2024年共享善治AI智繪未來金融白皮書

隨著生成式AI技術(shù)的崛起,人工智能正以前所未有的力度和速度,推進(jìn)技術(shù)創(chuàng)新,重塑產(chǎn)業(yè)未來。金融業(yè)一直以來都是技術(shù)應(yīng)用的先行者,過去,移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù),推動(dòng)了金融業(yè)從信息化走向數(shù)字化,當(dāng)下,人工智能技術(shù)的蓬勃發(fā)展將在金融行業(yè)引領(lǐng)新一輪變革。置身于AI技術(shù)浪潮中,每個(gè)參與者需要重新審視公司戰(zhàn)略、業(yè)務(wù)形態(tài)、技術(shù)路徑和治理機(jī)制,推動(dòng)人工智能技術(shù)深度融入業(yè)務(wù)、重構(gòu)業(yè)務(wù),駛向智能化的星辰大海。同時(shí),伴隨著生成式AI技術(shù)在金融行業(yè)的探索應(yīng)用,我們也面臨著諸多挑戰(zhàn),包括如何更好的釋放A在金融場(chǎng)景的價(jià)值,如何確保技術(shù)可靠可控,而不是放大風(fēng)險(xiǎn),以及如何緩解技術(shù)應(yīng)用的資源約束等,需要我們深入探討和解決。在此背景下,我們與合作伙伴一起提出大模型在金融領(lǐng)域的應(yīng)用和發(fā)展框架,發(fā)布《共享善治Al,智繪未來金融》白皮書,展望AI與金融場(chǎng)景融合的發(fā)展趨勢(shì),探討負(fù)責(zé)任A實(shí)現(xiàn)層次和技術(shù)生態(tài)演化路徑。我們希望通過這份白皮書,與業(yè)界同仁共同探索生成式AI技術(shù)在金融領(lǐng)域應(yīng)用的進(jìn)階之路,共繪智能化金融的未來藍(lán)圖。未來已來,將至已至。螞蟻集團(tuán)秉持科技驅(qū)動(dòng)和普惠初心,愿與各方攜手,以AI新質(zhì)生產(chǎn)力為筆,以金融五篇大文章為卷,共同書寫金融行業(yè)數(shù)智化新篇章,為社會(huì)創(chuàng)造更大的價(jià)值。 李振華螞蟻集團(tuán)研究院院長(zhǎng)金融行業(yè)天然具備數(shù)據(jù)和信息密集型的特點(diǎn),在數(shù)字化成熟度方面處于領(lǐng)先地位。此外,金融行業(yè)的數(shù)字化投入持續(xù)穩(wěn)步增長(zhǎng),匯集了大量具備數(shù)字化技能的人才。這些優(yōu)勢(shì)使得金融行業(yè)在AI技術(shù)的應(yīng)用和創(chuàng)新方面具備獨(dú)特的條件,能夠在推動(dòng)技術(shù)革新和提升行業(yè)效率方面起到示范作用。盡管大模型在金融業(yè)務(wù)領(lǐng)域展現(xiàn)了巨大的潛力,但其在金融行業(yè)的全面應(yīng)用仍面臨諸多挑戰(zhàn)。目前通用大模型與行業(yè)相結(jié)合整體仍處于初級(jí)階段,此外金融行業(yè)因其嚴(yán)監(jiān)管和強(qiáng)合規(guī)要求,使得大模型的落地應(yīng)用需要更加謹(jǐn)慎,周期會(huì)更長(zhǎng)?？傮w來看大模型的行業(yè)生態(tài)系統(tǒng)尚未完全成熟,其在行業(yè)內(nèi)的廣泛應(yīng)用需要克服技術(shù)、行業(yè)演變、監(jiān)管和科技倫理等多方面的挑戰(zhàn)。因此,如何實(shí)現(xiàn)大模型在金融業(yè)務(wù)場(chǎng)景的價(jià)值最大化,并推動(dòng)金融行業(yè)的數(shù)智化升級(jí),仍將是未來的重要課題。本白皮書是DC中國(guó)首次聯(lián)合合作伙伴針對(duì)大模型在金融領(lǐng)域的應(yīng)用發(fā)布的白皮書。內(nèi)容詳細(xì)闡述了金融行業(yè)在大模型應(yīng)用中的現(xiàn)狀和挑戰(zhàn),并提出了推動(dòng)大模型技術(shù)在金融領(lǐng)域廣泛應(yīng)用的路徑和策略。通過對(duì)AI價(jià)值實(shí)現(xiàn)、負(fù)責(zé)任Al、大模型生態(tài)演化的深入分析,旨在為金融機(jī)構(gòu)提供理論和實(shí)踐的雙重支持,助力金融機(jī)構(gòu)順利邁入未來金融的大模型時(shí)代,推薦每一位關(guān)注金融行業(yè)未來發(fā)展的讀者深入閱讀本白皮書。 武連峰IDC中國(guó)副總裁兼首席分析師隨著大模型的迅猛發(fā)展,金融行業(yè)正處于深刻變革的關(guān)鍵節(jié)點(diǎn)。大模型不僅是技術(shù)創(chuàng)新的產(chǎn)物,更是新質(zhì)生產(chǎn)力的代表,通過其卓越的數(shù)據(jù)處理和分析能力,極大地提升了金融分析的深度和精度。大模型技術(shù)的引入和應(yīng)用,正在對(duì)傳統(tǒng)的金融業(yè)務(wù)模式產(chǎn)生深遠(yuǎn)而持久的影響,正在成為推動(dòng)整個(gè)行業(yè)向更高效、更智能的方向發(fā)展的重要力量。白皮書系統(tǒng)地提出了大模型在金融領(lǐng)域的應(yīng)用和發(fā)展框架,探討了大模型在金融領(lǐng)域的應(yīng)用價(jià)值及其衡量方法;厘清了負(fù)責(zé)任AI的框架,為金融機(jī)構(gòu)的大模型應(yīng)用劃出清晰的安全底線,并推動(dòng)科技倫理共識(shí);最后聚焦行業(yè)的生態(tài)演進(jìn),既深刻分析了金融行業(yè)生態(tài)現(xiàn)狀,又科學(xué)嚴(yán)謹(jǐn)?shù)奶岢隽宋磥硇袠I(yè)平臺(tái)化生態(tài)的趨勢(shì)判斷。這一應(yīng)用與發(fā)展框架的提出,為翹首以盼大模型帶來變革的金融行業(yè)注入了新的科學(xué)理念,也為大模型在金融領(lǐng)域的應(yīng)用提供了全面且實(shí)用的參考。通過本白皮書,希望能鼓勵(lì)金融學(xué)界、金融機(jī)構(gòu)、科技企業(yè)共同探索新技術(shù)所帶來的廣闊前景,推動(dòng)技術(shù)與行業(yè)應(yīng)用的深度融合,助力中國(guó)金融行業(yè)更高效地順應(yīng)新質(zhì)生產(chǎn)力發(fā)展的潮流,朝著更加智能化、普惠化的新時(shí)代邁進(jìn)。 劉莉亞上海財(cái)經(jīng)大學(xué)黨委常委、副校長(zhǎng)目錄前言01AI價(jià)值實(shí)現(xiàn)1.1金融行業(yè)Al價(jià)值評(píng)估方法1.2Al價(jià)值層次和場(chǎng)景價(jià)值1.3金融機(jī)構(gòu)AI應(yīng)用現(xiàn)狀1.4四大能力幫助金融機(jī)構(gòu)實(shí)現(xiàn)Al價(jià)值進(jìn)階070809141702負(fù)責(zé)任Al2.1什么是負(fù)責(zé)任A2.2負(fù)責(zé)任AI的三大層次2.3負(fù)責(zé)任AI的現(xiàn)狀洞察2.4負(fù)責(zé)任A落地四大關(guān)鍵242525323503AI應(yīng)用生態(tài)演化3.1大模型生態(tài)的界定3.2行業(yè)生態(tài)模式演進(jìn)洞察3.3目前行業(yè)生態(tài)的基本情況3.4推動(dòng)生態(tài)演化的建議41424357結(jié)語和未來展望前言自2023年A大模型元年至今,大模型領(lǐng)域迎來持續(xù)的技術(shù)突破和早期產(chǎn)品技術(shù)落地。例如openA在2023年3月、9月和11月,相繼推了出GPT-4、GPT-4V、GPT-4Turbo,分別在多模態(tài)輸入能力、生成內(nèi)容的質(zhì)量和準(zhǔn)確性、長(zhǎng)文本處理能力和推理速度等技術(shù)層面取得明顯突破,在基礎(chǔ)大模型表現(xiàn)方面被公認(rèn)為遙遙領(lǐng)先。同時(shí)商業(yè)接口的開放與開源模型的推出,推動(dòng)著大模型技術(shù)的加速落地。例如隨著GPT-4Turbo的推出,openAI降低了API調(diào)用費(fèi)用,使得企業(yè)和開發(fā)者能夠以更低的成本使用大模型技術(shù)。除了國(guó)外基礎(chǔ)大模型取得持續(xù)突破之外,國(guó)內(nèi)的基礎(chǔ)大模型發(fā)展也格外繁榮。國(guó)內(nèi)的基礎(chǔ)大模型參數(shù)規(guī)模2023年以來呈現(xiàn)快速增長(zhǎng)趨勢(shì),在自然語言處理任務(wù)及多模態(tài)處理任務(wù)上取得了顯著的性能提升。自chatGPT發(fā)布以來,國(guó)內(nèi)各類型廠商陸續(xù)發(fā)布多款參數(shù)規(guī)模在十億量級(jí)以上的基礎(chǔ)大模型,其中以阿里、百度、華為等廠商為代表的部分本土廠商發(fā)布了大于千億級(jí)別參數(shù)規(guī)模的模型。同時(shí)國(guó)內(nèi)的跨模態(tài)大模型也取得深入發(fā)展和突破,實(shí)現(xiàn)多模態(tài)信息的融合和交互,如阿里云、百度,分別在cogview2、ERINE4.0模型上實(shí)現(xiàn)了特定任務(wù)的突破性進(jìn)展,展現(xiàn)了在文本與圖像生成方面的創(chuàng)新潛力。由于特定行業(yè)知識(shí)和專業(yè)術(shù)語的獨(dú)特性,需要特定的行業(yè)大模型以更好地滿足行業(yè)需求,行業(yè)大模型成為基礎(chǔ)大模型發(fā)展的重要方向。在大模型的垂直行業(yè)應(yīng)用層面,大模型技術(shù)在金融、醫(yī)療、汽車、制造、零售等行業(yè)開始探索落地應(yīng)用,例如在金融行業(yè),螞蟻集團(tuán)發(fā)布了agentuniverse的開源智能體框架,提供多智能體的協(xié)作模式,旨在幫助金融機(jī)構(gòu)及開發(fā)者加快大模型在金融場(chǎng)景的研發(fā)落地。02隨著市場(chǎng)對(duì)大模型的行業(yè)應(yīng)用以及相關(guān)價(jià)值創(chuàng)造的關(guān)注與日俱增,企業(yè)、投資者、技術(shù)開發(fā)者都在積極探索大模型技術(shù)在更多垂直行業(yè)的結(jié)合與應(yīng)用,以期在市場(chǎng)中獲得先機(jī)。大模型的深入應(yīng)用不僅關(guān)乎技術(shù)的進(jìn)步,產(chǎn)業(yè)生態(tài)的構(gòu)建,還關(guān)系到各類行業(yè)業(yè)務(wù)模式的創(chuàng)新。生成式Al在幫助企業(yè)降本增效、改善體驗(yàn)和產(chǎn)品創(chuàng)新方面的能力逐漸得到落地印證生成式A為企業(yè)產(chǎn)帶來的改變已經(jīng)發(fā)生,尤其在降本增效、改善體驗(yàn)和產(chǎn)品創(chuàng)新方面,其潛力和效果正在逐漸得到印證。在降本增效方面,生成式Al能夠自動(dòng)化和智能化處理大量數(shù)據(jù)和信息,企業(yè)能夠降低運(yùn)營(yíng)成本,提高決策效率。例如大模型技術(shù)在物流行業(yè)的智能航線規(guī)劃、貨運(yùn)裝載優(yōu)化、船舶調(diào)度等方面的應(yīng)用,可以提高物流效率,降低運(yùn)營(yíng)風(fēng)險(xiǎn)。在改善用戶體驗(yàn)方面,生成式A帶來全新的人機(jī)交互體驗(yàn),能夠提供更有溫度、更有深度、智能化的服務(wù)。螞蟻集團(tuán)推動(dòng)AI技術(shù)落地"三個(gè)管家",覆蓋金融理財(cái)、生活服務(wù)、醫(yī)療健康這三個(gè)大眾焦點(diǎn)場(chǎng)景。