占據員(yuan)工(gong)大(da)量的時間，不(bu)但耗(hao)時耗(hao)力而且很多文檔內(nei)容極(ji)其相似，而通過本地(di)訓練的大(da)模型(xing)(xing)就可以解決這些問題。此外，新(xin)入職的員(yuan)工(gong)在了解企業背景、過往(wang)項(xiang)目案例(li)、業務(wu)經驗、處室工(gong)作職責時，同樣(yang)也可以咨詢大(da)模型(xing)(xing)，不(bu)需要死記(ji)硬背某些業務(wu)知(zhi)識，方便新(xin)員(yuan)工(gong)或調崗(gang)員(yuan)工(gong)短時間內(nei)迅速上手。

迄今為止,許多(duo)機構已(yi)經深(shen)刻(ke)認識到大模型的(de)能力,并將其應(ying)用于實際業務(wu)中(zhong)。

2023年3月，彭博社推出金(jin)(jin)融領域(yu)垂(chui)直(zhi)大模(mo)型BloombergGPT，為金(jin)(jin)融行(xing)(xing)業(ye)提供了高效解決方案。國(guo)(guo)內相(xiang)關(guan)企業(ye)也涉足此(ci)領域(yu)，度(du)小滿、螞蟻科技(ji)等(deng)已(yi)發布(bu)相(xiang)關(guan)產品(pin)。度(du)小滿開源的“軒轅”大模(mo)型已(yi)在(zai)眾多(duo)金(jin)(jin)融機構(gou)試用(yong)，并在(zai)多(duo)業(ye)務場景初見成(cheng)效。國(guo)(guo)內銀行(xing)(xing)業(ye)也積極擁抱大模(mo)型技(ji)術，如工商(shang)銀行(xing)(xing)、農業(ye)銀行(xing)(xing)、平(ping)安銀行(xing)(xing)及北京銀行(xing)(xing)都在(zai)多(duo)個場景中(zhong)探(tan)索應用(yong)大模(mo)型，提升了金(jin)(jin)融服務的智(zhi)能化水平(ping)。

2024年，生(sheng)成式AI將從模(mo)(mo)型層走向應用層，從而更(geng)好發(fa)揮大模(mo)(mo)型的(de)(de)潛在(zai)價值，但是(shi)在(zai)實際操(cao)作中銀行還面臨一(yi)定難點。影響場景(jing)落地(di)的(de)(de)因素大致包括硬(ying)件算力費用、模(mo)(mo)型可解(jie)(jie)(jie)釋(shi)性(xing)、企(qi)業(ye)數(shu)(shu)據(ju)量級(ji)、數(shu)(shu)據(ju)隱(yin)私(si)安全、專業(ye)人才培養等方(fang)面。因此(ci)，未來的(de)(de)研(yan)究方(fang)向可能會聚(ju)焦在(zai)以下幾方(fang)面：一(yi)是(shi)提高模(mo)(mo)型的(de)(de)性(xing)能和(he)效率，減少訓練和(he)推理的(de)(de)計算成本，簡化(hua)本地(di)部署流程(cheng)；二(er)是(shi)解(jie)(jie)(jie)決模(mo)(mo)型可解(jie)(jie)(jie)釋(shi)性(xing)和(he)透明性(xing)問題(ti)，使得用戶可以理解(jie)(jie)(jie)模(mo)(mo)型的(de)(de)生(sheng)成過(guo)程(cheng)和(he)背(bei)后的(de)(de)邏(luo)輯；三是(shi)收集整理企(qi)業(ye)的(de)(de)數(shu)(shu)據(ju)資產，為未來AI普(pu)及(ji)做準備；四(si)是(shi)研(yan)究如何解(jie)(jie)(jie)決模(mo)(mo)型中的(de)(de)隱(yin)私(si)泄露問題(ti)，并制(zhi)定相關規(gui)章制(zhi)度及(ji)保護(hu)措施；五是(shi)銀行內(nei)部培養人工智能及(ji)大數(shu)(shu)據(ju)方(fang)向的(de)(de)技術(shu)(shu)人才，不斷學習積累技術(shu)(shu)經驗(yan)，為真正實施AI場景(jing)做準備。

綜(zong)上所述，大(da)模型在信(xin)(xin)用(yong)(yong)卡行業(ye)的應用(yong)(yong)探索(suo)已初(chu)見成效(xiao)。從個性(xing)化推(tui)薦到(dao)風險控制，從客戶服務(wu)到(dao)數(shu)據分析，大(da)模型正逐(zhu)漸改變信(xin)(xin)用(yong)(yong)卡行業(ye)的業(ye)務(wu)模式和用(yong)(yong)戶體驗。隨(sui)著(zhu)技術(shu)的不斷進步(bu)，大(da)模型將進一(yi)步(bu)釋放信(xin)(xin)用(yong)(yong)卡行業(ye)的創(chuang)新(xin)潛力，為消費者提供更便捷、更智(zhi)能的金融(rong)服務(wu)，推(tui)動信(xin)(xin)用(yong)(yong)卡行業(ye)的數(shu)字化轉型和升(sheng)級。