ChatGPT在金融业的应用前景探讨

文/宣奇 赵辉 张然 编辑/韩英彤

2022年11月30日，美国人工智能研究实验室OpenAI发布了一款对话式人工智能（AI）模型ChatGPT，在全球迅速引发广泛关注。它能够模拟人类的语言行为，与用户进行自然交互。ChatGPT的出现是AI发展中的一个里程碑事件，作为人工智能生成内容（AIGC）在文本生成领域的商业应用，ChatGPT会对现有的许多行业产生颠覆性的影响。目前在ChatGPT的商业化推进中，面向企业端的商业应用主要集中在各行业中垂直领域的落地场景，如新闻、金融、传媒、电商等文字工作相关领域，以ChatGPT为代表的大规模预训练模型在语义理解、多轮交互、内容生成中所展现的突出能力令人惊喜。其中，作为具有最多元化业务场景和领先的数字化转型先锋，金融领域成为ChatGPT应用落地的最佳领域，ChatGPT在人机交互和语义文本的分析方面的巨大提升对金融产生了深远的影响，同时也为金融行业智能化转型升级打开了新的路径。因此，以ChatGPT为代表的大模型在金融行业中如何落地、存在的风险和挑战、未来的发展前景以及对应的对策建议等值得深入探讨。

大规模语言模型能够应用于金融行业吗

对金融行业带来的影响

ChatGPT 的出现无疑对金融业具有深远的影响，可以通过提供快速准确的信息和自动化的任务处理来影响金融行业，以科技的力量推动金融业降本增效，最终实现高质量发展。此外，ChatGPT具有的“让机器理解”的能力进一步推动了金融行业的“数智化”转型，大规模预训练模型拓宽了金融行业AI应用的边界。具体来讲，ChatGPT为代表的大模型主要在如下方面为金融行业带来了应用价值。

降本增效。在各项业务中，如数据分析，投研、编程研发及流程管理方面，借助ChatGPT的能力提高效率，减少了基础人员的投入。以金融机构营销服务为例，利用ChatGPT实现营销策略的自动生成与迭代，结合金融机构特有的语料进行训练，可以提升营销内容和用户转化效率，实现降本增效。以银行业自动化交易为例，ChatGPT通过训练替代人工交易员，自动执行许多后台任务，能够提高效率和降低成本。

提升生产力，提升用户体验。ChatGPT改变了人机交互方式与体验，可以实现多轮对话，提升了对话和服务体验，并且与机器学习、知识图谱等技术结合能够进一步提升模型的智能性，可以更加精准的为客户提供定制化、个性化的服务，使金融服务更加有温度。

产品服务创新。以ChatGPT为通用基础能力底座，引入金融领域专有内容、高级认知能力，整合多样化需求，形成产品服务的创新。

ChatGPT在金融领域的应用场景

ChatGPT作为一种感知智能，在金融生成文本类工作中具有应用价值。

应用在金融机构经营部门。由于ChatGPT是一款交互形式的聊天机器人，其最直接的应用是金融机构的电子客服。通过在ChatGPT中输入金融机构电子客服页面的问题并比较二者的答复，可以发现ChatGPT拥有非常强的信息整合功能的优势，比如用户问“手机App某些功能无法运行的原因是什么”，ChatGPT提供了多种情况的解答，但金融机构电子客服回复只有一种情况和解决方案，对于金融机构客服来讲，ChatGPT的服务是更加智能化和人性化的。

应用在金融机构管理部门。ChatGPT集成了数据自动化、智能化的流程功能，使其在财务管理、运营管理、授信管理、咨询建议、战略规划等领域都具应用价值。例如，在ChatGPT中输入“生成各省金融机构存款余额表”，会自动生成各省的金融机构存款数据；输入“为什么散户投资者赚钱困难”，能够得到“散户投资者往往喜欢追涨杀跌，缺少有效的投资工具”的回答。随着功能的增加，ChatGPT可以应用到金融机构的各管理部门工作中去。