其中,Al金融管家"螞小財(cái)",專注理財(cái)和保險(xiǎn)專業(yè)知識(shí)問答,提供行情解讀、持倉(cāng)分析、保險(xiǎn)配置和投教科普等個(gè)性化服務(wù),讓每個(gè)投資者都有一個(gè)私人金融助理。截至2024年6月末,月活用戶已經(jīng)超5908萬人,用戶日均使用559萬次,當(dāng)月平均每位用戶使用約2.8次。在推動(dòng)產(chǎn)品創(chuàng)新方面,借助生成式A可為用戶提供更加個(gè)性化和高效的產(chǎn)品服務(wù)。如大模型技術(shù)對(duì)WPS產(chǎn)品創(chuàng)新的推動(dòng),WPSAl錨定AIGC內(nèi)容創(chuàng)作、copilot智慧助理、Insight知識(shí)洞察三個(gè)戰(zhàn)略發(fā)展方向,得益于WpsA的發(fā)布,WPS為用戶提供了更加絲滑、高效的辦公體驗(yàn)。大模型的發(fā)展或需更長(zhǎng)的新技術(shù)周期,但各參與方對(duì)其商業(yè)化仍持樂觀態(tài)度對(duì)于大模型技術(shù)發(fā)展開啟的新一輪技術(shù)周期,商業(yè)化前景被普遍看好。一方面,2023年以來我國(guó)大模型數(shù)量井噴,各類技術(shù)廠商紛涌入局。自2023年3月openAI發(fā)布GPT-4以來,國(guó)內(nèi)迅速響應(yīng),大型科技企業(yè)、初創(chuàng)企業(yè)、高校和研究機(jī)構(gòu)等紛紛加入大模型研發(fā),"百模大戰(zhàn)"由此開啟。截至2024年3月,中國(guó)10億參數(shù)規(guī)模以上的大模型數(shù)量已超100個(gè),形成上百種應(yīng)用模式。另一方面,大模型的類型也在不斷豐富。從最初的語言模型如GPT系列,到后來的多模態(tài)模型,如DALL-E和CLIP,再到專門為特定行業(yè)定制的垂直領(lǐng)域模型,大模型技術(shù)呈現(xiàn)出多樣化的發(fā)展趨勢(shì)。這些模型在參數(shù)規(guī)模、訓(xùn)練數(shù)據(jù)、應(yīng)用場(chǎng)景等方面各具特色,滿足不同行業(yè)和領(lǐng)域的個(gè)性化需求。例如,一些模型專注于醫(yī)療健康領(lǐng)域,能夠輔助醫(yī)生進(jìn)行疾病診斷和研究;另一些專注于金融行業(yè),提供風(fēng)險(xiǎn)評(píng)估和市場(chǎng)分析等。資本市場(chǎng)對(duì)大模型企業(yè)的投資熱情高漲,展現(xiàn)出對(duì)大模型技術(shù)未來前景和商業(yè)潛力的樂觀態(tài)度。盡管2023年投融資整體行業(yè)遇冷,但Al行業(yè)融資的形勢(shì)相對(duì)仍處于比較熱門的狀態(tài),如阿里巴巴、騰訊、螞蟻等科技公司參與大模型領(lǐng)域創(chuàng)業(yè)公司投資,反映出市場(chǎng)對(duì)大模型前景的看好。進(jìn)入2024年,大模型廠商之間開始出現(xiàn)明顯的價(jià)格競(jìng)爭(zhēng)與市場(chǎng)份額搶占,競(jìng)爭(zhēng)加劇,體現(xiàn)對(duì)大模型未來商業(yè)價(jià)值的看好。各家大模型廠商的競(jìng)爭(zhēng)點(diǎn)已不再局限于技術(shù),而是擴(kuò)展到了價(jià)格以及具體的落地場(chǎng)景。大型科技企業(yè)開始加大開源力度,以擴(kuò)大自身大模型生態(tài)影響力,扶持更多AI原生應(yīng)用創(chuàng)新?？偟膩砜?雖然大模型技術(shù)和商業(yè)模式還有待進(jìn)一步的發(fā)展與完善,但是從行業(yè)層面來看,各參與方對(duì)大模型的持續(xù)發(fā)展和未來的商業(yè)化應(yīng)用前景呈現(xiàn)出明顯的樂觀態(tài)度。IDC預(yù)測(cè),到2027年,中國(guó)的AI技術(shù)用戶對(duì)AI相關(guān)的軟件、03硬件、服務(wù)總投入將達(dá)到約407億元,2023-2027年的CAGR達(dá)到20%,約占2027年整體IT支出(軟件、硬件、服務(wù)總支出)的11%。金融機(jī)構(gòu)有望用大模型繪制未來金融藍(lán)圖金融業(yè)在我國(guó)經(jīng)濟(jì)中舉足輕重,金融機(jī)構(gòu)通過提供資金流動(dòng)和管理服務(wù),為個(gè)人、企業(yè)和政府的各種經(jīng)濟(jì)活動(dòng)提供必要的資金支持。金融行業(yè)的數(shù)智化建設(shè)對(duì)于提升金融服務(wù)效率、促進(jìn)金融資源的有效配置有重大作用。大模型技術(shù)的引入,被視為推動(dòng)金融行業(yè)智能化進(jìn)程的關(guān)鍵力量?！贰芬环矫?金融行業(yè)產(chǎn)生和依賴大量數(shù)據(jù),其決策過程高度依賴于數(shù)據(jù)的獲取和高效利用,對(duì)科技與業(yè)務(wù)的深度融合、跨領(lǐng)域知識(shí)的整合與分析等綜合能力具備高要求?！贰妨硪环矫?不同于一般行業(yè),我國(guó)金融行業(yè)具有強(qiáng)監(jiān)管的特殊性。金融風(fēng)險(xiǎn)涉及面廣且具備傳染性,需要快速識(shí)別并響應(yīng),充分防范系統(tǒng)性金融風(fēng)險(xiǎn)。因此金融行業(yè)的數(shù)智化建設(shè)需要滿足強(qiáng)監(jiān)管的要求,不僅要實(shí)現(xiàn)業(yè)務(wù)經(jīng)營(yíng)管理智能化,還要達(dá)成關(guān)鍵技術(shù)自主可控、防范金融風(fēng)險(xiǎn)等目標(biāo)。大模型技術(shù)的引入,有望助力金融機(jī)構(gòu)突破瓶頸,在多個(gè)層面推進(jìn)智能化的建設(shè)進(jìn)程。通過大模型提供深度學(xué)習(xí)和自然語言處理的強(qiáng)大能力,可持續(xù)推動(dòng)金融基礎(chǔ)設(shè)施的重塑、金融科技創(chuàng)新、服務(wù)效率提升、安全與風(fēng)險(xiǎn)防范增強(qiáng),并助力金融機(jī)構(gòu)實(shí)現(xiàn)可持續(xù)發(fā)展,重塑金融服務(wù)的面貌。例如人工智能在信貸風(fēng)險(xiǎn)管理領(lǐng)域的運(yùn)用可提升銀行的資產(chǎn)轉(zhuǎn)化能力,突破傳統(tǒng)風(fēng)險(xiǎn)管理措施的局限。大模型在金融行業(yè)的應(yīng)用前景廣闊,圍繞A價(jià)值實(shí)現(xiàn)、A大模型在金融行業(yè)應(yīng)用生態(tài)演化以及確保AI的負(fù)責(zé)任應(yīng)用,構(gòu)成了金融行業(yè)智能化的重要研究課題,也是實(shí)現(xiàn)A在金融行業(yè)價(jià)值實(shí)現(xiàn)的關(guān)鍵。04Al大模型在金融領(lǐng)域應(yīng)用及發(fā)展框架解析AI技術(shù)在金融機(jī)構(gòu)中的廣泛和深入應(yīng)用對(duì)提升整體金融行業(yè)的運(yùn)行效率、服務(wù)范圍和質(zhì)量具有重要意義。螞蟻集團(tuán)研究院認(rèn)為,生成式A金融行業(yè)價(jià)值目標(biāo)的實(shí)現(xiàn)應(yīng)從負(fù)責(zé)任Al(RAl)、A價(jià)值、A生態(tài)三個(gè)角度來實(shí)現(xiàn)。以負(fù)責(zé)任AI作為基石和底線,遵守監(jiān)管要求與商業(yè)道德,防范A在金融行業(yè)中應(yīng)用的風(fēng)險(xiǎn),維護(hù)金融行業(yè)穩(wěn)定性,是實(shí)現(xiàn)A在金融行業(yè)價(jià)值釋放的前提,讓每個(gè)金融機(jī)構(gòu)都能在A價(jià)值發(fā)揮方面實(shí)現(xiàn)進(jìn)階。在此基礎(chǔ)上,通過大模型在金融領(lǐng)域的應(yīng)用中各類參與方的協(xié)同,形成逐漸完善健康的大模型在金融領(lǐng)域的應(yīng)用生態(tài),為不同的資金實(shí)力、技術(shù)基礎(chǔ)的金融機(jī)構(gòu)提供適合的A服務(wù),助力A在金融行業(yè)的普惠性應(yīng)用,發(fā)揮A對(duì)金融機(jī)構(gòu)業(yè)務(wù)的分場(chǎng)景、分程度的賦能,實(shí)現(xiàn)Al應(yīng)用價(jià)值的指數(shù)化提升。生成式A生成式A金融行業(yè)應(yīng)用價(jià)值負(fù)責(zé)任AlXAl價(jià)值生態(tài)來源:螞蟻集團(tuán)研究院繪制05使用大模型的金融機(jī)構(gòu)數(shù)量隨著大模型應(yīng)用生態(tài)從私有化到云化再到平臺(tái)化演變,金融機(jī)構(gòu)的AI使用成本降低,生態(tài)的開放共享程度提升,且各類資源愈發(fā)得到充分整合與利用。Al價(jià)值與在不同場(chǎng)景中所實(shí)現(xiàn)的功能密切相關(guān)。越靠近業(yè)務(wù)決策,使用大模型的金融機(jī)構(gòu)數(shù)量隨著大模型應(yīng)用生態(tài)從私有化到云化再到平臺(tái)化演變,金融機(jī)構(gòu)的AI使用成本降低,生態(tài)的開放共享程度提升,且各類資源愈發(fā)得到充分整合與利用。Al價(jià)值與在不同場(chǎng)景中所實(shí)現(xiàn)的功能密切相關(guān)。越靠近業(yè)務(wù)決策,Al產(chǎn)生的業(yè)務(wù)收益、成本節(jié)約、效率提升的價(jià)值賦能不斷加強(qiáng)。A\長(zhǎng)尾金融機(jī)構(gòu)中型金融機(jī)構(gòu)頭部金融機(jī)構(gòu)私有化生態(tài)云化生態(tài)平臺(tái)化生態(tài)隨著金融機(jī)構(gòu)對(duì)負(fù)責(zé)任Al三大層次的推進(jìn),對(duì)用戶信任度的提升作用也會(huì)逐漸增強(qiáng)。用戶信任度提升來源:螞蟻集團(tuán)研究院繪制》》A價(jià)值三層次:A價(jià)值隨著工具輔助、信息處理、業(yè)務(wù)決策功能進(jìn)階,越靠近決策功能,任務(wù)引領(lǐng)層次越高,所產(chǎn)生的業(yè)務(wù)收益、成本節(jié)約、效率提升的價(jià)值賦能也不斷加強(qiáng)?！贰坟?fù)責(zé)任Al三層次:RA分為嚴(yán)謹(jǐn)安全、公平透明、用戶為先三層次,隨著負(fù)責(zé)任AI逐層推進(jìn),對(duì)用戶信任度的提升作用逐漸增強(qiáng)?！贰飞鷳B(tài)演進(jìn)三階段:生態(tài)演進(jìn)分為私有化生態(tài)、云化生態(tài)和平臺(tái)化生態(tài)三階段,隨著應(yīng)用生態(tài)衍化,大模型易用性和金融機(jī)構(gòu)的可得性提升,生態(tài)開放共享程度提高。1.1金融行業(yè)Al價(jià)值評(píng)估方法目前金融機(jī)構(gòu)通過使用生成式Al,在單點(diǎn)的業(yè)務(wù)場(chǎng)景上降低成本、提高人效等價(jià)值已經(jīng)逐漸得到驗(yàn)證,但是要系統(tǒng)性的評(píng)估和反映AI對(duì)金融行業(yè)的價(jià)值提升,需要建立在更加全面、深入地將A嵌入金融行業(yè)場(chǎng)景和服務(wù)環(huán)節(jié)的基礎(chǔ)上。Al價(jià)值的體現(xiàn)與不同的場(chǎng)景所對(duì)應(yīng)的業(yè)務(wù)特性強(qiáng)弱有關(guān)。