数字经济新业态：AIGC应用吸睛，数据质量与合规性成首要挑战
本报记者蒋牧云张荣旺上海、北京报道
近日，中共中央、国务院印发了《数字中国建设整体布局规划》(以下简称《规划》)，其中指出，要推动数字技术和实体经济深度融合，在农业、工业、金融、教育、医疗、交通、能源等重点领域，加快数字技术创新应用。
事实上，当前数字经济的新模式、新业态不断涌现。近日，ChatGPT的火热就在向我国的金融科技领域传导，多家机构与企业纷纷表示关注，正在加速相关领域的研究。据悉，ChatGPT在业内被视为AIGC（AI Generated Content，人工智能生成内容）的一款具体的应用和产品，在智能客服、智能投顾等方面有着不少契合点。
《中国经营报》记者在采访中了解到，目前AIGC在金融领域的应用仍在探索初期，其数据质量、数据合规、商业应用尚不成熟等问题都是不可规避的挑战。在不少业内人士看来，未来可能会形成金融机构与AI企业融合的生态圈，而前述种种挑战将会由整个产业生态共同面对。
应用空间巨大
ChatGPT，是由人工智能公司OpenAI推出的人工智能语言模型，其中GPT是Generative Pre-trained Transformer（生成式预训练变换模型）的缩写。近期，ChatGPT在国内掀起一股热潮，不少金融机构都表示将深入研究AIGC技术的落地应用。记者观察到，大部分机构的应用探索方向都集中在智能客服、智能投顾、商户入网、欺诈检测、营销等领域。
ChatGPT究竟给金融业带来了哪些想象空间？全联并购公会信用管理委员会专家安光勇向记者表示，ChatGPT能够生成更加复杂、真实自然的语言，能够与用户进行更加真实的对话。这种对话的真实感和自然感可以为金融机构带来更多的商业价值和竞争优势，例如提高客户体验、提高销售转化率、降低人工客服成本等。此外，ChatGPT还可以用于自动化生成金融分析报告、风险评估、投资策略等内容，进一步提高工作效率和精度。
以智能客服领域具体举例，恒生智能客服负责人齐海丰认为，ChatGPT拥有极强的意图识别能力，可以很好提升客服机器人对于客户问题和回答的精准理解，有效提高客户体验。其次，ChatGPT成熟的自然语言能力，可以快速生成语义语料，极大降低人力成本，对于整个业务的运营和维护都将带来很大价值。另一方面，随着目前客服行业正在逐渐向营销、投顾业务转型，ChatGPT的内容生成能力，可以对业务运营过程中的创意、话术、成果分析等环节带来强大赋能。
ChatGPT与目前智能客服等AI应用产生不同的原因是什么？独立国际策略研究员陈佳告诉记者，ChatGPT之所以强大的原因，在于GPT这一方向。GPT作为自然语言类预训练生成类的大模型，借助相对轻松的自然语言对话环境和读者友好的互动机制，使ChatGPT迅速实现了算力需求的指数级爆炸增长，几乎囊括了当前AI搜索引擎与算力的绝大部分流量。这也成为了全球各大AI厂商不得不跟进GPT浪潮的核心原因。
中型证券研究部近日发布的《ChatGPT影响金融科技的几个猜想》中还提到，ChatGPT以大型语言模型为基础，加入人类反馈强化学习（Reinforcement Learning from Human Feedback，RLHF），通过迭代，在语义识别、对话逻辑、表达方式、回答丰富度等方面得到显著提升。
发展尚存局限性
需要关注的是，ChatGPT也存在局限性，比如，在一些专业领域若没有前期足够的语料投喂，可能就无法生成适当的回答。在投研领域，恒生首席科学家白硕告诉记者:就目前来看，业内普遍认为ChatGPT本身还不具备精准回答投资领域问题的能力，它能起到的仅仅是沟通翻译的作用。未来还需要金融领域专业数据的投喂训练，以及与专业系统的对接，才能真正发挥作用。