应用在金融机构支持部门。ChatGPT最吸引人的功能是辅助开发，在编写和测试代码上有突出表现，上述工作在人力密集型部门和岗位非常普遍，通过ChatGPT可以帮助没有编程经验或外语能力薄弱的员工快速提升能力。还可以把ChatGPT当作工具，解决日常的大部分重复性、机械性的工作，把员工从繁琐事务中释放出来，投入到更具挑战的创新工作，提升工作效率，改进工作方法。

目前，在金融行业的大模型应用方面，虽然国内暂未有ChatGPT的相关应用落地，但是关于其在金融领域率先落地于哪些场景，存在很多想象空间。具体来讲：

智能客服。与传统的智能客服与智能机器人相比，ChatGPT具有强大的自然语言处理能力，可以解决更为复杂的问题，提高客户服务效率。同时，根据历史对话数据可不断提高自身的回答能力，提升服务水平。此外，ChatGPT模型可以通过训练新数据进行扩展，更好地适用于金融机构的业务需求。ChatGPT通过训练可以降低人工客服成本，提升用户体验，可以与对话机器人、数字人相结合，对金融机构具体业务进行加强训练，进一步提升回答问题的准确性和建议性。目前，中信银行正在内部开发测试类ChatGPT在智能客服与数字人结合的应用。

数据分析或投研。ChatGPT可以帮助金融机构分析大量数据，把传统机器学习、个性化推荐、知识图谱、决策引擎等技术与ChatGPT融合，进一步优化模型的智能性，从而改进风险管理和投资决策。ChatGPT强大的数据提炼和处理能力，可以对投资标的信息进行精准的筛选和整理，完成对各类投研数据的综合分析以及时间序列的预测，提升投研价值。此外，ChatGPT可以提供完整的分析报告，结合报告存在的很多新思路和角度，帮助高级分析师完善报告，提升其分析能力。

智能营销。在不同的营销活动中创建独特有吸引力的广告文案是一项具有挑战性的任务。当前，金融领域尚处于“自动化营销+数据驱动”的营销迭代过程中，营销内容主要以专家规则进行，并通过内容模板建设和积累实现。利用ChatGPT的能力，可以从丰富的营销物料方面为智能营销提供极大的支持，通过营销领域专业知识的引入，依托客户画像描述和金融行业特有的“了解你的客户”（KYC）的能力，帮助金融机构输出更加精准的营销话术，实现个性化、精准化的营销，真正做到千人千面，提升金融机构营销价值。

智能程序员。ChatGPT目前的版本已经可以写代码，未来将会承担很多复杂的软件开发项目和复杂系统设计，可以将ChatGPT用于协助制定符合金融领域标准的产品研发、代码编写、测试等，它会根据工作目标，给出合理的解决方案和结果。

自动化交易。ChatGPT通过训练做自动交易，替代人工交易员，可以自动执行许多后台任务，从而提高效率和降低成本。

金融风控。随着ChatGPT的引入，可提升数据提炼和处理能力，在贷中贷后交互过程中不断挖掘客户新特征、发现新规则，辅助风控专家高效落地全流程风控，辅助金融机构实现风控策略的动态调整，以有效降低资金风险。

智能调研。ChatGPT通过训练可以开展某项调研，节省人力成本，可以把文字、图片、音乐等不同载体整合到一起，设计成文件、海报、PPT、视频、音频、三维动画等。

ChatGPT在金融领域应用存在的挑战与风险

ChatGPT在金融领域有着较大的应用潜力，然而目前这项技术尚处于起步阶段，其大规模应用还面临可信度、业务、成本投入等多方面的挑战，还存在着一定的风险，需要谨慎探讨。

成本问题。金融机构对数据非常敏感，往往选择私有化部署，但目前ChatGPT的超大模型对于资源的需求极大，难以实现私有化部署。加之，训练一次的成本介于 200 万美元至 1200 万美元之间，要用本领域的私有、专有数据对它进行增强样本的训练，补足通用模型在其领域的短板，这会牵涉到大量的人力物力，因此目前金融机构在适配具体业务上还比较困难。

可信度问题。ChatGPT作为通用大模型，仅靠其自身的问题求解能力无法解决专业问题。因此，其不能直接应用于垂直型领域，需要借助于垂直领域的信息等助力，让ChatGPT充分理解金融专业领域的相关知识，比如让金融领域已有的专业数据库、专业知识图谱和其他的资源与ChatGPT进行对接。此外，对于金融应用来说，金融行业的客户对上线模型的精度要求很高，但ChatGPT是一款普适性的应用软件，不足以满足金融的高专业化需求。