不同的場(chǎng)景所具備的金融業(yè)務(wù)屬性強(qiáng)弱有差異,通常而言,業(yè)務(wù)屬性越強(qiáng)的場(chǎng)景,A的成本收益改善價(jià)值的潛力越大。因此,A對(duì)金融機(jī)構(gòu)的價(jià)值體現(xiàn)在業(yè)務(wù)運(yùn)營(yíng)、風(fēng)險(xiǎn)管理、用戶服務(wù)和決策制定等多個(gè)方面,而具體的價(jià)值大小與作用根據(jù)應(yīng)用場(chǎng)景的不同而不同。例如在用戶服務(wù)層面,智能客服和聊天機(jī)器人可以提供7*24服務(wù),不再受限于工作時(shí)間和人員能力,快速響應(yīng)用戶需求,提升服務(wù)體驗(yàn);在風(fēng)險(xiǎn)管理場(chǎng)景中,A可以實(shí)時(shí)監(jiān)控市場(chǎng)動(dòng)態(tài),預(yù)測(cè)多種風(fēng)險(xiǎn)因素,提供更準(zhǔn)確的風(fēng)險(xiǎn)評(píng)估和預(yù)警,從而突破基于歷史數(shù)據(jù)和有限的變量帶來的對(duì)風(fēng)險(xiǎn)因素捕捉不全面的限制。在此二類場(chǎng)景中,風(fēng)險(xiǎn)管理作為金融機(jī)構(gòu)業(yè)務(wù)開展的核心,具備更強(qiáng)的金融業(yè)務(wù)屬性,A所能賦予的成本收益改善的價(jià)值潛力更大。除了應(yīng)用場(chǎng)景對(duì)A總價(jià)值的影響之外,Al價(jià)值還與AI應(yīng)用的深度有關(guān),不同的應(yīng)用深度對(duì)應(yīng)著不同的AI增強(qiáng)系數(shù)。即使在同一場(chǎng)景中,AI應(yīng)用的深度不同,所發(fā)揮的價(jià)值大小也不同。在應(yīng)用場(chǎng)景不變的情況下,AI總價(jià)值隨著AI應(yīng)用深度的加深而增加。因此衡量大模型的使用為金融機(jī)構(gòu)帶來的價(jià)值提升,需要考慮與原有業(yè)務(wù)規(guī)模對(duì)比,AI應(yīng)用的不同場(chǎng)景、不同的業(yè)務(wù)環(huán)節(jié)的特性以及與AI應(yīng)用深度相關(guān)的增強(qiáng)系數(shù),才能更加科學(xué)的衡量A所帶來的總價(jià)值變化。我們采用如下公式表達(dá):081.2A價(jià)值層次和場(chǎng)景價(jià)值1.2.1AI價(jià)值實(shí)現(xiàn)的三大層次A價(jià)值的發(fā)揮與A在不同場(chǎng)景應(yīng)用中所實(shí)現(xiàn)的功能屬性密切相關(guān)。在不同場(chǎng)景中,A的應(yīng)用基本圍繞著工具輔助、信息處理、業(yè)務(wù)決策來發(fā)揮其價(jià)值。根據(jù)AI的智能化程度以及與不同場(chǎng)景的應(yīng)用深度,A實(shí)現(xiàn)著從任務(wù)執(zhí)行工具到信息處理再到業(yè)務(wù)決策的不同功能。在此過程中,越靠近決策功能,任務(wù)引領(lǐng)層次越高,AI的實(shí)現(xiàn)難度加大,越需要具備金融領(lǐng)域的專業(yè)知識(shí)和專家思維能力,所產(chǎn)生的業(yè)務(wù)收益、成本節(jié)約、效率提升的價(jià)值賦能也不斷加強(qiáng)。需要金融行業(yè)的領(lǐng)域知識(shí)與業(yè)務(wù)邏輯需要金融行業(yè)的領(lǐng)域知識(shí)與業(yè)務(wù)邏輯。側(cè)重于信息處理和業(yè)務(wù)分析。。側(cè)重于信息處理和業(yè)務(wù)分析。需要處理較密集的信息,且需要具備一定程度的金融領(lǐng)域知識(shí)。側(cè)重于深度分析和專業(yè)決策。需要處理復(fù)雜信息且具備大量金融專家知識(shí),提供決策支持側(cè)重于自動(dòng)化和效率提升適用于預(yù)設(shè)規(guī)則下的重復(fù)性任務(wù)執(zhí)行來源:螞蟻集團(tuán)研究院&來源:螞蟻集團(tuán)研究院&IDC繪制0909工具輔助功能進(jìn)行基礎(chǔ)任務(wù)的自動(dòng)化執(zhí)行AI在金融機(jī)構(gòu)較為初級(jí)的功能通常表現(xiàn)為作為工具用于自動(dòng)化的任務(wù)執(zhí)行。典型應(yīng)用為在輔助研發(fā)的場(chǎng)景中執(zhí)行代碼輔助生成與檢查等任務(wù)、在辦公助手中執(zhí)行文案翻譯、紀(jì)要生成、文案輔助等任務(wù),此階段不涉及強(qiáng)業(yè)務(wù)屬性的復(fù)雜分析類任務(wù),通常按照預(yù)設(shè)的規(guī)則進(jìn)行指定任務(wù)的執(zhí)行,可以輔助金融機(jī)構(gòu)提升效率,降低成本。例如在自動(dòng)化報(bào)告生成的任務(wù)中,A可以自動(dòng)收集和分析數(shù)據(jù),生成日常、周度、月度的財(cái)務(wù)或業(yè)務(wù)報(bào)告,可節(jié)省人工整理數(shù)據(jù)和編寫報(bào)告的時(shí)間?！ば畔⑻幚砉δ馨l(fā)揮金融業(yè)務(wù)助理作用,進(jìn)行復(fù)雜金融領(lǐng)域信息的識(shí)別與分析Al實(shí)現(xiàn)信息處理功能時(shí),通常扮演著信息助手和業(yè)務(wù)助理的角色,適用于滿足處理和分析大量復(fù)雜金融領(lǐng)域相關(guān)數(shù)據(jù)的功能需求,如市場(chǎng)研究、用戶數(shù)據(jù)和行為數(shù)據(jù)分析等。在此類功能實(shí)現(xiàn)中,AI需要輔助金融機(jī)構(gòu)處理信息密集型任務(wù),更有效地處理、分析和整理大量非結(jié)構(gòu)化數(shù)據(jù),如文本、語音、圖像等,快速識(shí)別模式和趨勢(shì),提取關(guān)鍵信息,提供深入的業(yè)務(wù)洞察。這一層級(jí)的應(yīng)用有部分金融機(jī)構(gòu)正在探索中,對(duì)技術(shù)和人才等層面的投入要求相對(duì)較高。業(yè)務(wù)決策功能發(fā)揮金融專家的作用,通過輔助決策實(shí)現(xiàn)業(yè)務(wù)閉環(huán)在決策功能層面,A需要具備金融專家的認(rèn)知與思維,在前兩層功能的基礎(chǔ)上,通過輔助決策完成業(yè)務(wù)閉環(huán)。在這一功能中,Al不僅需要綜合多源信息和數(shù)據(jù)進(jìn)行深度分析,還需要運(yùn)用專家知識(shí)和經(jīng)驗(yàn)進(jìn)行復(fù)雜的推理和判斷,從而發(fā)揮決策功能。在金融機(jī)構(gòu)中,通過對(duì)AI的深度應(yīng)用,Al參與業(yè)務(wù)決策,運(yùn)用先進(jìn)的算法和模型,提供專業(yè)的金融見解和建議,可以幫助金融機(jī)構(gòu)在競(jìng)爭(zhēng)激烈的市場(chǎng)中做出更科學(xué)敏捷的決策,還能減輕對(duì)專家技術(shù)的依賴和降低人才流動(dòng)帶來的風(fēng)險(xiǎn)。當(dāng)前對(duì)金融機(jī)構(gòu)而言這一層面的AI功能還欠缺成熟性,需要進(jìn)一步發(fā)展。全面賦能保險(xiǎn)服務(wù)鏈條A全面賦能保險(xiǎn)服務(wù)鏈條AI價(jià)值實(shí)現(xiàn)三層次信息處理(即時(shí)問答)121.2.2AI場(chǎng)景價(jià)值進(jìn)階在應(yīng)用程度足夠深、各層面功能充分實(shí)現(xiàn)的前提下,A對(duì)金融機(jī)構(gòu)的價(jià)值與不同的應(yīng)用場(chǎng)景相關(guān)。A在金融機(jī)構(gòu)中應(yīng)用的場(chǎng)景具備業(yè)務(wù)屬性的強(qiáng)弱之分,隨著應(yīng)用場(chǎng)景從業(yè)務(wù)邊緣到核心,A對(duì)金融機(jī)構(gòu)的價(jià)值逐漸增大。同時(shí)金融業(yè)務(wù)具備較高的復(fù)雜性和不確定性,決策難度越高的場(chǎng)景,AI決策功能的價(jià)值體現(xiàn)越明顯和關(guān)鍵,對(duì)金融機(jī)構(gòu)的價(jià)值賦能也越大。場(chǎng)景規(guī)模大小任務(wù)的復(fù)雜度低高(注:氣泡大小代表各場(chǎng)景在充分實(shí)現(xiàn)Al各功能的前提下,對(duì)金融機(jī)構(gòu)的價(jià)值賦能空間)來源:螞蟻集團(tuán)研究院&IDC,2024年基于調(diào)研和專家深訪研究繪制當(dāng)前金融機(jī)構(gòu)的A價(jià)值實(shí)現(xiàn)任重道遠(yuǎn)。根據(jù)IDC對(duì)金融機(jī)構(gòu)在不同場(chǎng)景AI應(yīng)用情況的調(diào)研,當(dāng)前已經(jīng)應(yīng)用AI技術(shù)的金融機(jī)構(gòu)大多在通用運(yùn)營(yíng)類場(chǎng)景和邊緣業(yè)務(wù)類場(chǎng)景進(jìn)行探索與應(yīng)用,對(duì)于核心業(yè)務(wù)類場(chǎng)景的應(yīng)用相對(duì)較少。同時(shí)針對(duì)每個(gè)場(chǎng)景的AI功能實(shí)現(xiàn)層面,即從任務(wù)執(zhí)行屬性的工具輔助功能到信息處理功能再到業(yè)務(wù)決策功能的不同層面,當(dāng)前金融機(jī)構(gòu)除了在智能客服場(chǎng)景中AI應(yīng)用較為深入且功能實(shí)現(xiàn)較為成熟之外,在其他場(chǎng)景的應(yīng)用還有望持續(xù)加深。尤其在核心業(yè)務(wù)場(chǎng)景中的應(yīng)用主要集中在較為淺層的工具功能層面,需要更長(zhǎng)時(shí)間去實(shí)現(xiàn)更復(fù)雜的決策功能,因此對(duì)應(yīng)的A價(jià)值潛力還需要更長(zhǎng)時(shí)間的深入應(yīng)用才能充分發(fā)揮。智能投顧定期報(bào)告輔助生成市場(chǎng)趨勢(shì)分析、用戶資產(chǎn)配置建議、投資策略優(yōu)化自動(dòng)化投資建議和資產(chǎn)管理智能投研交互式投研工具信息聚合與摘要、自動(dòng)化報(bào)告生成市場(chǎng)趨勢(shì)預(yù)測(cè)、投資建議生成智能風(fēng)控法律文本智能合規(guī)審查知識(shí)庫(kù)問答/風(fēng)險(xiǎn)管理報(bào)告生成/客戶行為分析/客戶信用評(píng)分自動(dòng)化信貸審批、交易授權(quán)等決策智能客服坐席助手、客服話術(shù)生成產(chǎn)品知識(shí)與服務(wù)信息提取自動(dòng)化客服接待智能營(yíng)銷產(chǎn)品/營(yíng)銷話術(shù)、營(yíng)銷材料生成客戶畫像、潛客識(shí)別產(chǎn)品策略推薦/自動(dòng)化營(yíng)銷智能研發(fā)代碼生成與補(bǔ)全、代碼審查與問題定位修復(fù)個(gè)性化研發(fā)助手金融產(chǎn)品創(chuàng)新與金融產(chǎn)品模型驗(yàn)證智能運(yùn)維自動(dòng)化測(cè)試與監(jiān)控多模態(tài)數(shù)據(jù)分析、自動(dòng)化告警處理自動(dòng)化報(bào)告生成與運(yùn)維決策支持智能辦公智能文檔處理(專業(yè)知識(shí)、法律法規(guī)、競(jìng)品信息)自動(dòng)化決策和流程執(zhí)行(注:陰影長(zhǎng)度代表本調(diào)研中金融機(jī)構(gòu)在相應(yīng)時(shí)間階段內(nèi)的對(duì)應(yīng)AI應(yīng)用落地的累計(jì)樣本比例)來源:IDC中國(guó)2024,基于調(diào)研和專家深訪研究繪制131.3金融機(jī)構(gòu)AI應(yīng)用現(xiàn)狀金融機(jī)構(gòu)視角下的大模型對(duì)行業(yè)變革的預(yù)期、現(xiàn)狀與投入計(jì)劃根據(jù)IDC對(duì)金融機(jī)構(gòu)的調(diào)研,63.3%的受訪機(jī)構(gòu)普遍認(rèn)為當(dāng)前階段最具潛力的價(jià)值作用集中在工具功能層面,用于任務(wù)的自動(dòng)化執(zhí)行;63.3%的受訪機(jī)構(gòu)認(rèn)為以金融專家知識(shí)與思維參與決策的功能預(yù)計(jì)在3-5年內(nèi)可發(fā)揮價(jià)值潛力。