银行科技｜光大银行史晨阳：商业银行人工智能技术应用

各位领导下午好！非常荣幸受邀在这做一个分享。

前面各位领导、专家对人工智能在银行业的应用都有深入的思考，我收获很大。接下来我把我们行在人工智能领域的应用情况做一个简要的汇报。

第一部分，商业银行人工智能技术应用概述。

当前人工智能技术在商业银行的应用已经从“辅助工具”阶段迈向“深度重构”阶段，特别是生成式人工智能正在从“概念验证”阶段进入实质性应用阶段，成为驱动商业银行转型发展的核心力量之一，深层次赋能和推动商业银行向数字化、智能化方向快速发展。大家对这些都比较熟悉，就不赘述了。

第二部分，商业银行人工智能技术应用潜在风险。

现在大家都认识到人工智能发展和风险之间逐渐显现并突出的一些矛盾，特别是商业银行作为科技密集型、数据密集型企业，同时也是风险敏感度较高的行业，传统应用的治理和现在人工智能的风险治理交汇在了一起。我们主要从以下四个维度分析人工智能技术应用的潜在风险：

第一，技术维度。技术风险普遍存在于传统人工智能模型和大模型中，给金融应用的安全性、可靠性、可控性带来很大的挑战，其中包括模型幻觉、“智能涌现”效应、模型脆弱性等方面。第二，个人维度。聚焦于金融消费者和员工两大群体。对于消费者而言，有数据侵权、数据泄露等侵害金融消费者利益行为的伦理风险；对于员工而言，如果过度依赖人工智能，“信息茧房”将会阻碍个人认知与判断。第三，企业维度。挑战主要来自于用户隐私与商业秘密泄露、知识产权侵权所导致的法律和声誉风险。第四，社会维度。人工智能引发的社会风险较为广泛，与商业银行较为相关的主要包括社会公众对人工智能技术滥用所引发的金融犯罪问题、人工智能训练和使用所引发的知识产权保护问题等。

第三部分，商业银行人工智能技术应用治理策略。

针对这些风险情况，我们提出了一些人工智能技术应用治理的策略：

一、健全治理机制。制度先行，秉承可持续发展人工智能治理理念，兼顾风险治理与创新发展相互平衡，健全人工智能治理制度体系。我们行专门成立了一个人工智能一级部门，从建设、审批等方面完善风险治理体系。

二、提升治理能力。商业银行应在全面分析人工智能风险的基础上，聚焦技术、数据和应用三大领域去推进，以技术治理为基础，不断夯实自主可控人工智能基础技术能力；以数据治理为抓手，建设适配人工智能发展的数据治理能力；以应用治理为目标，针对人工智能具体应用场景和服务过程开展差异化的应用治理。

三、丰富治理工具。商业银行要充分考虑使用更加灵活、包容和快速响应的敏捷治理工具，综合考虑治理工具的目的性、安全性等因素，有针对性地选择使用一些第三方和自建的治理工具，来提高人工智能的风险治理效果。

接下来我介绍一下我们光大银行在人工智能领域的一些应用。像前面专家讲到的，其实银行在模型方面的应用不是一天两天了。光大银行在10年前就开始推进像生物识别、虚拟人像、对话机器人、OCR等这些方面的应用，从决策式人工智能到生成式人工智能，现在也正积极利用大模型等新技术，在巩固内部赋能成果的基础上，推动流程重塑与资源配置优化，发力数智化运营体系建设。目前，我行依托人工智能技术打造的“员工六大助手”，已经全部投产上线并持续优化完善，不断赋能并助力员工减负增效，为更好地服务客户创造时间和空间：

一是授信调查报告撰写助手。借助大模型构建穿透式风险识别和分析能力，辅助公司客户经理开展调查分析，累计生成超过1万份报告，服务2000多位客户经理。

二是智能合规助手。利用大模型的语义分析和知识推理能力，整合行内政策文件，提供智能化的政策解读、对比、分析，支持员工高质高效工作。

三是“AI+BI问数”助手。这是我们行一个比较有特点的应用场景，它覆盖了全行多个领域的近3000个指标、100多份行业调研报告自然语言问答，端到端问答准确率达80%以上。这个助手经过推广现在已经覆盖到全行所有的网点，员工可以直接在我们的平台上使用。

四是智慧办公AI助手。基于管理制度、产品文档、业务知识，实现智能文本创作、外呼脚本生成、产品解读近30项能力；累计服务超过15万人次，其中为1000多名理财经理提供超2万次专业支持，显著提升办公效率。

五是远程银行服务助手。涵盖通话前客户诉求预判、通话中场景解决方案实时供给、挂机后总结反馈全流程智能助手支持；可用率稳定在90%以上，累计调用近70万次，关键场景通话时长下降10%，有效减轻一线座席工作强度，提升服务响应速度与客户体验。

六是运营管理助手。研判重要空白凭证出入库等操作是否合规，自动判别是否双人在场、清点现金是否合规关键动作；实现人工抽检升级为智能全检，大幅提升工作效率，助力有效防控运营风险。

最后，借这个机会，提两个建议。

第一个，关于算力。面对商业银行在算力隔离与安全上的高要求，建议推进算力资源的集约化运营与建设。

第二，关于知识数据的积累。这将会成为各家银行在人工智能应用方面的一个“护城河”，因此需要建立一套完整的数据治理与知识体系。

以上就是我的汇报，谢谢大家。