完蛋！银行业被Gen AI 包围，中美银行角逐GPT建设能力 原创

一夜秋风将北京拉入了寒冬，同样在寒冬中挣扎的还有中美银行业，在风雪交加中奋力求生。

今年上半年，我国58家上市银行整体净利润同比增长3.49%，但增速同比放缓，拨备前利润同比下降1.78%。上市银行平均总资产收益率（ROA）和加权平均净资产收益率（ROE）均有下降。

由于我国内外形势趋于复杂严峻，存在较大的不稳定性和不确定性，存在诸多风险与挑战。

毕马威分析认为：从外部形势看，全球通胀、供应链短缺、国际地缘政治冲突等问题短期内难以得到解决。具体表现为：

为避免系统性风险，金融监管机构对于银行业的监管要求不断收紧，在监管层面将提出进一步要求，加大处罚力度和违法成本。

在地缘政治，极端天气频发、供给端政策等因素影响下，对利率、汇率和商品价格产生冲击，商业银行投资组合估值波动性及市场风险加大，同时金融市场波动将影响公允价值及投资收益，需持续关注风险管理及对自身损益的影响。

行业竞争持续加剧。信用风险上行、利差收窄、资本约束叠加减费让利政策的影响，银行服务收费来源持续减少，加之互联网金融等非银金融机构加入竞争格局，行业竞争将呈现较高水平。

在技术层面，网络安全、银行业的数字治理、以及IT基础设施的支撑能力的风险在不断上升。

从内部形势看，疫情传播具有较大不确定性，中国经济依然面临需求收缩、供给冲击、预期转弱等压力。

在公司治理层面，商业银行需从三会一层治理、风险内控、关联交易、市场约束、利益相关者治理等多方面提升公司治理水平。此外，商业银行应吸取瑞信银行危机等事件的经验，加强内部控制的监督和执行。同时叠加资管新规落地的影响，资管产品的并表问题成为行业难题和关注重点。

科技金融对商业银行的业务模式、业务流程和管理体系产生了深远的影响。推动金融服务的场景化、数字化、智慧化、生态化，更好赋能实体经济高质量发展，也带来了新的风险点。

同时，国家促进对小微企业的金融供给，经济形势的恶化使贷款质量下降，商业银行需加强对还本付息贷款的质量监测，重点关注延后风险暴露，做实资产质量分类并加强信贷业务内部控制及风险管理。

流动性风险长期化、结构化趋势日益明显，部分表外业务的潜在流动性风加剧。

随着金融业务的线上化成为趋势，在保障服务渠道的畅通、业务品种的丰富创新也对误操作以及合规性带来了新的风险。

这些风险有的正在美国同行身上上演——美国银行业面临的形势则更加严峻。

虽然美联储暂停了加息，然而美国的高利率降低了美国银行业资产的价值。限制了银行盈利能力，并且增加了对不利事件的抵御能力。特别是在 2023 年上半年，银行不得不应对贷款增长缓慢和存款成本较高的问题，这意味着银行必须支付与客户存款相关的金额。

成本增加的部分原因是许多客户一直在提取资金并将其投入可以赚取更多利息的地方，如货币市场基金。它迫使银行向美联储借款更多，以确保拥有足够的资金，而且利率比以前高得多。

在其资产负债表上的债务价值也大幅下降的情况下，银行业的整体风险急剧上升。这使银行客户因担心资金安全而不断提取存款，银行的挤兑风险进一步加剧。也直接导致2022 年 6 月至 2023 年 6 月期间美国银行的存款下降了近 4%。

银行业的信用评级更加剧了银行们的压力。8月初，惠誉将美国政府债务评级从AAA下调至AA+。主权评级下调通常反映了更广泛的经济问题。这可能会降低银行的信用度，导致其信用评级也被下调。

银行贷款风险正在逐渐展现。近期WeWork申请破产的影响导致银行被拖欠还款的风险提升。WeWork 是从纽约到旧金山等城市最大的办公室租户之一。这导致富国银行的客户一些房地产业主的逾期风险加大。

IT基础设施风险加剧。上周五美国银行(BAC.N)移动应用程序给客户发送了一条消息，称在技术故障影响多家金融机构后，客户将资金存入账户可能会面临暂时延迟。而这一问题可能源于清算所（TCH），这是世界上一些最大的商业银行拥有的核心支付系统基础设施。

人工智能优先正引发银行业全球性竞赛

人工智能主导的自动化主要促进了银行的运营简化和成本降低，因为银行已经确定了员工执行的手动和机械任务，并用计算机取代它们，不仅具有成本效益，而且不易出现操作故障。

银行还使用专有和外部的人工智能功能和数据来增强员工的能力，使他们能够执行以前超出其能力的任务。例如，预测和推荐模型利用人工智能的能力（主要通过无监督机器学习）来分析大量数据并发现人类不明显的隐藏模式。这有助于更准确、更快速地制定决策。