從不同的AI功能層面看,由于工具功能較為初級(jí)和淺層,是當(dāng)前多數(shù)金融機(jī)構(gòu)在AI應(yīng)用中相對(duì)容易實(shí)現(xiàn)的功能,對(duì)應(yīng)的潛力也在當(dāng)前釋放較為明顯;而信息處理功能、業(yè)務(wù)決策功能難度遞增,當(dāng)前金融機(jī)構(gòu)普遍還未有充分應(yīng)用,因此對(duì)應(yīng)的價(jià)值潛力在當(dāng)前體現(xiàn)不明顯。隨著各方面技術(shù)逐漸成熟以及金融機(jī)構(gòu)對(duì)AI的應(yīng)用程度加深,金融機(jī)構(gòu)預(yù)計(jì)在未來3-5年內(nèi)AI的決策功能將發(fā)揮更加充分的價(jià)值潛力。因此,在當(dāng)前至未來5年內(nèi),絕大部分的AI工具功能、信息功能和決策功能對(duì)應(yīng)的價(jià)值潛力逐漸達(dá)到實(shí)現(xiàn)的高峰,而5年后預(yù)計(jì)金融機(jī)構(gòu)將持續(xù)優(yōu)化Al在復(fù)雜決策中的應(yīng)用,從而得以進(jìn)一步發(fā)揮其價(jià)值潛力。70.0%60.0%50.0%40.0%30.0%20.0%10.0%0.0%63.3%63.3%48.3%38.3%283%21.7%150%13.3%8.3%當(dāng)前3-5年內(nèi)5年后工具類信息和業(yè)務(wù)助理類復(fù)雜業(yè)務(wù)決策類來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N=60*工具類(文案、代碼、翻譯等任務(wù)執(zhí)行類功能)信息和業(yè)務(wù)助理類(智能化知識(shí)抽取、金融知識(shí)的理解和生成、政策研報(bào)分析等專業(yè)領(lǐng)域信息處理)復(fù)雜業(yè)務(wù)決策類(信貸審批決策、理財(cái)投顧建議等復(fù)雜信息分析與決策)14營(yíng)收增長(zhǎng)成本節(jié)約工作效率提升客戶體驗(yàn)提升風(fēng)控合規(guī)優(yōu)化在當(dāng)前金融機(jī)構(gòu)的AI投入產(chǎn)出比方面,根據(jù)IDC的調(diào)研,目前除了營(yíng)收增長(zhǎng)方面的成果尚未看到明顯的量化收益之外,在成本節(jié)約、效率提升、用戶體驗(yàn)、風(fēng)控合規(guī)方面都取得了小幅提升,其他層面的收益預(yù)計(jì)在未來逐步實(shí)現(xiàn)。出于對(duì)大模型在金融領(lǐng)域商業(yè)化進(jìn)程的判斷,金融機(jī)構(gòu)預(yù)計(jì)營(yíng)收增長(zhǎng)的成果需要2-3年后實(shí)現(xiàn)。營(yíng)收增長(zhǎng)成本節(jié)約工作效率提升客戶體驗(yàn)提升風(fēng)控合規(guī)優(yōu)化0.0%20.0%40.0%60.0%80.0%100.0%時(shí)間不夠/無法量化小幅提升(<10%)顯著提升(10%-50%).革新提升(>50%)來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N=60從預(yù)算投入趨勢(shì)看,金融機(jī)構(gòu)未來對(duì)大模型相關(guān)的投入較為積極。調(diào)研顯示,過半樣本(51.7%)的受訪機(jī)構(gòu)表示在未來18個(gè)月內(nèi)用于生成式AI項(xiàng)目的IT預(yù)算將占總預(yù)算的10%-19%內(nèi)。相比于前文IDC最新的ITSpending數(shù)據(jù)測(cè)算中整體AI技術(shù)用戶的大模型/生成式AI預(yù)算占IT總預(yù)算的11%,金融行業(yè)用戶的投入呈現(xiàn)較為積極的態(tài)度。1555.0%51.7%21.7%1.7%20.0%AI投入占IT預(yù)算的比例30%-39%20%-29%10%-19%5%-9%1%-4%來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N-60生成式A的應(yīng)用正在從內(nèi)部運(yùn)營(yíng)走向業(yè)務(wù)場(chǎng)景,金融業(yè)務(wù)屬性逐漸增強(qiáng)A大模型向金融垂直領(lǐng)域發(fā)展的最終目的是服務(wù)業(yè)務(wù)經(jīng)營(yíng)和管理場(chǎng)景。隨著金融領(lǐng)域垂直大模型技術(shù)的深入發(fā)展,未來大模型在金融領(lǐng)域的應(yīng)用將更多地觸及金融核心業(yè)務(wù),減少對(duì)人的依賴程度,實(shí)現(xiàn)真正意義的"AI+"的效果。目前,金融機(jī)構(gòu)主要在內(nèi)部運(yùn)營(yíng)中應(yīng)用生成式Al,如自動(dòng)化報(bào)告生成、研發(fā)助手(代碼輔助生成等)、會(huì)議紀(jì)要生成與文案翻譯等,以提高員工效率。部分的金融機(jī)構(gòu)也正在開始將其應(yīng)用于邊緣業(yè)務(wù)場(chǎng)景,例如用戶服務(wù)中的智能客服機(jī)器人、社交媒體監(jiān)控等。當(dāng)前金融機(jī)構(gòu)在核心業(yè)務(wù)場(chǎng)景中的應(yīng)用還處于早期探索階段,關(guān)鍵核心業(yè)務(wù)的使用程度有限。未來在大模型技術(shù)成熟和風(fēng)險(xiǎn)管理能力進(jìn)一步提升后,金融機(jī)構(gòu)有望使A在信貸評(píng)估、投資策略制定、資產(chǎn)管理等核心業(yè)務(wù)場(chǎng)景中應(yīng)用得更加充分。1.4四大能力幫助金融機(jī)構(gòu)實(shí)現(xiàn)AI價(jià)值進(jìn)階數(shù)據(jù)能力(數(shù)據(jù)收集、清洗、標(biāo)注等數(shù)據(jù)治理能力)金融場(chǎng)景中的多智能體應(yīng)用探索RAG(檢索增強(qiáng)生成)的探索以增強(qiáng)生成內(nèi)容的準(zhǔn)確性多模型、大小模型的協(xié)同和能力結(jié)合工程化工具的使用與探索隨著金融機(jī)構(gòu)對(duì)AI的使用程度從淺到深、從邊緣到核心的不同層次的遞進(jìn),A發(fā)揮的價(jià)值也隨著使用應(yīng)用場(chǎng)景的拓展與應(yīng)用程度的深入而逐漸提升。金融機(jī)構(gòu)需要建設(shè)多個(gè)層面的能力支撐AI應(yīng)用的廣度與深度拓展,提升Al價(jià)值層級(jí)。本白皮書研究認(rèn)為,數(shù)據(jù)基礎(chǔ)能力、RAG和A工程化工具、大小模型融合能力、多智能體協(xié)同應(yīng)用的探索能力構(gòu)成了實(shí)現(xiàn)Al價(jià)值進(jìn)階所需具備的能力圖譜。這也和本次調(diào)研結(jié)果,金融機(jī)構(gòu)的認(rèn)知基本一致。數(shù)據(jù)能力(數(shù)據(jù)收集、清洗、標(biāo)注等數(shù)據(jù)治理能力)金融場(chǎng)景中的多智能體應(yīng)用探索RAG(檢索增強(qiáng)生成)的探索以增強(qiáng)生成內(nèi)容的準(zhǔn)確性多模型、大小模型的協(xié)同和能力結(jié)合工程化工具的使用與探索367%6560.0%60.0%71.7%0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%70.0%80.0%來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N=60AI價(jià)值實(shí)現(xiàn)進(jìn)階之路增強(qiáng)復(fù)雜場(chǎng)景決策支持能力多智能體協(xié)同支持復(fù)雜專業(yè)決策提升金融場(chǎng)景適配能力生成式與判別式模型協(xié)同提升金融場(chǎng)景適配能力生成式與判別式模型協(xié)同,提升金融場(chǎng)景應(yīng)用的專業(yè)性和準(zhǔn)確性推動(dòng)Al在資產(chǎn)配置等金融核心業(yè)打通模型到應(yīng)用落地打通模型到應(yīng)用落地模型工程:按需適配模型,促進(jìn)成本效益平衡夯實(shí)大模型基石數(shù)據(jù)收集、清洗、夯實(shí)大模型基石數(shù)據(jù)收集、清洗、標(biāo)注、整合與提升信息精度和實(shí)時(shí)性治理,提升模型性能和輸出質(zhì)量來源:螞蟻集團(tuán)研究院&IDC繪制17(—)夯實(shí)大模型基石-打造堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)能力金融機(jī)構(gòu)的數(shù)據(jù)基礎(chǔ)能力是實(shí)現(xiàn)A價(jià)值的基石。數(shù)據(jù)是AI應(yīng)用的原材料,數(shù)據(jù)質(zhì)量和處理方式直接影響AI模型的性能和輸出結(jié)果。沒有準(zhǔn)確、安全、可靠的數(shù)據(jù),AI模型和系統(tǒng)就無法發(fā)揮其潛力,甚至可能產(chǎn)生誤導(dǎo)性的結(jié)果。大模型在金融領(lǐng)域的應(yīng)用需要具備金融行業(yè)的領(lǐng)域知識(shí)與業(yè)務(wù)邏輯理解能力,因此在指令微調(diào)、增量預(yù)訓(xùn)練等多個(gè)階段,都需要加入大量高質(zhì)量的金融數(shù)據(jù),以提升大模型的金融理解能力。建設(shè)目標(biāo)建設(shè)方法數(shù)據(jù)收集能夠從內(nèi)部和外部來源收集各種類型的數(shù)據(jù),包括交易數(shù)據(jù)、用戶互動(dòng)數(shù)據(jù)、市場(chǎng)數(shù)據(jù)等建立數(shù)據(jù)收集渠道,如自有數(shù)據(jù)、合作伙伴和公共數(shù)據(jù)源數(shù)據(jù)清洗清洗數(shù)據(jù)以提高數(shù)據(jù)質(zhì)量,包括處理缺失值、異常值和重復(fù)記錄開發(fā)自動(dòng)化的數(shù)據(jù)清洗流程,使用數(shù)據(jù)清洗工具,建立數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)數(shù)據(jù)標(biāo)注為非結(jié)構(gòu)化數(shù)據(jù)(如文本、圖像)提供標(biāo)簽,以便于機(jī)器學(xué)習(xí)模型的訓(xùn)練建立標(biāo)注團(tuán)隊(duì),開發(fā)或采用標(biāo)注工具,制定標(biāo)注指南和標(biāo)準(zhǔn)數(shù)據(jù)整合整合來自不同源和格式的數(shù)據(jù),形成統(tǒng)一的數(shù)據(jù)視圖使用ETL(提取、轉(zhuǎn)換、加載)工具,設(shè)計(jì)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖架構(gòu)數(shù)據(jù)治理制定數(shù)據(jù)管理政策和流程,確保數(shù)據(jù)的合規(guī)性、安全性和可訪問性建立數(shù)據(jù)治理框架,包括數(shù)據(jù)管理角色、策略、流程和指標(biāo)來源:螞蟻集團(tuán)研究院&IDC繪制(二)打通模型到應(yīng)用落地-應(yīng)用RAG檢索增強(qiáng)和AI工程化工具》》RAG增強(qiáng)生成內(nèi)容的準(zhǔn)確性RAG可降低傳統(tǒng)大型模型在特定領(lǐng)域知識(shí)更新和精確度方面的局限性。