错误信息。由于技术问题，ChatGPT目前还没有解决实时性和准确性的问题，所用的语料库依然较为有限，因此ChatGPT会出现一些偏差，产生无意义的回应。如果让ChatGPT推荐某银行理财给客户，但没有考虑客户的实际需求，就会造成真实需求与推荐产品的不一致，扰乱市场秩序。如果让ChatGPT推荐股票等金融资产，就会有操纵市场的嫌疑，目前这些情况均无法避免。加之，ChatGPT的回答会影响人的判断和行为，如果ChatGPT给银行客户提供一个错误方案，相应风险就会转嫁给银行，为银行带来信誉风险。

安全与合规性问题。使用ChatGPT，数据泄露和信息杀熟等问题会难以避免。金融行业涉及消费者的重大利益，金融交易的公平性、可解释性、合规性都很重要，利用ChatGPT很可能无法保证决策的安全、准确、公平性，加之涉及到的网络安全问题，数据的隐私保护和合规性问题都是金融行业亟需考虑到的风险。

知识产权、伦理与监管问题。目前ChatGPT提供的是不断接近人类的回答，但是短期还没办法超越人类思维，只能作为一个智能的百科全书，缺少创造性思维，即没有创造出人类不了解的新知识、新内容。因此，在实际应用场景中，ChatGPT生成的内容可能不具有原创性，会导致存在剽窃的风险。使用ChatGPT带来不良后果的责任该由谁来承担、相关的法律问题如何解决，以及如何应对ChatGPT广泛应用后可能存在的无序商业行为并对算法和数据进行监管，消除潜在的隐患，助力技术的良好发展也亟待研究。

ChatGPT在金融领域应用的未来发展趋势

算法技术的改进。目前，虽然ChatGPT应用效果出色，但依然存在推理能力不足、可解释性弱、缺乏隐私保护、无法联网使用等局限性，需要信息技术和基础科学的能力突破，进行算法技术的改进。比如与多模态技术结合，引入负责任的AI技术与知识图谱的结合等，以扩大更多的金融领域应用场景。

预训练大模型参数量进入平台期，多模态与跨模态成为趋势。在绝大多数任务中，模型越大，性能越好。因此，2020年1750亿参数的GPT-3模型一经推出，此后新推出大模型的参数量不断刷新上限。然而，参数规模提升带来的边际效应逐渐下降，参数量进入平台期。大模型已经从早期的纯文本模型，发展到横跨图、文、音、代码等的多模态、跨模态模型，为跨模态生成的AIGC奠定技术基础。大模型逐渐成为AI基础设施，结合微调等方式可以满足下游多行业需求，也包括金融领域应用场景的使用需求。

大模型向场景化实用化发展。大模型如果不能实用化、商业化，便难以得到持续发展。因此，大模型部署效率提升将成为未来发展的趋势，也是应用落地的关键突破点。以ChatGPT为例，未来ChatGPT会向精细化、分工化发展，会有各种定制化、专业化的ChatGPT，提升专业和业务能力的服务准确性，以更好地满足金融领域需求。

综上，在目前ChatGPT不断推进商业化的背景下，金融行业特别是银行业需要加快借助科技提升服务模式，强化核心竞争力建设，创新业务模式推动银行业“数智化”转型的力度，从而更好地助力经济高质量发展。ChatGPT对银行业来说无疑是一个相当大的资源，但与此同时，银行应该注意它的某些缺点，采取应对方案：如OpenAI已经采取了大量措施来确保ChatGPT用户的安全和隐私。然而，在实际的应用中，银行还需要采取进一步的行动措施来保护其用户的安全，虽然这可以被视为银行的额外任务和担忧，会使流程效率降低，但为了确保ChatGPT在银行中的安全应用，这是必不可少的，必须要考虑进去的因素。总体来讲，ChatGPT潜力巨大，降低ChatGPT风险是银行业研究实施该技术的一大动力，研究ChatGPT在金融业应用对银行业的未来是一个迫切的现实选择。