银行拥有海量高价值数据资源和丰富的应用场景，天然是大模型技术深度应用的重要行业，目前头部银行也都在拥抱大模型的技术趋势，积极探索大模型的落地应用。
扫描二维码
预约免费领取
相较于小模型，大模型具备强大的通用能力和智能创作能力，可以通过聊天交互的形式，协助用户完成各种智力性和创造性工作，更加适用于文本、图像等非结构化数据的分析、理解和生成任务。
但从质量、效率、成本的角度考虑，并非所有小模型都需要用大模型重新做一遍，二者在实际应用中将会形成协同，企业需要根据具体的业务场景选择使用大模型还是小模型。
02.银行业大模型应用场景有哪些？
通过沙丘智库对银行高管层、技术专家和业务专家的深度调研，目前银行已在多个领域探索大模型的应用，但大多是与知识管理、客户体验、应用开发等相关的简单应用。
能够为业务直接带来增量收益的场景是银行在开展大模型应用时更加偏好的场景，但当前大模型在关键技术上仍然存在缺陷，模型的输出结果存在很大程度的不稳定性，模型产出内容仍然需要专人进行审核，在直接面客、制定策略、风险防控等关键业务领域，对大模型的使用尤为谨慎。
短期内大模型在银行可行的落地场景还是偏向于内部业务开展的助手层面，更多在降本增效方面发挥价值。
在《2023中国银行业大模型用例分析》报告中，沙丘智库定义了在当前对银行最有价值、最具可行性的18个具体用例，包括员工智能问答助手、营销物料生成、编码辅助工具、客服坐席助手、数据分析、投研助手、智能营销工具、信贷审批、风险预警、反欺诈、智能办公助手、反洗钱报告生成、合规审查、虚拟数字客服、机器人交易助手、产品动态定价、客户流失预警、宏观分析。
同时，根据对银行与大模型技术厂商的调研，沙丘智库对这些用例按照业务价值与可行性进行优先级排序，并提供头部银行的实践案例，为银行大模型应用提供参考。
对于大型银行而言，由于专业数据海量、应用场景丰富且对投入成本的顾虑较小，适合引入业界领先的基础大模型，在此基础之上针对不同的场景选择微调、RAG扩展或者提示工程优化。
对于中小银行而言，应综合考虑应用产出和投入成本的性价比，避免“人有我有”的不理性决策，按需引入各类大模型的公有云API接口或私有化部署服务，或者直接购买嵌入了大模型的成熟应用，满足业务诉求。