RAG可通過檢索組件實(shí)時(shí)訪問最新的數(shù)據(jù)和信息,實(shí)現(xiàn)知識(shí)的動(dòng)態(tài)更新,確保模型能利用最新的領(lǐng)域知識(shí)進(jìn)行回答;還可檢索領(lǐng)域特定的信息,提高模型在金融領(lǐng)域的專業(yè)性和精確度。通過RAG檢索到的專業(yè)可靠的信息補(bǔ)充到大模型中,增強(qiáng)對(duì)金融場(chǎng)景特定領(lǐng)域情境的理解,提高回答的相關(guān)性和準(zhǔn)確性。18》》A工程化工具的使用與探索金融機(jī)構(gòu)在大模型能力建設(shè)中,工程化工具的使用與探索是實(shí)現(xiàn)A能力高效、穩(wěn)定落地的關(guān)鍵。A工程化的作用不僅體現(xiàn)在AI開發(fā)過程中,也體現(xiàn)在大模型的規(guī)?；涞貞?yīng)用過程中。為真正實(shí)現(xiàn)大模型的場(chǎng)景落地,金融機(jī)構(gòu)需要構(gòu)建完整的、模型落地的工程化工具鏈,覆蓋從模型微調(diào)、數(shù)據(jù)工程、應(yīng)用開發(fā)、安全工程等一系列工具,從而達(dá)到便捷地調(diào)用大模型的效果。數(shù)據(jù)處理特征工程模型調(diào)參數(shù)據(jù)處理特征工程模型調(diào)參模型版本控制模型評(píng)估協(xié)作與開源生態(tài)數(shù)據(jù)循環(huán)模型微調(diào)數(shù)據(jù)管理模型微調(diào)數(shù)據(jù)管理來源:螞蟻集團(tuán)研究院繪制對(duì)于金融機(jī)構(gòu)而言,借助工程化工具能更好的達(dá)到4個(gè)層面的作用和效果,以實(shí)現(xiàn)系統(tǒng)化、可擴(kuò)展和可維護(hù)的AI應(yīng)用,充分發(fā)揮Al價(jià)值。首先,金融機(jī)構(gòu)需要工程化工具來支持大模型的開發(fā)和訓(xùn)練流程,包括數(shù)據(jù)處理、特征工程、模型調(diào)參等。其次,需要利用工程化工具對(duì)預(yù)訓(xùn)練的大模型進(jìn)行精調(diào),產(chǎn)生優(yōu)質(zhì)的場(chǎng)景應(yīng)用以適應(yīng)特定的金融業(yè)務(wù)場(chǎng)景。再次,工程化工具支持模型的版本控制、模型評(píng)估,確保模型的可維護(hù)性和可追溯性,實(shí)現(xiàn)服務(wù)度量和全面治理;最后,金融機(jī)構(gòu)可借助數(shù)據(jù)循環(huán)、社區(qū)等,實(shí)現(xiàn)引領(lǐng)創(chuàng)新與持續(xù)優(yōu)化,利用開源社區(qū)的力量,與其他機(jī)構(gòu)和開發(fā)者協(xié)作,共同推動(dòng)大模型技術(shù)的發(fā)展和應(yīng)用。綜上,AI工程化與大模型匯流,對(duì)于金融機(jī)構(gòu)而言可共同推動(dòng)AI應(yīng)用加速,實(shí)現(xiàn)更廣泛、更優(yōu)質(zhì)的場(chǎng)景落地,充分發(fā)揮Al價(jià)值。(三)提升金融場(chǎng)景適配能力-加強(qiáng)大小模型融合大模型融合能力建設(shè)是金融機(jī)構(gòu)提升AI應(yīng)用的關(guān)鍵,涉及根據(jù)自身情況選擇模型建設(shè)路徑、針對(duì)不同業(yè)務(wù)場(chǎng)景進(jìn)行模型能力匹配、大小模型的協(xié)同與多模型的集成、構(gòu)建豐富的場(chǎng)景模型工具以提高AI應(yīng)用的靈活性與質(zhì)量等全方位的能力建設(shè)。大小模型的協(xié)同和能力結(jié)合在金融場(chǎng)景中,生成內(nèi)容型的大模型與判別型的小模型相結(jié)合可共同實(shí)現(xiàn)模型的生成和辨識(shí)能力,從而獲得AI價(jià)值的提升。大模型在感知、認(rèn)知和交互領(lǐng)域具有顯著優(yōu)勢(shì),而各個(gè)專業(yè)小模型專注于特定問題或任務(wù),在特定領(lǐng)域(運(yùn)籌、量化、圖算法等)的表現(xiàn)更為優(yōu)異。因此,在實(shí)際應(yīng)用中,涉及嚴(yán)謹(jǐn)?shù)慕鹑跊Q策場(chǎng)景,應(yīng)優(yōu)先采用大小模型協(xié)同和能力結(jié)合,而非單獨(dú)依賴大模型。可以將大模型作為認(rèn)知和交互的中樞,而小模型則負(fù)責(zé)專業(yè)判斷和決策,通過大模型調(diào)度小模型共同完成復(fù)雜的推理和決策工作。大小模型的協(xié)同,旨在通過整合不同類型的模型來提高整體性能和適應(yīng)性,結(jié)合大模型的深度學(xué)習(xí)能力和小模型的靈活性與專業(yè)化,通過不同模型的協(xié)同與結(jié)合,金融機(jī)構(gòu)可以減少對(duì)單一模型的依賴,也更利于金融機(jī)構(gòu)實(shí)現(xiàn)成本效益的平衡。在此過程中,金融機(jī)構(gòu)需要進(jìn)行合理的模型選擇,根據(jù)不同的使用場(chǎng)景,結(jié)合不同模型的特定優(yōu)勢(shì),選擇不同規(guī)模的模型,結(jié)合多個(gè)模型的優(yōu)勢(shì),提高整體的預(yù)測(cè)準(zhǔn)確性和魯棒性。20。小模型數(shù)據(jù)預(yù)處理和特征提取。大模型個(gè)性化內(nèi)容生成。小模型數(shù)據(jù)預(yù)處理和特征提取。大模型個(gè)性化內(nèi)容生成。小模型風(fēng)險(xiǎn)評(píng)估和合規(guī)性檢查。交互式學(xué)習(xí)實(shí)時(shí)監(jiān)控和調(diào)整。報(bào)告和記錄角色:作為內(nèi)容生成器,用于生成投資建議報(bào)告、市場(chǎng)分析、個(gè)性化的投資組合方案等。功能:。利用市場(chǎng)數(shù)據(jù)、經(jīng)濟(jì)指標(biāo)、公司財(cái)報(bào)等信息,生成全面的市場(chǎng)趨勢(shì)分析。根據(jù)客戶的歷史交易記錄、風(fēng)險(xiǎn)偏好和投資目標(biāo),生成個(gè)性化的投資建議。。生成易于理解的投資教育內(nèi)容,幫助客戶更好地了解投資概念和市場(chǎng)動(dòng)態(tài)角色:作為分類器和辨識(shí)器,角色:作為分類器和辨識(shí)器,用于識(shí)別客戶的具體需求、風(fēng)險(xiǎn)等級(jí)和投資偏好。功能:分析客戶的交易歷史和行為模式,辨識(shí)其投資風(fēng)格和偏好。。通過客戶的反饋和互動(dòng),辨識(shí)服務(wù)優(yōu)化的方向和個(gè)性化服務(wù)的調(diào)整點(diǎn)。識(shí)別潛在的欺詐行為或異常交易模式,確保交易安全。來源:螞蟻集團(tuán)研究院&IDC繪制如上圖所示,以智能投顧服務(wù)場(chǎng)景為例,生成型的大模型作為內(nèi)容生成器,用于生成投資建議報(bào)告、市場(chǎng)分析、個(gè)性化的投資組合方案等。判別型的小模型作為分類器和辨識(shí)器,用于識(shí)別用戶的具體需求、風(fēng)險(xiǎn)等級(jí)和投資偏好。利用判別型小模型從原始數(shù)據(jù)中提取特征,如用戶偏好、交易模式等,將提取的特征輸入生成型大模型,生成個(gè)性化的投資建議和報(bào)告。使用判別型小模型對(duì)生成的內(nèi)容進(jìn)行風(fēng)險(xiǎn)評(píng)估和合規(guī)性檢查,確保建議的合理性和安全性。通過用戶的反饋,判別型小模型可以進(jìn)一步優(yōu)化特征提取的準(zhǔn)確性,同時(shí)生成型大模型根據(jù)反饋調(diào)整內(nèi)容生成。判別型小模型實(shí)時(shí)監(jiān)控市場(chǎng)變化和交易行為,生成型大模型根據(jù)監(jiān)控結(jié)果動(dòng)態(tài)調(diào)整投資建議。生成型大模型生成的報(bào)告和記錄可以用于內(nèi)部分析和外部審計(jì),判別型小模型確保記錄的準(zhǔn)確性和完整性。在此案例中,通過大小模型的結(jié)合,金融機(jī)構(gòu)能夠提供高度個(gè)性化和專業(yè)的智能投顧服務(wù),同時(shí)確保服務(wù)的安全性和合規(guī)性。21(四)增強(qiáng)復(fù)雜場(chǎng)景決策支持能力-探索多智能體協(xié)同的運(yùn)用隨著A在金融機(jī)構(gòu)的應(yīng)用逐漸進(jìn)入核心業(yè)務(wù)場(chǎng)景,決策屬性增強(qiáng),需要金融機(jī)構(gòu)探索智能體的應(yīng)用能力。AAgent(智能體)可以模擬專家決策過程,提供基于復(fù)雜數(shù)據(jù)分析的洞察,幫助金融機(jī)構(gòu)在風(fēng)險(xiǎn)管理、投資策略等方面做出更精準(zhǔn)的決策。引入AlAgent系統(tǒng),可輔助金融機(jī)構(gòu)處理單靠提示詞難以實(shí)現(xiàn)的復(fù)雜業(yè)務(wù)場(chǎng)景,進(jìn)而達(dá)到高效的自動(dòng)化決策。用戶可以使用AAgent輸出自己想要的、內(nèi)容可控的文本,且AlAgent具有自主學(xué)習(xí)和決策的能力,能夠根據(jù)實(shí)時(shí)市場(chǎng)狀況和投資者需求,動(dòng)態(tài)調(diào)整大模型和小模型的參數(shù)和行為。例如在金融交易自動(dòng)化場(chǎng)景中,AlAgent可以分析市場(chǎng)趨勢(shì),自動(dòng)執(zhí)行交易策略,在確保投資決策合理性的同時(shí),提高交易的速度和效率。從智能體到多智能體,是從更高的層面上處理具備多個(gè)環(huán)節(jié)的復(fù)雜專業(yè)任務(wù)時(shí)需要探索的能力。專業(yè)任務(wù)往往是多環(huán)節(jié)多分支的,各環(huán)節(jié)和分支的專業(yè)化分工會(huì)有更高效的Rol,因此產(chǎn)生了從智能體發(fā)展到多智能體的必要性。金融核心業(yè)務(wù)場(chǎng)景具備信息密集、知識(shí)密集、決策密集的特殊性,需同時(shí)考慮嚴(yán)謹(jǐn)性與專業(yè)性,因此需要大模型和多智能體各司其職。大模型負(fù)責(zé)壓入必要的知識(shí)和能力,多智能體裝載過程性專家經(jīng)驗(yàn)來保障嚴(yán)謹(jǐn)和專業(yè)。在多智能體的應(yīng)用中,由于涉及到多條分支環(huán)節(jié)的配合,因此需要根據(jù)不同的任務(wù)匹配不同的協(xié)同模式。