生成人工智能驱动的系统驱动的工具的投资和采用仍处于萌芽状态，但新的人工智能重塑银行业的潜力似乎巨大，加大了银行探索生成人工智能新应用的动力。

中国主要银行在科技金融中的投入

生成式人工智能提供的强大可能性源于其基于对大量数据（包括文本、图像、视频和代码）的分析来创建内容的能力。该功能意味着它可以用于总结内容、以聊天格式回答问题以及以不同格式编辑或起草新内容。更具体地说，这意味着银行业的生成式人工智能可以快速且廉价地（一旦大规模部署模型）生成超个性化的产品和服务，或加速软件工程、IT 迁移和程序现代化。它还可以通过人工智能聊天机器人或虚拟助手增强人类的能力——这是摩根士丹利和 ChatGPT 背后的美国研究实验室 OpenAI 合作的重点。

据国际数据公司 (IDC) 的报告显示，预计 2023 年全球人工智能支出将达到 1660 亿美元（其中银行业是最大的行业贡献者之一，约占 13%），到 2027 年将增至约 4500 亿美元。

银行使用生成式人工智能的方式可能会带来一些惊喜，似乎可以肯定的是，新技术将导致人工智能在银行业中的作用发生演变和扩大。

由于生成式人工智能在银行业的应用而带来的显着变化不太可能立即发生。可以预计，银行将在未来两年到五年内继续测试生成式人工智能模型，并对其进行大量投资，然后再扩大对客户的部署并参与更具变革性的项目。

此外，银行的大部分近期用例可能会侧重于提供渐进式创新（即跨业务部门的小幅效率提升和其他改进），并将基于特定的业务需求。最后，我们预计员工将继续发挥监督作用，即所谓的“人在环”(HITL)，以确保随着技术的成熟，结果满足预期（在准确性、精确性和合规性方面）。

尽管进展缓慢，但生成式人工智能广泛应用的潜力意味着银行业将是受到这一影响最大的行业之一。据麦肯锡公司 2023 年的研究显示：如果用例得到充分实施，生成式人工智能每年可增加 2000 亿至 3400 亿美元的价值（占银行营业利润的 9%-15%） 。

除了新的业务用例之外，银行还可能将生成式人工智能（通过基础模型）应用于现有和较旧的人工智能应用程序，以提高其效率。例如，面向客户的流程的数字化和自动化会生成数字数据轨迹，生成式人工智能可以使用该轨迹来微调服务及其内部流程。然后，这可以提供进一步的数字化，包括超大规模定制，从而可以实现更好的客户细分和保留。数字数据追踪还可用于改进风险管理、数据收集、报告和监控。

银行如何发展其生成式人工智能能力可能取决于其规模和投资能力。选项范围从外包（通过承包给第三方）到内部开发，以及涉及现有模型微调的各种混合解决方案。虽然银行业的大多数生成式人工智能应用仍处于开发的早期阶段，但项目和方法的范围已经很明显，中美银行业正在这场竞赛中角逐。

中国银行：推出首个生成式人工智能（Gen AI）解决方案CHIB GPT，CHIB GPT 是在内部向中国银行家推出的，旨在提高对 Gen AI 的认识并向业务介绍其功能，并发现高价值、创收的用例。       

中国银行总裁兼首席执行官 Romeo D. Uyan Jr. 表示：“针对员工的 CHIB GPT 仅仅是一个开始。”他指出，目前中国的银行家可以使用 CHIB GPT 作为按需伴侣，帮助提高生产力和效率。 

CHIB GPT 的推出为全行其他 Gen AI 计划铺平了道路。中国银行首席创新与转型官 Delfin Jay Sabido IX 表示：“我们计划采用越来越多的新一代人工智能技术来改善客户体验，为银行带来更多商业价值。”  

CHIB GPT 由安全沙箱上的大型语言模型提供支持，可访问中国银行的专有信息。它专门从事内容生成、搜索、摘要和分析。 

CHIB GPT可以使与语言相关的任务（例如撰写报告、电子邮件、备忘录、文章和其他内容）变得更快、更轻松。它还可以为时间管理、工作流程优化、个人培训、决策、理解复杂主题甚至克服写作障碍提供提示和建议。

工商银行：创新推出“工小征”“工小程”3D 数字人形象，实现数字员工随心换功能，助力提升客户交互服务体验。

交通银行：将在数字化转型投入力度持续加大，金融科技人才占集团总人数 6.51%。渠道和场景建设提速加力，依托新一代开放银行平台进一步拓展创新场景，加快模式复制，云上交行以远程视频服务构建“云网点、云柜员、云管家”服务体系。着力打造交行人工智能新名片，积极布局 AIGC 前沿技术，制定生成式人工智能建设规划，组建 GPT 大模型专项研究团队，为体系化、规模化应用奠定基础。围绕“降成本、控风险、优体验、增效益”目标，加大人工智能应用深度和广度，试点上线对公账户管理流程自动化场景、反洗钱可疑事件排序场景、零售客户兴趣偏好场景，压降人力投入，提升风险分析质效，赋能客户精细化经营。

