ChatGPT加速金融科技的智能化进程｜金融行业｜投资组合｜模型
作者：谢锦生（前京东集团副总裁，金融科技事业部总经理，互联网金融协会专家委员）
即使你不是身处科技行业，在过去这三个月时间里，你也很难避开媒体上ChatGPT这个新词汇的轰炸。各个行业的专家都把ChatGPT当作一个颠覆性的技术来审视，金融行业也不例外。在金融科技超过十年的发展历史中，支付、信贷、财富管理、保险等领域，都经历过信息化、数字化的浪潮，如今，智能化的浪潮正在袭来。
ChatGPT是由基于transformer模型的自然语言处理技术所创造的生成式AI产品。所谓生成式AI，是指通过大数据的深度学习，让AI能够模仿人类生成各种文本、图像、视频等内容。ChatGPT正是因为能准确理解并响应用户输入的内容和提示语，生成高质量内容，包括文本、图表、代码等，带来极佳的人机交互体验，在短短两个月内即成为用户数过亿的现象级产品。
随着ChatGPT的流行，金融科技行业的所有企业，都在探讨AI对行业将带来什么样的影响。但实际上，除了生成式AI，各种人工智能技术在金融科技的应用已经非常普遍且深入。如果要讨论ChatGPT对金融科技将带来什么影响，就有必要回顾，到目前为止，人工智能已经在哪些方面取得成功。
人工智能在金融科技领域的成功案例
信贷业务的信用风险管理，是人工智能应用较为深入，也是较为成熟的地方。特别是在消费金融市场，由于总体用户规模大，单笔贷款金额小，用户对贷款的效率要求高，传统银行的信贷审批机制和流程无法满足这一细分市场的用户需求。从2014年开始，大量的消费金融公司以及银行的消费金融部门，开始引入新的信用评分模型，通过机器学习能力，对用户在线上线下消费、社交媒体、互联网浏览行为等大数据进行分析，实时输出信用评分、贷款额度、风险定价等策略。过去十年消费金融业务规模的高速增长和可控的违约率数据，证明了人工智能已经可以成熟的应用在这个领域。
支付业务的欺诈风险管理。当支付行为从以往的现金、刷卡方式转变为移动支付方式时，一个支付系统每天要处理以亿为单位的远程支付订单，欺诈风险管理就变成支付业务中最重要的能力。借助大数据和机器学习能力，通过对多种用户身份和行为数据的分析，包括人脸、指纹、手机、配送地址、高风险商品识别等，支付系统可以快速判定每一笔交易是否存在欺诈行为。如果没有AI技术，依靠传统的人工核实，是无法实现每天过亿笔交易的风险管理的。目前，多数支付公司已经通过机器学习的风险管理系统，把交易欺诈率控制在十万分之一以下。
财富管理行业的智能投顾，也是比较早应用人工智能技术的领域。随着市场上资产类别和产品数量越来越多，在数万种货币、债券、股票、大宗商品中进行评估和筛选，构建一个满足用户需求的投资组合，变成一件高度复杂且困难的工作。通过机器算法，能够快速对每种资产进行分析，对资产组合做风险、收益、流动性等评估，并匹配给不同投资规模和风险偏好的客户。目前财富管理行业的多数企业，包括银行、证券公司和基金公司，已经向客户提供数百种智能投顾产品。
除了以上几个领域人工智能已经有相对成熟的应用，在其他领域，如售前售后的客户服务、智能化营销、保险产品的风险定价等，人工智能一直都在参与其中，只是受限于技术能力，产品可用性还没有达到最佳状态。
智能化的新领域
ChatGPT的成功，触发了金融科技在智能化道路上的创新思维。可以肯定的是，在未来两三年的时间，是智能化进程加速的时间，大量的业务将在AI的加持下，获得全新的进展。举些例子来说：
证券投资：证券公司的主要价值是为投资者提供专业的投资建议和高效的交易服务，以此获取佣金收入。但现实的情况是，投资建议比如投研报告，市场分析预判，往往研究周期长，有滞后性。交易服务又陷入同质化竞争，只能通过下调佣金留住客户。人工智能将有助于解决这些问题，提升证券公司的服务能力和市场竞争力。