例如螞蟻集團(tuán)開源多智能體框架agentuniverse,作為行業(yè)首個(gè)開源的金融領(lǐng)域多智能體技術(shù)框架,該框架核心提供了多智能體協(xié)作模式"PEER"(plan-Execute-Express-Review),有效提升大模型應(yīng)用于復(fù)雜金融場(chǎng)景的推理分析能力。同時(shí),agentuniverse允許開發(fā)者對(duì)多智能體協(xié)作模式進(jìn)行開發(fā)定制,可幫助開發(fā)者加快大模型技術(shù)在金融場(chǎng)景的落地研發(fā)。22金融知識(shí)挖掘資產(chǎn)/市場(chǎng)/行業(yè)分析新聞/政策/事件解讀公告金融知識(shí)挖掘資產(chǎn)/市場(chǎng)/行業(yè)分析新聞/政策/事件解讀公告1+4+11+4+1 專家分析框架金融知識(shí)庫(kù)PEER范式鳳凰大模型鳳凰大模型2.1什么是負(fù)責(zé)任Al本白皮書將負(fù)責(zé)任的人工智能(RAI)定義為以恪守嚴(yán)謹(jǐn)安全的監(jiān)管要求、遵循公平透明的行業(yè)規(guī)則、維護(hù)用戶為先的價(jià)值取向的方式進(jìn)行大模型和生成式AI的設(shè)計(jì)、開發(fā)和部署。RA專注于以符合用戶期望、組織價(jià)值觀和社會(huì)法律規(guī)范的方式開發(fā)和使用人工智能解決方案,它還包含了正確的計(jì)劃、監(jiān)督和治理。RAI的設(shè)計(jì)旨在確保企業(yè)中的AI使用以人為中心、符合科技倫理、安全可控。RAI要求金融機(jī)構(gòu)及其生態(tài)系統(tǒng)以有效、可擴(kuò)展和可適應(yīng)的方式負(fù)責(zé)任地使用Al。RAl不僅關(guān)乎技術(shù)的成功實(shí)施,還關(guān)系到金融機(jī)構(gòu)的監(jiān)管合規(guī),以及對(duì)用戶、對(duì)行業(yè)和對(duì)社會(huì)的責(zé)任。通過負(fù)責(zé)任地開發(fā)和部署Al,金融機(jī)構(gòu)可以確保技術(shù)進(jìn)步與商業(yè)目標(biāo)和社會(huì)價(jià)值相協(xié)調(diào)。RAI有助于金融機(jī)構(gòu)遵守監(jiān)管合規(guī)要求,減少違規(guī)風(fēng)險(xiǎn)和潛在的法律訴訟,并輔助實(shí)現(xiàn)維護(hù)金融系統(tǒng)穩(wěn)定的社會(huì)價(jià)值。螞蟻和IDC研究認(rèn)為,實(shí)施RAI將幫助金融機(jī)構(gòu)提升用戶信任度。用戶信任是金融機(jī)構(gòu)成功的關(guān)鍵。若金融機(jī)構(gòu)確保用戶的隱私安全、做到公平可信并遵守商業(yè)道德、以用戶價(jià)值為中心,則用戶會(huì)更容易信任該機(jī)構(gòu)從而成為長(zhǎng)期忠誠(chéng)用戶,進(jìn)而提升金融機(jī)構(gòu)的市場(chǎng)競(jìng)爭(zhēng)力,推動(dòng)金融行業(yè)高質(zhì)量發(fā)展。2.2負(fù)責(zé)任AI的三大層次根據(jù)RAI的定義和設(shè)計(jì)宗旨,負(fù)責(zé)任AI涵蓋了技術(shù)手段、監(jiān)管法規(guī)、道德倫理、利益取舍等多個(gè)方面。結(jié)合RAI提倡的價(jià)值觀,我們認(rèn)為RA分為"嚴(yán)謹(jǐn)安全、公平透明、用戶為先"三大遞進(jìn)的層次。隨著負(fù)責(zé)任Al三大層次的推進(jìn),對(duì)用戶信任度的提升作用也會(huì)逐漸增強(qiáng)。25用戶信任度提升用戶信任度提升來源:螞蟻集團(tuán)研究院繪制RAI的最低要求:嚴(yán)謹(jǐn)安全嚴(yán)謹(jǐn)安全是RAI的最低要求和基礎(chǔ)層次,金融機(jī)構(gòu)在AI應(yīng)用中做到嚴(yán)謹(jǐn)安全,是AI相關(guān)應(yīng)用結(jié)果符合監(jiān)管要求、降低法律風(fēng)險(xiǎn)和維護(hù)業(yè)務(wù)穩(wěn)定的基石,也是追求用戶滿意度的基礎(chǔ)。具體來說,嚴(yán)謹(jǐn)安全包含了隱私保護(hù)、數(shù)據(jù)安全和內(nèi)容嚴(yán)謹(jǐn)三大層面。隱私保護(hù),要求嚴(yán)謹(jǐn)?shù)貙?duì)待每一條用戶信息隱私保護(hù)是負(fù)責(zé)任AI的主要原則之一,主要指?jìng)€(gè)人信息的保護(hù),隱私保護(hù)風(fēng)險(xiǎn)通常與金融機(jī)構(gòu)的數(shù)據(jù)治理、監(jiān)督與問責(zé)機(jī)制、隱私保護(hù)技術(shù)應(yīng)用不到位密切相關(guān)。金融行業(yè)數(shù)據(jù)涉及大量用戶個(gè)人隱私數(shù)據(jù)、資金交易數(shù)據(jù)等,在使用大模型時(shí),確保符合隱私法規(guī)、做好隱私保護(hù)至關(guān)重要。隱私保護(hù)原則能確保用戶的個(gè)人信息是在征得同意的情況下收集和處理的,不過度采集、且不落入未經(jīng)用戶授權(quán)的主體中。使用AI技術(shù)中如果侵犯了用戶隱私,易導(dǎo)致金融機(jī)構(gòu)面臨法律糾紛和監(jiān)管風(fēng)險(xiǎn)。2627數(shù)據(jù)安全,保證每一個(gè)環(huán)節(jié)的數(shù)據(jù)合規(guī)應(yīng)用生成式A在金融領(lǐng)域應(yīng)用需要大量的數(shù)據(jù)來進(jìn)行訓(xùn)練和優(yōu)化,如果數(shù)據(jù)泄露或被惡意利用,不僅會(huì)損害用戶的利益,也會(huì)對(duì)金融機(jī)構(gòu)的聲譽(yù)和業(yè)務(wù)造成嚴(yán)重影響,甚至面臨法律責(zé)任。數(shù)據(jù)安全涉及到金融機(jī)構(gòu)的數(shù)據(jù)與模型治理水平是否到位、與數(shù)據(jù)相關(guān)的流程是否規(guī)范與完備、數(shù)據(jù)安全相關(guān)的技術(shù)手段是否充足等因素。除了大模型開發(fā)中的數(shù)據(jù)訓(xùn)練過程中存在數(shù)據(jù)安全隱患之外,在大模型使用中也存在潛在的數(shù)據(jù)安全風(fēng)險(xiǎn),因此數(shù)據(jù)安全的要求體現(xiàn)在與大模型相關(guān)的數(shù)據(jù)采集、傳輸、存儲(chǔ)、加工及處理信息的全流程環(huán)節(jié)。若流程、技術(shù)和治理措施層面存在明顯欠缺,則無法確保數(shù)據(jù)安全,易導(dǎo)致數(shù)據(jù)泄露、濫用。數(shù)據(jù)安全表現(xiàn)在金融機(jī)構(gòu)從數(shù)據(jù)的存儲(chǔ)和處理等多個(gè)環(huán)節(jié)被安全和適當(dāng)?shù)厥褂谩０殡S著全面的數(shù)據(jù)安全政策,數(shù)據(jù)保護(hù)的明確目標(biāo)、原則和操作流程,從基座大模型到業(yè)務(wù)適配的全過程中相關(guān)數(shù)據(jù)都經(jīng)過嚴(yán)密的清洗、審查;設(shè)立嚴(yán)格的訪問控制機(jī)制,確保只有授權(quán)人員能夠訪問敏感數(shù)據(jù);記錄和監(jiān)控所有數(shù)據(jù)訪問和操作行為,以便于事后審計(jì)和責(zé)任追蹤。內(nèi)容嚴(yán)謹(jǐn),降低"幻覺"結(jié)果大模型幻覺問題是金融行業(yè)應(yīng)用大模型的一大挑戰(zhàn)。金融行業(yè)容錯(cuò)率非常低,無論是知識(shí)問答,還是內(nèi)容提取,都對(duì)大模型提出了非常高的要求。模型的準(zhǔn)確性成為金融行業(yè)采用生成式AI的重要堵點(diǎn)。因?yàn)槟Ｐ徒Y(jié)構(gòu)、解碼算法、暴露偏差等原因,大模型可能出現(xiàn)幻覺現(xiàn)象,即AI模型生成的內(nèi)容雖然流暢但與事實(shí)不符,或者與提供的源內(nèi)容不一致,生成看似合理卻無法應(yīng)用于實(shí)際情境的非事實(shí)性內(nèi)容。降低模型的幻覺問題,需要提高模型的透明度,對(duì)人工智能的機(jī)制和過程進(jìn)行檢查,以便更好地理解模型的決策過程和輸出的依據(jù)。通過技術(shù)對(duì)抗,用AI識(shí)別與檢測(cè)Al,實(shí)現(xiàn)以技治技的效果,是降低模型幻覺、提高大模型產(chǎn)出內(nèi)容嚴(yán)謹(jǐn)性的有效措施。28以螞蟻的"蟻天鑒"為例,2023年,螞蟻集團(tuán)發(fā)布"蟻天鑒"大模型安全一體化解決方案,其中"蟻鑒2.0"(大模型安全檢測(cè)平臺(tái))是全球首發(fā)多類型工業(yè)級(jí)可信AI檢測(cè)平臺(tái),通過誘導(dǎo)式對(duì)抗生成技術(shù),持續(xù)不斷攻擊和訓(xùn)練模型,在模型上線前對(duì)其進(jìn)行全方位的安全掃描,提前識(shí)別和挖掘風(fēng)險(xiǎn)漏洞;"天鑒"(大模型風(fēng)險(xiǎn)防御平臺(tái))基于智能風(fēng)控技術(shù),通過圍欄防御、極速防御以及情景式防御等多層護(hù)欄方案,可以實(shí)現(xiàn)內(nèi)容安全、數(shù)據(jù)隱私、科技倫理、合規(guī)風(fēng)險(xiǎn)等四大類風(fēng)險(xiǎn)的識(shí)別和攔截,不僅能幫助大模型擋住惡意提問,同時(shí)對(duì)生成的回答內(nèi)容進(jìn)行風(fēng)險(xiǎn)過濾,從而保障大模型上線后從用戶輸入到生成輸出的整體安全防御。2024年7月,螞蟻集團(tuán)聯(lián)合清華大學(xué)發(fā)布"蟻天鑒2.0"版本,新版本增加了AI鑒真功能,它支持圖像、視頻等多模態(tài)內(nèi)容的真實(shí)性及深度偽造檢測(cè);同時(shí)在測(cè)評(píng)功能上持續(xù)升級(jí),打造大模型安全評(píng)測(cè)"智能體",并新增大模型X光、大模型基礎(chǔ)設(shè)施檢測(cè)兩大評(píng)測(cè)功能。"蟻天鑒2.0"形成了一套包括大模型基礎(chǔ)設(shè)施測(cè)評(píng)、大模型X光測(cè)評(píng)、應(yīng)用安全測(cè)評(píng)、圍欄防御、AIGC濫用檢測(cè)、證件偽造檢測(cè)等在內(nèi)的完整技術(shù)鏈條,面向行業(yè)提供全方位智能化的大模型安全評(píng)測(cè)和防御解決方案。大模型安全一體化解決方案系統(tǒng)安全框架安全三方庫(kù)安全插件安全因果溯源科技倫理流量排白圖像檢測(cè)特征歸因數(shù)據(jù)安全深度識(shí)別文本檢測(cè)知識(shí)歸因內(nèi)容安全prompt改寫音頻檢測(cè)神經(jīng)元編輯幻覺檢測(cè)安全代答視頻檢測(cè)個(gè)人卡證企業(yè)資質(zhì)交易憑證通用憑證安全測(cè)評(píng)技術(shù)安全防御技術(shù)來源:螞蟻集團(tuán),2024RAI第二要求:公平透明公平透明是金融機(jī)構(gòu)實(shí)現(xiàn)RAI的第二要求和進(jìn)階層次。金融系統(tǒng)不僅是經(jīng)濟(jì)活動(dòng)的組成部分,也是社會(huì)結(jié)構(gòu)和人類福祉的關(guān)鍵因素。金融機(jī)構(gòu)需要在追求經(jīng)濟(jì)效益的同時(shí),考慮其對(duì)社會(huì)的廣泛影響,承擔(dān)社會(huì)責(zé)任。公平透明是金融機(jī)構(gòu)遵守遵循行業(yè)規(guī)則、避免不良社會(huì)影響的必要條件。具體來講,公平透明包含尊重平等、可解釋性的具體要求。