招商银行：持续围绕线上化、数据化、智能化、平台化、生态化推进“数字招行”建设，借助智能技术进一步提升“人+数字化”服务水平，以创新驱动本公司高质量发展。今年第三季度，信息科技投入52.06亿元，是本公司营业收入的3.21%。截至第三季度末，全行累计立项金融科技创新项目3494个，累计上线项目2687个，报告期内新增立项252个，新增上线项目237个，继续通过支持金融科技创新项目推动全行数字化转型探索。

平安银行：推动生成式人工智能（AIGC）、数字孪生、量子计算等新技术孵化和应用。一是打造企业级 AI 研发平台，统一管理全行模型算法，拓展AI 技术在全业务、全渠道、全流程的规模化应用。二是积极探索大模型研究与实践，并在产品设计、场景运营、营销物料生成、经营分析、行政办公等领域应用，有效赋能管理效率提升。三是自研多模态虚拟数字人，提高运营效率和用户体验；2023 年第三季度，平安银行虚拟数字人项目荣获“IDC 未来工作领军者”，虚拟数字员工“小安”亮相全球顶级金融科技行业盛会“2023 外滩大会”。

通过智能财富助理“AI小招”为零售客户提供更便捷多样的服务，今年第三季度“AI小招”服务用户1172.88万户，同比增长140.84%。财富陪伴系统为客户提供场景化售后陪伴服务，帮助客户有效应对财富波动。第三季度，包括海螺RPA、AI智能客服、AI模拟人、语音质检等智能化应用已在全行实现全职人力替代超过1.4万人。

工商银行：在今年三季报中披露称，正在加强前沿技术应用，已经实现了人工智能百亿级基础大模型落地应用。

摩根大通：摩根大通的研究人员开发了一种预警系统，使用人工智能和深度学习技术来检测恶意软件、木马和网络钓鱼活动。研究人员表示，木马大约需要 101 天才能侵入公司网络。预警系统在攻击发生前提供充分的警告。当黑客准备向员工发送恶意电子邮件以感染网络时，它还会向银行的网络安全团队发送警报。此外，该银行已为一种名为 IndexGPT 的工具申请了商标，该工具可以充当金融投资顾问。

第一资本：第一资本的智能虚拟助理Eno是人工智能在个人银行业务中的最好例子。除了 Eno 之外，第一资本还使用虚拟卡号来防止信用卡欺诈。与此同时，他们正在研究计算创造力，训练计算机具有创造力和可解释性。

富国银行：该银行使用 Dialogflow（谷歌的对话式人工智能）来为其名为 Fargo 的虚拟助手提供支持。它还使用大型语言模型（LLM）来帮助澄清客户必须向监管机构提供哪些信息。

高盛：其开发人员正在试验和测试生成式人工智能工具，以协助代码编写和测试。

摩根士丹利：财富管理部门正在开发一项利用OpenAI的GPT-4技术的服务，帮助员工找到相关的内部智力信息，例如跨行业和跨地区的公司洞察、资产类别信息以及来自资本市场的数据。

采用生成式AI 面临的挑战

波士顿咨询公司（BCG）认为，生成式AI在银行业规模化应用的落地，是一个体系性工程，并提出“10/20/70”法则，即10%是模型，20%是整体IT能力升级，70%是业务与组织的转型。然而，虽然一些机构已经成功实施了人工智能解决方案，但其他机构仍处于实验或早期采用阶段，通常根据各自组织的风险评估采取更加谨慎的方法。

金融服务公司和银行在考虑采用这种技术时需要解决的一些关键问题包括数据质量、技术专业知识和道德考虑。

例如，人工智能模型，包括那些使用人工智能来开发内容或工作产品的模型，需要高质量和多样化的数据才能最有效地执行。如今，金融机构经常与孤立的数据和不完整的信息作斗争，这会让人工智能驱动的结果充其量是参差不齐，最坏的情况是错误的。任何考虑采用人工智能驱动的技术工具或流程的金融公司都必须首先确定其数据的质量是否足够并且可供程序访问。在明智地采用人工智能之前，可能需要全面清理机构的所有数据。

除了干净、可靠的数据外，金融机构还需要确保采用必要的技术专业知识来正确运行人工智能生成程序。这意味着拥有能够开发和维护此类人工智能系统的专业人员。但目前对此类专业人员的需求量很大，而银行业极度缺乏这种水平的专业技术技能。