在数字化浪潮中,大型模型已演变成为金融数据维度拓展与重构的核心AI框架,其精髓在于通过 挖掘与分析数据,驱动企业智能的飞跃式提升,进而催生出一系列前所未有的高效生产力形态,实现“数据价值最大化—企业智慧深化—新型生产动能涌现”的高价值循环链。简而言之,大模型是金融领域实现数据智能化转型与创新生产力释放的关键路径。
马上消费金融股份有限公司(以下简称“马上消金”)依托100PB金融基础数据、自建的智算中心、纯线上业务模式和经验模型等创新集聚优势,率先发布零售金融首个大模型“天镜”。
并且,马上消金高度关注大模型技术在金融领域的规模化落地,围绕知识平权、决策平权和体验平权“三大方向”,布局“大模型+”的八大模式创新和实际应用,真正联动多方力量共同培育金融新质生产力的跃升发展。
1.大模型金融应用:挑战 适配
金融是一个典型的复杂决策系统,尤其涉及不确定性风险,要求模型不仅要有强大的数据处理能力,还要能够适应多变的环境。大模型在金融领域的规模化应用,面临与现实应用场景 适配的挑战。
一是应对大模型挑战,强化安全防线:面对参数激增带来的幻觉、不确定风险及可解释性难题,金融大模型需动态强化其防御体系,构建模型幻觉监测与安全评估机制,确保模型在金融领域的安全监管与可控输出,为金融稳定筑起坚实防线。
二是精准预测,稳健决策:在金融决策的关键环节,大模型需依托复杂数据实现精准预测,杜绝误导性建议,同时保持对市场波动的高度适应性,确保决策稳定可靠。这要求模型具备持续学习与实时监控能力,以应对瞬息万变的市场环境。
三是成本优化,效率提升:鉴于大模型部署与运维的高昂成本,金融机构需遵循“最小必要”原则,优化资源配置。通过流程自动化、团队协作与资源共享,降低人才、定制服务及硬件资源等成本,提升整体运营效率与成本效益。
四是跨生态融合,创新驱动:面对多样化的芯片体系与技术生态,金融大模型需解决架构设计与现有技术的兼容难题。金融机构应深化跨学科合作,构建成熟的平台框架,促进模型在不同技术环境下的广泛应用与价值创造,推动金融科技的持续创新与发展。
2.大模型赋能马上消金全面升级
大模型的演进之路,其核心在于构建可信赖的应用生态。马上消金凭借其在数字金融领域的深厚实践与洞察力,正积极运用大模型在信息处理、智能决策及数字内容创新方面的优势,围绕数字金融的新型工作模式、决策框架及服务体系进行 优化,从而推动金融行业的全面升级与普惠发展。
例如,针对传统AI话术配置流程复杂、固化、不自然,服务多样性、应答能力不足的痛点,任务大模型无间断自动挖掘优秀的沟通流程和话术,自动查询信息、抽取客户关联信息,并生成会话,提高问答精准度。此外,还支持人工干预调优,同一场景下覆盖多分支脚本,大模型持续学习人工“群体智慧”。2023年在人工座席不增长的情况下,人机大模型助力马上消金实现营销业务增长68%,意图理解准确率达91%(相较于传统AI的68%有较大提升),驱动高效、智能、安全的交互。
面对合规风险管理的复杂性与客户需求的多样性难题,马上消金构建新一代多模态合规分析平台,处理对话数据、图片、音频和视频等多格式信息,采用大小模型组合式AI合规检查机制,自动进行素材审核、高投诉客群识别、业务流程分析等任务,素材瑕疵率从53%降低至6.05%,违规内容检出率提升至85%至98%区间,严重违规内容的召回率达到80%以上,相较于人工质检,效率提升幅度超过1000倍,显著提升服务质量监督、客户满意度和忠诚度,为健康、安全的金融消费环境提供有力支撑。
针对企业办公流程繁琐、知识零碎、风险管理不足等问题,马上消费打造了智能办公助手、智能合同管理、智能内容管理平台,结合私有通用AI能力和5个专业领域大模型应用,赋能HR、法务、合规等关键管理职能。在大模型的智能提炼、要素抽取、合规审查标注等能力加持下,缩短了合同审核时长和日常流程申请,实现了知识存储、智能推荐、标签管理等功能,并提升了决策支持的智能化水平,为企业提供了全面的数字化转型解决方案。
同时,马上消金以知识处理大模型为基础,将金融机构数据库知识与文档知识,转化支撑不同场景的“超级员工”,自动挖掘和优化沟通流程,结合语言理解与思维链推理能力,实现精准信息抽取和会话小结,减少了人工重复动作;智能生成场景脚本,辅助员工掌握培训知识,并允许人工干预调优,以实现定制化的员工培训和指导;模板广场和智能语音技术,个性化设置数字分身,简化数字人播报的制作过程,使每个员工都能够拥有一个数字分身,促进了更有“温度”的人机协作。
展望未来,马上消金表示,将前瞻布局新技术安全防线与风险管理策略,以创新为驱动,全面释放大模型在数字金融全服务周期中的价值,加速沉淀并分享可复制的成功经验,携手合作伙伴共同提升金融服务的普惠性、效率与满意度,为实体经济的蓬勃发展贡献金融科技力量。