尊重平等,充分考慮金融服務(wù)的普惠性與共享屬性金融服務(wù)的普及和可負(fù)擔(dān)性對(duì)社會(huì)成員的福祉至關(guān)重要。金融機(jī)構(gòu)在應(yīng)用Al技術(shù)進(jìn)行金融業(yè)務(wù)開展時(shí),應(yīng)充分考慮金融服務(wù)的普惠性與共享屬性,避免特殊化的的人群偏好,聚焦社會(huì)民生,實(shí)現(xiàn)尊重平等。在大模型使用過程中,如果算法設(shè)計(jì)或數(shù)據(jù)使用不當(dāng),可能會(huì)導(dǎo)致對(duì)某些群體或個(gè)體的不公平或不平等對(duì)待。例如在信貸場(chǎng)景中,信用評(píng)分模型被廣泛用于評(píng)估用戶的信用風(fēng)險(xiǎn),從而決定貸款的批準(zhǔn)與否以及利率的高低。因而在大模型訓(xùn)練的過程中應(yīng)保證數(shù)據(jù)集的多樣性,避免數(shù)據(jù)層面的偏差;模型訓(xùn)練前后使用偏見檢測(cè)工具來識(shí)別潛在的偏見,定期進(jìn)行偏見影響評(píng)估,監(jiān)控模型的輸出;在算法層面引入公平性約束來減少輸出偏見,優(yōu)化模型和算法,建立必要的人工的審核和干預(yù)機(jī)制,建立完整的反饋機(jī)制,盡可能地降低模型造成的偏見,充分考慮金融服務(wù)的普惠性和共享屬性。可解釋性,打開AI決策過程的黑盒可解釋性通常指專家和使用者能理解人工智能的決策。大模型技術(shù)通常因?yàn)槟Ｐ蛷?fù)雜性、黑盒算法、特征交互、數(shù)據(jù)噪聲等多方面原因存在可解釋性不足的問題。通常解釋大模型的難點(diǎn)包括模型的高復(fù)雜性、訓(xùn)練數(shù)據(jù)的多元性、輸出的不確定性以及評(píng)估指標(biāo)的不足等。29對(duì)于增強(qiáng)模型的可解釋性,一方面可采用多種可解釋性機(jī)制提升模型的可信度,針對(duì)大模型在金融領(lǐng)域的部署與使用中的透明度,采用能提升數(shù)據(jù)質(zhì)量和可解釋性的機(jī)制,從而幫助用戶與監(jiān)管機(jī)構(gòu)理解模型的決策依據(jù)。為提高模型的透明度,可以考慮在流程能力建設(shè)中,通過將確保人類的監(jiān)督、利用可解釋的人工智能(XAI)技術(shù),嵌入專家驗(yàn)證流程,使大模型的生成和決策過程達(dá)到透明、易理解的目的。另一方面,大模型的相關(guān)技術(shù)研究者也應(yīng)持續(xù)探索新的技術(shù)和方法,如基于因果啟發(fā)的模型解釋框架(CIMI),以提供更忠誠(chéng)和可泛化的解釋。此外,還可以采用多種應(yīng)用方法和框架,如局部可解釋的模型不可知解釋 (LIME)和沙普利附加解釋(SHAP)等方法和框架來清晰地解釋人工智能行為。RA最高要求:用戶為先螞蟻集團(tuán)認(rèn)為,用戶為先是RAI的最高層級(jí)要求。為進(jìn)一步提高金融機(jī)構(gòu)的用戶信任度,需要秉持以用戶為先的價(jià)值觀,融合進(jìn)AI應(yīng)用的各個(gè)場(chǎng)景中。在金融機(jī)構(gòu)利益最大化與用戶利益最大化相沖突的情況時(shí),A的算法設(shè)計(jì)是否能充分體現(xiàn)用戶為先的價(jià)值觀是構(gòu)成負(fù)責(zé)任AI的一大重要體現(xiàn)。用戶為先體現(xiàn)在以用戶需求為中心,提升金融服務(wù)個(gè)性化、易得性;以及以用戶長(zhǎng)期價(jià)值為導(dǎo)向,促進(jìn)金融健康。金融機(jī)構(gòu)通過秉持對(duì)用戶、對(duì)行業(yè)、對(duì)社會(huì)負(fù)責(zé)任的態(tài)度,推動(dòng)AI向善,更好的服務(wù)金融行業(yè)高質(zhì)量發(fā)展和社會(huì)福祉。以用戶需求為中心,提升金融服務(wù)個(gè)性化、易得性在金融機(jī)構(gòu)的諸多業(yè)務(wù)場(chǎng)景中,需要以用戶為中心來進(jìn)行AI應(yīng)用相關(guān)的產(chǎn)品界面、操作流程和算法設(shè)計(jì),以用戶需求和體驗(yàn)為中心的典型體現(xiàn)如下:》》Al+金融服務(wù)實(shí)現(xiàn)個(gè)性化和定制化。以個(gè)性化財(cái)富管理顧問的場(chǎng)景為例,金融機(jī)構(gòu)通過基于AI的個(gè)性化財(cái)富管理顧問系統(tǒng),為用戶提供量身定制的投資建議和資產(chǎn)管理服務(wù),在設(shè)計(jì)系統(tǒng)時(shí)深入了解用戶的需求、風(fēng)險(xiǎn)偏好、投資目3031標(biāo)。利用機(jī)器學(xué)習(xí)算法結(jié)合市場(chǎng)趨勢(shì),系統(tǒng)分析用戶的財(cái)務(wù)狀況,在合規(guī)前提下優(yōu)先推薦符合用戶利益的方案。》》提供可得易懂金融信息。生成式A以豐富的內(nèi)容形式、"擬人化"交互、精準(zhǔn)的用戶識(shí)別,能夠直觀、多樣地展示金融產(chǎn)品和服務(wù)內(nèi)容,避免利用信息差獲利。如保險(xiǎn)做好風(fēng)險(xiǎn)披露,保持費(fèi)用和條款透明,清晰地向用戶披露保險(xiǎn)產(chǎn)品覆蓋的風(fēng)險(xiǎn)范圍和不覆蓋的風(fēng)險(xiǎn);明確列出所有費(fèi)用、條款和細(xì)則,包括保費(fèi)、免賠額、賠付條件等,確保沒有隱藏費(fèi)用,確保用戶在充分了解情況的基礎(chǔ)上做出知情決策?！贰范嗲辣憬莸腁I服務(wù)。用戶可以通過移動(dòng)應(yīng)用、網(wǎng)頁(yè)或用戶服務(wù)中心、線下網(wǎng)點(diǎn)等多種渠道獲得AI顧問服務(wù),確保隨時(shí)隨地的服務(wù)可用性與便捷性,提升用戶使用服務(wù)的便捷程度。以用戶長(zhǎng)期價(jià)值為導(dǎo)向,促進(jìn)金融健康》》促進(jìn)用戶金融健康。通過智能投顧具備的金融知識(shí)教育和風(fēng)險(xiǎn)提示模塊,幫助投資者提高金融素養(yǎng)和采取相應(yīng)的風(fēng)險(xiǎn)管理措施,不僅能促進(jìn)理性決策,減少?zèng)_動(dòng)投資和投機(jī)行為,維護(hù)自身的金融健康,同時(shí)也有助于減少投資者的市場(chǎng)恐慌和非理性行為,維護(hù)市場(chǎng)秩序,有助于整個(gè)金融市場(chǎng)的穩(wěn)定和健康發(fā)展?！贰酚脩糸L(zhǎng)期價(jià)值優(yōu)先。如果同時(shí)與多個(gè)投資產(chǎn)品有關(guān)聯(lián),選擇從用戶利益角度出發(fā)而非從金融機(jī)構(gòu)利益最大化出發(fā),向用戶客觀推薦適合的產(chǎn)品組合與投資建議,立足于用戶長(zhǎng)期價(jià)值優(yōu)先。通過將負(fù)責(zé)任的實(shí)踐嵌入金融機(jī)構(gòu)的Al實(shí)踐中,RAI有助于在用戶和金融機(jī)構(gòu)之間培養(yǎng)出更深層次的信任,長(zhǎng)期來看,實(shí)現(xiàn)用戶價(jià)值增值與金融行業(yè)行穩(wěn)致遠(yuǎn)共贏。近年來,螞蟻集團(tuán)在財(cái)富管理、保險(xiǎn)等領(lǐng)域助推用戶金融健康發(fā)展。螞蟻財(cái)富研發(fā)了"三筆錢"工具,分別對(duì)應(yīng)靈活取用、未來保障和投資增值三部分。用智能化、個(gè)性化的配置工具和方法,基于投資者的個(gè)人目標(biāo)和風(fēng)險(xiǎn)偏好,定制包含流動(dòng)性、子女教育、養(yǎng)老、保障、保值增值等在內(nèi)的全方位規(guī)劃,來幫助用戶開展合理的資產(chǎn)配置。截至2023年底,超過2000萬用戶開啟了"三筆錢"服務(wù),最大回撤平均降低5%。螞蟻保推出智能保險(xiǎn)配置工具"省心配",該工具可根據(jù)用戶的年齡、預(yù)算、保險(xiǎn)需求等因素進(jìn)行分析,智能模型通過風(fēng)險(xiǎn)分析、保障評(píng)估、產(chǎn)品匹配三個(gè)步驟進(jìn)行配置,為用戶量身定制合適的保險(xiǎn)配置方案。"省心配"工具幫助用戶避免買錯(cuò)保險(xiǎn)、重復(fù)購(gòu)買同類保險(xiǎn),平均節(jié)省30%的預(yù)算。2.3負(fù)責(zé)任AI的現(xiàn)狀洞察我國(guó)負(fù)責(zé)任AI相關(guān)的政策法規(guī)初具全方位的制度框架我國(guó)RAI相關(guān)的政策和法規(guī)體現(xiàn)在多個(gè)層面,其中尤其重視人工智能領(lǐng)域的科技倫理制度建設(shè),以確保人工智能技術(shù)的健康發(fā)展和負(fù)責(zé)任地應(yīng)用,形成了包括國(guó)家宏觀戰(zhàn)略的制定、監(jiān)管機(jī)構(gòu)的設(shè)立、具體管理辦法、地方立法,以及行業(yè)和企業(yè)的自律措施在內(nèi)的全方位制度體系。當(dāng)前國(guó)內(nèi)的負(fù)責(zé)任AI的體系建設(shè)以符合監(jiān)管的底線要求為主導(dǎo)。從各層級(jí)的制度來看,當(dāng)前與負(fù)責(zé)任AI相關(guān)的規(guī)范主要集中在頂層部署和具體管理辦法層級(jí),而行業(yè)組織和企業(yè)層面,在監(jiān)管底線之上的自律性管理內(nèi)容仍有待完善。我們預(yù)計(jì),負(fù)責(zé)任A各層級(jí)的制度建設(shè)還將伴隨大模型技術(shù)的進(jìn)步和應(yīng)用的深入,持續(xù)完善和優(yōu)化。(部分負(fù)責(zé)任AI相關(guān)的文件的梳理詳情見文末附錄)來源:螞蟻集團(tuán)研究院&IDC繪制32當(dāng)前金融機(jī)構(gòu)對(duì)負(fù)責(zé)任AI的認(rèn)知與推行深度基本處于初級(jí)層面目前金融機(jī)構(gòu)對(duì)負(fù)責(zé)任AI的認(rèn)知和關(guān)注點(diǎn)主要集中在嚴(yán)謹(jǐn)安全的初級(jí)層次。對(duì)大模型在金融行業(yè)的落地,金融機(jī)構(gòu)有著多重顧慮。調(diào)研顯示:金融機(jī)構(gòu)當(dāng)前對(duì)數(shù)據(jù)隱私和安全問題、模型幻覺問題關(guān)注度最高;對(duì)生成內(nèi)容的準(zhǔn)確和可解釋性的關(guān)注位于中間水平;而有關(guān)模型和算法偏見、科技倫理目前的顧慮的關(guān)注度最低。從不同的重視程度總結(jié),當(dāng)前金融機(jī)構(gòu)更多的關(guān)注點(diǎn)在嚴(yán)謹(jǐn)安全的層面。數(shù)據(jù)的隱私和安全問題模型問題(模型幻覺68.3%81.7%成本問題(算力成本63.3%生成內(nèi)容的準(zhǔn)確性和可解釋性50.0%法律與合規(guī)問題450%模型和算法偏見科技倫理問題33.330.0.%%0.0%10.0%20.0%30.0%40.0%50.0%60.0%70.0%80.0%90.0%來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N=60對(duì)金融機(jī)構(gòu)而言,通常是出于對(duì)潛在的負(fù)面影響的擔(dān)憂而執(zhí)行負(fù)責(zé)任A的舉措。