今年以來，ChatGPT的火熱帶動了AI大模型井噴式發展，將人工智能技術帶進新拐點。金融行業是大模型率先應用的重點行業之一，華為、騰訊、馬上消費等公司和金融機構都積極布局大模型。

面向未來，金融機構應用大模型的能力將成為關鍵生產力。如何迎接和擁抱大模型？ 10月19日-20日，華為云聯合中國互聯網金融協會開展“共話數字化轉型”交流活動，就金融AI發展前景、大模型在金融領域的機遇和挑戰展開熱議。

釋放數據的價值?提升大模型含金量

大模型是數據驅動的一種表現模式，若要讓大模型更加智能，也就意味著需要海量的數據進行模型訓練，也是衡量大模型含金量的重要指標之一。討論現場，馬上消費人工智能研究院算法總監肖冰介紹了該公司研發的全國首個零售金融領域“天鏡”大模型的情況。

“數據積累是訓練模型的前提。馬上消費創業初期就啟動了數據體系建設，共積累12大領域和59個業務區域各類型數據，為用戶精細化運營、數據分析提供了良好的數據基礎，更為馬上消費天境大模型提供了充足和多樣的訓練數據。”他說。

也正是得益于這些數據的積累，天鏡大模型相比傳統的智能外呼，在話術提示中會融入用戶的基本畫像信息，能夠針對用戶的基本畫像和情況做千人千面的營銷，并基于內部優秀坐席話術微調大模型。通過線上AB測試，基于天境大模型的對話系統在對C端用戶提供各類服務的過程中，平均有效對話輪次高于傳統智能對話系統提升100%以上，各類主要業務指標也明顯高于傳統智能對話系統。

模型和數據驅動，解決行業痛點問題

大模型在金融行業的發展迅猛，逐漸有了“百模大戰“之勢。但究其根本，如何應用在金融典型場景中，才是關鍵競爭力。頭部金融機構在大模型的應用上已經有了很多落地的場景。

目前馬消天鏡大模型在智能對話、智能超級員工、智能輔助、智能合規四大核心領域已經成功落地相應的場景產品，包括在營銷獲客、客戶服務、辦公提效、客戶運營、安全合規、貸后管理這六個零售金融最典型的場景，以模型和數據驅動業務，解決行業痛點問題。

另外一方面，大模型在金融場景應用過程中，還面臨著不少難題，最明顯的就是AI在人機對話時語義表述不夠嚴謹甚至出現錯誤。對此，肖冰坦陳大模型還有較大的成長空間。“馬上消費將持續深入研究大模型的應用，不斷發揮其在金融場景使用中的作用，努力為用戶提供個性化乃至定制化的服務。”

來源/信陽日報