安光勇也表示，AIGC的质量和效果受到数据质量的影响，需要保证数据的准确性、完整性和一致性，以提高AIGC的准确性和可靠性领域知识。金融领域的知识非常丰富且复杂，需要AIGC能够理解金融概念、相关法规和制度等，以生成更加准确、专业的内容透明度和可解释性。与此同时，AIGC技术在金融业的应用还需要具有一定的透明度和可解释性，以便用户和监管机构了解AIGC生成内容的过程和依据，从而提高产品的合规性、用户的信任度。
由此也可以看出，ChatGPT作为一款大语言模型，数据是它的生命，但数据的准确性、合规性以及数据的知识产权和归属，一直都是大数据领域的核心命题。记者观察到，与ChatGPT热潮一同到来的，是金融机构纷纷发布ChatGPT禁令。近日，摩根大通开始限制员工使用ChatGPT，成为第一家在工作场所限制使用ChatGPT的华尔街投行。随后，花旗集团和高盛集团也加入华尔街禁用ChatGPT之列。
而从国内的角度，陈佳判断，未来我国金融科技创新的大方向会是包括AIGC在内的人工智能全面融合，但具体到产品一定不会是ChatGPT。ChatGPT是OpenAI研发的工具，其服务器、数据库和算法维护都在境外，境内金融机构如果要利用ChatGPT的算力进行业务分析，便需要上传商业数据，并且提供得越多效果越好。但提供得越多，数据安全风险也越大，大量涉及商业秘密的客户数据有可能流失，背后的金融安全风险极大。
因此，不少业内人士都认为，AIGC要在金融业落地依然有很长的道路。天使投资人、互联网专家郭涛总结道，当前AIGC技术在金融业中的应用还处于早期探索阶段，存在关键核心技术不成熟、内容堆砌且质量参差不齐、数据安全及合规风险、成熟的商业应用场景较少、相关法律法规不健全及技术伦理挑战等突出问题，短期内还难以实现大规模商业化应用。
或形成金融机构+AI的生态圈
基于种种情况，在博通咨询资深分析师王蓬博看来，并不建议金融机构比如支付企业大力入局AIGC。一方面，以ChatGPT为例，其需要对数据库不断更新，现阶段才是应用的开始，部分机构在此刻宣布的入局，短期内不可能有任何实际产品。对于支付机构而言，不论是技术还是商业模式上离这类自动语言处理机器还很远。而除了风控要求之外，虽然金融机构一直在向数字化服务方向转型，但自己研发相关产品带来的高额研发费也将大大提升成本。
那么未来我国金融科技在AIGC的发展趋势将是怎样的？在陈佳看来，未来我国金融业不太可能全面推广基于ChatGPT的金融服务和产品，而是会加强金融机构与国产AI品牌的深度融合。陈佳还提到，实际上，我国在突破人工智能浪潮方面是有着自己的比较优势的，其中之一就是中文的复杂性令其他国家语言类大模型至今都很难找到突破口。未来，中资AI厂商与如今的OpenAl一样有机会对中文世界的AIGC作出贡献，国内市场拿出对标ChatGPT的产品是大势所趋。
在金融机构与国产AI产品融合方面，白硕也提到：在大语言模型的训练过程中，势必涉及到巨额的资源及资本投入，企业如何实现技术与商业模式的转化是必须思考的问题。目前来看，大数据模型是行业趋势，未来会形成平台化、顶层架构化。随着技术的不断成熟和商业应用的铺开，产业的规模效应增强后，完成行业系统性升级的同时，类ChatGPT技术也会呈现边际成本递减。当引入垂直领域落地时，还需要对模型做‘加减法’，即增加本领域私有、专有数据进行增强训练，以及摘除掉在垂直领域根本用不到的数据资源，以减轻成本。
这期间，便需要整个产业生态的共同合作。目前，国内的大厂纷纷宣布跟进大模型建设，并且相比较外国厂商，国内的平台在中文语言处理能力上也将更具优势。国内的金融机构和金融科技厂商，也将第一时间与国内的大模型进行对接，共同完成语言模型训练，打造人工智能解决方案及产品服务。白硕表示。
而关于数据合规方面的问题，白硕认为，可以通过在源数据上对精准度进行打标，利用大模型能力建立起从自然语言到源数据层的映射，从而保证数据安全。同时，区块链、Web3.0、隐私计算等技术或许同样可以为数据的合规使用打开一条新的技术思路，既能让模型产出结果，也能通过联邦的方式让数据权益得到清晰兑现。
（编辑：何莎莎校对：颜京宁）
