在当前的银行数字化转型中，“数据 + 算法”成为核心逻辑，其中 AI 大模型是实现数据价值最大化和推动业务创新的关键。
借助各大银行机构发布年度财报的契机，我们梳理了六大国有银行 AI 大模型的落地进展：银行在应用 AI 方面取得了哪些成果？未来 AI 还能应用于哪些业务场景？
长沙银行，是最早将数据驱动赋能科技创新上升到全行战略定位并付诸实践的城商行之一。
不过，在这个过程中，长沙银行面对的挑战不仅仅是技术更新，组织结构调整、人才队伍建设、人员思维方式的转变同样充满考验。
此外，在充满挑战的经济大环境下，银行要如何确保数据管理投入产出比最大化和价值量化？
与全国性大型银行相比，杭州联合银行作为一家本地化的中小银行，科技投入相对有限、数字化转型规划成本高，而且部分需求难以落地。如何利用有限的资源撬动最大化转型效果？
在数字银行建设中 “该省省、该花花”，又应该省在哪里、花在哪里？
要想在金融行业应用 AI Agent 首先要考虑三个问题：第一个问题是资源和人才。第二个问题是研发方式。第三个问题是算力。
但是，大模型并不能解决所有问题，大模型只是提升生产力的一种工具。它可以只是一把枪，但如果能在特定的场景下理解业务然后训练和优化大模型，那么它就能成为精准把握市场机会的狙击枪，这样的效果会比普通的大模型要好得多。
🔗东软集团：生成式 AI 时代，如何布局 AI 人力资源战略？
东软集团是中国第一家拿到 PCMM（人力资本成熟度）五级认证的公司，公司人力资源体系内部有大量体系文件和资料，已形成很成熟的知识库。
对于 AI 而言，知识库、数据的积累非常重要，所以当 AI 热潮刚开始，东软就马上锚定了这一技术，开始思考怎样利用好 AI 的能力。
🔗德勤研究总监解析：AIGC 时代下的数字人才发展与企业应对策略
实践中该如何判断业务是否需要用到 AI 技术呢？这里有个很简单的方法，就看两个维度。
第一个维度是考虑在没有使用 AI 前完成任务所需的人力，第二个维度是考虑验证生成式 Al 输出效果的过程是否困难。适合 AI 做的业务通常是人力工作量很大、同时很容易验证的。
各行各业如何面对大模型应用探索中的新挑战？对于金融行业等数据密集、对产出结果精确度有很高要求的产业，或是要求严谨专业的物流与供应链领域而言，大模型应用如何平稳走进业务场景？
下一步，AI 大模型该如何结合行业特点、满足行业要求，向行业垂直领域大模型发展？
摒弃“开门红”、“旺季营销”中“指标至上”的定位思想！
以“高质量服务”为目的开展数字化转型，以“功能性”为先考量“盈利性”，以“可持续经营”为基础看待“盈利”。
金融行业需要的是信息共享和高度自律，“人民”是服务对象，而非争夺对象，“卷”要对外，而不是对内。
随着数字化转型的深入发展，软件行业的企业服务端陷入了一种既“忙”又亏损的危险境地。
软件行业低价竞争、甲方 IT 力量膨胀、企业架构能力提升以及软件研发模式变化，这些因素是怎样对乙方企业构成挑战的？乙方企业又该如何在生存危机中寻求出路？！
🔗作为数字化顶层设计，企业架构为何缺乏明确的价值和指标体系？
做事之前定目标和考核要求是项目管理里再简单不过的逻辑，换到企业架构这个事儿上，却发现很难定出来一个公允的标准，价值度量极其困难！
就像是前几年的“中台”一样，企业架构变成了另一个许愿池，仿佛只要企业做了企业架构，所有的愿望都可以实现，所有的问题都可以解决。
2024 年的下半年即将拉开帷幕，让我们一起在数字化的道路上继续探索！同时也欢迎大家继续陪伴「InfoQ 数字化经纬」公众号，Q3 还有精彩内容 / 活动等着您：
● 7 月 重磅电子书《行知数字中国数字化转型案例集锦【第四期】》发布，揭示 AIGC 时代如何重塑企业组织、技术与人才
● 8 月 16-17 日 FCon 全球金融科技大会 · 上海站，共同探讨金融科技的前沿趋势和最新应用
● 8 月 《行知数字中国》栏目更新：实地走访太古可口可乐
● 9 月 《行知数字中国》栏目更新：汇丰科技的一线数字化创新和实践
InfoQ 数字化经纬正策划一项专题《央国企数智化转型与创新》，希望通过本专题，探讨央国企的数智化转型现状、挑战和路径，寻找变革路上的成功案例，为数字经济下的产业焕新提供样本参考，为未来智能产业发展探寻路径。
我们欢迎相关企业实践案例的投稿，或是希望接受我们采访的企业与个人主动联系我们。
福利通道
-
关注「InfoQ数字化经纬」公众号，回复「案例」领取 《行知数字中国数字化转型案例集锦》。 -
关注「InfoQ数字化经纬」公众号，回复「进群」加入数字化读者群交流。 -
关注「InfoQ数字化经纬」公众号，回复「抽奖」可以参与本周活动，有机会获得精美礼品。
今日好文推荐