從下圖IDC的調(diào)研結(jié)果可知,金融機(jī)構(gòu)對(duì)于若不落實(shí)負(fù)責(zé)任AI而最可能產(chǎn)生的潛在負(fù)面影響具備不同的擔(dān)憂程度,反映了金融機(jī)構(gòu)對(duì)下列事項(xiàng)重視程度的優(yōu)先級(jí)從高到低依次為:不違法的底線、保護(hù)公司的數(shù)據(jù)和隱私安全、降低經(jīng)濟(jì)風(fēng)險(xiǎn)、提升用戶體驗(yàn)/用戶信任。33引發(fā)法律層面的追責(zé)和監(jiān)管問題公司數(shù)據(jù)和隱私泄露,產(chǎn)生系統(tǒng)性的安全問題產(chǎn)生經(jīng)濟(jì)風(fēng)險(xiǎn)(如供公司收入受損)降低客戶體驗(yàn)、引發(fā)法律層面的追責(zé)和監(jiān)管問題公司數(shù)據(jù)和隱私泄露,產(chǎn)生系統(tǒng)性的安全問題產(chǎn)生經(jīng)濟(jì)風(fēng)險(xiǎn)(如供公司收入受損)降低客戶體驗(yàn)、產(chǎn)生客戶信任危機(jī)引發(fā)倫理和道德問題公司內(nèi)技術(shù)濫用和決策依賴影響ESG評(píng)級(jí)和投資者行為2.7%8.69.8%%18.022.0%19.9%.1%%0.0%5.0%10.0%15.0%20.0%25.0%來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N-60除了關(guān)注點(diǎn)層次有待持續(xù)加深之外,負(fù)責(zé)任A在金融機(jī)構(gòu)中推行的廣度也有待持續(xù)拓展。根據(jù)IDC的調(diào)研結(jié)果,約18.3%的金融機(jī)構(gòu)在推進(jìn)落實(shí)負(fù)責(zé)任Al,約58.3%的機(jī)構(gòu)暫時(shí)沒有推進(jìn),但是在一年內(nèi)有對(duì)應(yīng)的出臺(tái)計(jì)劃。其余約23.3%尚無相關(guān)計(jì)劃的金融機(jī)構(gòu)中,絕大部分認(rèn)為還需要更多的時(shí)間才能夠作負(fù)責(zé)任Al的相關(guān)規(guī)劃。尚無計(jì)劃的絕大部分是認(rèn)為需要更多時(shí)間是的是的,已經(jīng)在推進(jìn)暫時(shí)沒有,但計(jì)劃在一年內(nèi)出臺(tái)暫時(shí)沒有,需要12-18個(gè)月暫時(shí)沒有,需要更多時(shí)間21.6%18.3%1.7%58.3%廠來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N-6034利益相關(guān)者不清楚負(fù)責(zé)任A1的定義所有利益相關(guān)者對(duì)負(fù)責(zé)任Al有不同的定義不同的利益相關(guān)者各自為政,需要彌合人工智能治理鴻溝很難證明投資的合理性并衡量回報(bào)率工具很多,沒有端到端解決方案機(jī)構(gòu)內(nèi)各相關(guān)方缺乏對(duì)RA的明確統(tǒng)一認(rèn)知且權(quán)責(zé)不明確是當(dāng)前推動(dòng)RAI施行的主要痛點(diǎn)。根據(jù)IDC對(duì)金融機(jī)構(gòu)的調(diào)研,"利益相關(guān)者不清楚負(fù)責(zé)任AI的定義,所有利益相關(guān)者對(duì)負(fù)責(zé)任AI有不同的定義"、利益相關(guān)者不清楚負(fù)責(zé)任A1的定義所有利益相關(guān)者對(duì)負(fù)責(zé)任Al有不同的定義不同的利益相關(guān)者各自為政,需要彌合人工智能治理鴻溝很難證明投資的合理性并衡量回報(bào)率工具很多,沒有端到端解決方案4.2%10.6%228%8.9%0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N=602.4負(fù)責(zé)任AI落地四大關(guān)鍵螞蟻和IDC認(rèn)為,負(fù)責(zé)任AI需要體系化建設(shè),自上而下需要頂層戰(zhàn)略愿景和基本原則引領(lǐng),組織層面RAI治理結(jié)構(gòu)支持,管控層面具體機(jī)制落地,以及技術(shù)實(shí)踐層面持續(xù)監(jiān)測(cè)及評(píng)估等套"組合拳",共同助推負(fù)責(zé)任AI愿景實(shí)現(xiàn)?！贰窇?zhàn)略層面:制定機(jī)構(gòu)層面整體的RAI的戰(zhàn)略愿景和基本原則RAI戰(zhàn)略愿景以及RAI的實(shí)施層次是金融機(jī)構(gòu)能否在大模型時(shí)代穩(wěn)步發(fā)展,贏得用戶信任的關(guān)鍵。制定戰(zhàn)略愿景和計(jì)劃是確保負(fù)責(zé)任A落實(shí)的重要步驟,從而在金融機(jī)構(gòu)內(nèi)明確RAI相關(guān)的目標(biāo)、標(biāo)準(zhǔn)規(guī)范與指導(dǎo)方針。根據(jù)IDC的調(diào)研,大多數(shù)金融機(jī)構(gòu)認(rèn)為要確保負(fù)責(zé)任AI成功,最重要的舉措為:創(chuàng)建內(nèi)部生成式A卓越中心(如A治理委員會(huì)),以加快采用并建立企業(yè)范圍的標(biāo)準(zhǔn);為評(píng)估和跟蹤開源生成式A代碼、數(shù)據(jù)和訓(xùn)練模型的使用制定全公司范圍的指導(dǎo)方針;從模型、產(chǎn)品及管理等角度針對(duì)負(fù)責(zé)任AI的進(jìn)行全面的流程梳理和建設(shè)。35創(chuàng)建內(nèi)部生成式Al卓越中心(COE),以加快采用并建立企業(yè)范圍的標(biāo)準(zhǔn)為評(píng)估和跟蹤開源生成式A代碼、數(shù)據(jù)和訓(xùn)練模型的使用制定全公司范圍的指導(dǎo)方針從模型、產(chǎn)品及管理等角度針對(duì)負(fù)責(zé)任A1的進(jìn)行全面的流程理和建設(shè)實(shí)施數(shù)據(jù)共享與運(yùn)營(yíng)實(shí)踐,確保內(nèi)部或與第三方共同開發(fā)的任何大語言模型的數(shù)據(jù)完整性為相關(guān)的員工群體創(chuàng)立強(qiáng)制性的負(fù)責(zé)任A意識(shí)和合法使用培訓(xùn)計(jì)劃建立(或擴(kuò)大現(xiàn)有的)正式的人工智能治理/道德風(fēng)險(xiǎn)委員會(huì),引入負(fù)責(zé)任A人才7%81.7%66.7%3%73.3%0%450%33.3%30.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%70.0%80.0%90.0%來源:IDC中國(guó)2024,金融行業(yè)調(diào)研,N=60》》組織層面:從組織層面設(shè)計(jì)RA治理結(jié)構(gòu)在金融機(jī)構(gòu)內(nèi)設(shè)置統(tǒng)一的RAI治理結(jié)構(gòu),明確RA在不同相關(guān)方中的權(quán)責(zé)和定義,鏈接不同部門不同職能的相關(guān)人員共同貫徹相關(guān)標(biāo)準(zhǔn),是確保RA能夠得以在整個(gè)機(jī)構(gòu)內(nèi)落實(shí)的重要組織保障。金融機(jī)構(gòu)需要針對(duì)RAI設(shè)計(jì)一個(gè)有效的治理結(jié)構(gòu),通過有效的治理結(jié)構(gòu)落實(shí)RAI相關(guān)的能力建設(shè),確保權(quán)責(zé)明確與匹配,并協(xié)調(diào)各個(gè)部門促進(jìn)團(tuán)隊(duì)合作,實(shí)現(xiàn)RAI的共同目標(biāo)。這一治理結(jié)構(gòu)的設(shè)計(jì),需要金融機(jī)構(gòu)對(duì)內(nèi)系統(tǒng)性地梳理RA的相關(guān)方及其責(zé)任,此外還需要組織人工智能專家與業(yè)務(wù)、合規(guī)以及內(nèi)部和外部顧問合作,實(shí)施負(fù)責(zé)任AI的監(jiān)督。36》》管控層面:對(duì)RAI進(jìn)行全機(jī)構(gòu)、全方位的評(píng)估、準(zhǔn)備和管控對(duì)于金融機(jī)構(gòu)的CI0等技術(shù)領(lǐng)導(dǎo)者來說,實(shí)施RAI需要從治理、流程、人才、技術(shù)和數(shù)據(jù)的多個(gè)方位對(duì)機(jī)構(gòu)進(jìn)行全面評(píng)估、準(zhǔn)備和管控,以促進(jìn)整個(gè)機(jī)構(gòu)對(duì)人工智能負(fù)責(zé)任維度的共同理解。治理:RA治理是為了確保負(fù)責(zé)任A的實(shí)踐,強(qiáng)調(diào)可信度、公平性、隱私性和問責(zé)性。治理主要涉及到跨數(shù)據(jù)和模型相關(guān)的權(quán)責(zé)明確,從而解決RAI需要面對(duì)的關(guān)鍵權(quán)衡問題,如在算法設(shè)計(jì)中需要對(duì)準(zhǔn)確性和可解釋性進(jìn)行平衡,在努力提高透明度的同時(shí),還須考慮安全風(fēng)險(xiǎn),并減輕模型過擬合和漂移等問題,最終使業(yè)務(wù)負(fù)責(zé)人能夠做出與組織的風(fēng)險(xiǎn)承受能力相一致的戰(zhàn)略性、價(jià)值驅(qū)動(dòng)的決策。流程:RAI鼓勵(lì)從盡量全面的用戶類型和訴求出發(fā)來減少偏見,從而設(shè)計(jì)公平的系統(tǒng),使A解決方案能夠適應(yīng)最新的規(guī)范和社會(huì)需求。在設(shè)計(jì)RAl流程時(shí),須理解和仔細(xì)選擇以數(shù)據(jù)為中心的方法、以模型為中心的方法和產(chǎn)品管理方面的事項(xiàng),從而提高人工智能決策的透明度和可解釋性,促進(jìn)信任度的提升。人才:RA人才方面強(qiáng)調(diào)了在構(gòu)建和管理人工智能系統(tǒng)的專業(yè)人員之間對(duì)不同技能、科技倫理的理解和不斷學(xué)習(xí)的需求。需要建立由數(shù)據(jù)科學(xué)家、合規(guī)人員和其他專家組成的多學(xué)科團(tuán)隊(duì),以確保人工智能解決方案是公平、包容和健全的。RA人才的關(guān)鍵能力包括人工智能和機(jī)器學(xué)習(xí)的深度技術(shù)知識(shí)、對(duì)行為準(zhǔn)則和法律標(biāo)準(zhǔn)的理解、有效的溝通技能以及對(duì)用戶為先的強(qiáng)烈關(guān)注。為了實(shí)現(xiàn)RAl,組織需要持續(xù)投資相關(guān)的教育和培訓(xùn),為人才的專業(yè)成長(zhǎng)提供途徑,從而培養(yǎng)具備專業(yè)技能且覆蓋多學(xué)科的人才庫(kù)。37.技術(shù):RAI技術(shù)指選擇和利用多種技術(shù)手段以確保人工智能系統(tǒng)是透明的、可解釋的、有彈性的和安全的。此外,RAI技術(shù)支持將偏差檢測(cè)和調(diào)優(yōu)工具與數(shù)據(jù)隱私和治理技術(shù)集成,從而滿足GDPR和CCPA等法規(guī)的公平性和合規(guī)性要求。總的來說,技術(shù)為RA創(chuàng)建了基礎(chǔ),以確保AI系統(tǒng)的完整性、性能良好并滿足道德標(biāo)準(zhǔn)。.數(shù)據(jù):RAI的數(shù)據(jù)維度側(cè)重于數(shù)據(jù)采集、準(zhǔn)備和管理,為創(chuàng)建公平、準(zhǔn)確和透明的人工智能系統(tǒng)奠定基礎(chǔ)。針對(duì)數(shù)據(jù)建設(shè)和管理層面,金融機(jī)構(gòu)應(yīng)強(qiáng)調(diào)數(shù)據(jù)的平衡、質(zhì)量和完整性,