1、?通过大语言模型对市场信息做整理和分析，尤其是在市场行情变化较快的时候，能及时形成投资研究报告，为客户提供投资建议，人工智能处理信息和输出结论的效率比以往将高出十倍以上。
2、?应用于量化交易模型和投资组合，可以全天候根据市场变化，预判市场趋势，及时调整策略，优化模型，且能以客户容易理解的方式为客户提供投资建议。随着智能化应用的深入，甚至可以根据每个用户的独特需求而即时生成最匹配的投资组合，做到最大程度的个性化服务。
客户服务和支持：客户服务和支持一直都是人力资源投入巨大的职能。在大型互联网企业和金融企业里面，线上客服和电话客服团队，一般都是几千人甚至上万人的规模。过去几年，机器人客服替代人工的比例逐步上升，但是，机器人客服的智能化水平还在很初级阶段。对于客户的提问，只能从知识库中查找对应的答案回复。复杂问题的处理，以及连续对话的能力，几乎为零，这也导致客户体验很差，一般连续对话十次以内，就需要人工客服接管。在金融行业，由于产品专业性强，交易金额比普通商品大，客户在售前阶段需要大量的咨询和沟通，对客服处理能力的专业性要求很高，这也是目前机器人客服无法满足的。采用类似ChatGPT的大模型，加上专有数据训练，可以取得两个方面的成效：一是连续对话能力可以得到提升，获得接近真人沟通的体验；二是采用多模态模型训练，可以不局限于文本问答，输入和输出都可以使用语音、视频、图表等多种形式，更好地解答客户的问题。
市场营销：市场营销一般是由专业团队负责，调研市场和客户需求，设计营销策略，组织市场推广活动。从ChatGPT输出文本的质量来看，作为一个通用型AI，已经能够很好的理解需求，输出高质量的市场推广文案，甚至可以根据不同推广渠道的特点，撰写符合该渠道用户偏好的文本。除了文本之外，其他多模态AI，也可以支持输出图片和视频内容。在很多行业，比如电子商务，不少公司开始尝试用AI来撰写产品介绍，或者制作一个推广产品的短视频。金融行业同样可以通过大模型训练行业专业知识，让AI成为市场营销的重要工具。
总体而言，只要存在大量文本整理、分析、撰写类的工作，AI都能帮助企业大幅度提高效率，且节省大量成本。
对金融企业在AI上投入的建议
过去几年，金融行业投入到信息化和数字化上面的资金每年都超过一千亿元。很多企业也尝试通过招募AI团队，从大语言模型训练开始，建立自己完整的AI技术和应用能力。从ChatGPT的成功经验来看，一个成功的大模型训练的资金投入需要达到上百亿美元，这显然不是单独一家企业可以承受的成本。即使有企业愿意投入，如果只是应用在一个行业的生意上，从投资回报率看也是不合算的。更何况，管理一个高度专业的AI团队，以及对技术投入做出正确的决策，显然不是一个金融企业擅长的工作。
幸运的是，今年以来，整个AI行业已经发生了巨大的变化，从Open?AI，到Meta，到Google，以及国内的一些AI企业，逐渐把自己的大模型变成开放能力，提供给其他行业客户使用。这对于想建立AI能力而又缺少预算的企业来说，是应该抓住的机会。使用已经被证明是成功的大模型，以及云服务提供商的计算资源来训练自己的专有数据，形成自己的AI能力，是一个明智的做法，对企业的预算也不会构成很大的压力。
除此之外，AI的应用也带来一个新职业的兴起，即“提示工程师”Prompt Engineer。AI模型的工作过程是基于提示的学习（prompt-based learning），输入的质量决定了输出的质量。设计有效的提示可以增加模型返回既有利又符合上下文的响应的可能性。招聘或者训练现在的员工成为提示工程师，是企业能否把AI能力发挥出来的关键因素，值得每一个企业重视。
特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。
