年初以来，大模型引发的业务流程重塑等问题持续受到关注。在数字化转型大趋势下，作为一个对风控要求极高的行业，
带着这些问题，近日21世纪经济报道记者对新网副行长李秀生进行了专访。作为新一代数字原生银行，自成立之初起，新网银行各类业务就在线上进行，数字化能力已经具备一定的基础。
“随着这几年大数据和人工智能的发展，尤其是今年大模型概念的出现，我觉得银行的信息化进入了一个新的阶段。”李秀生认为，大模型会给银行业带来一些新的产品、新的客户交互方式，替代的不只是体力，更是革命性地替代了很多的脑力。
目前新网银行已经在知识库、客服等领域进行了探索和尝试。“当前银行业对于大模型的发展趋势已经有了共识，问题的关键是如何落到具体业务，并以何种方式落地。”李秀生表示。
李秀生：近期我们对大模型应用进行了多次研究和部署，大模型的出现，对于新网银行的科技来讲，是一个比较新的阶段的开端。
新网银行自成立以来就是围绕着纯线上的模式来进行系统搭建，几年来不断改进优化，仍属于量变层级。我认为大模型的出现，将推动新网银行的金融科技工作（发生）一次质变。
我工作的第一个阶段主要做电子银行研发，就是包括网银和呼叫中心。对于银行的信息化来讲，银行的电子化阶段是一个非常重要的阶段，但它改变的是渠道，主要是业务流程上的改变。随着这几年和的发展，尤其是今年大模型的出现，我觉得银行的信息化又进入了一个新的发展阶段。
和所带来的变化，在前几年主要是零售信贷的革新，风险评估的智能化和处理流程的自动化。后来出现的RPA（机器人流程自动化）是将不同的流程或不同的系统处理串接组合起来，提升自动化处理的能力。而大模型带来的不只是判断和流程组合的自动化，它会产生一套全新的金融作业模式、新的产品、新的客户交互方式，替代的不只是体力，更是替代了更多的脑力。
今年开始，我们也把大模型的研发作为非常重要的工作方向，成立了一个专门的小组。当然，大模型还在发展阶段，没有完全稳定、成型，变化非常快，或者说进步非常快。
李秀生：一是知识库领域。银行合规性要求比较强，有各种各样的制度文件，新员工入职之后有各类涉及诸多范畴的问题咨询，以往要么提供制度给员工参考，要么建立条目式问答库，问题答案通常呈一条一条，较为固定。现在有大模型之后，通过数字技术可以根据已有的制度，提供综合性回答，而不是机械性匹配，目前知识库已上线。
二是客服领域。在客服坐席与客户的交互过程结束后，有一项工作叫客服小结。具体来说，就是客户沟通结束之后进行简要总结，便于后续对客户的问题进行统一整理和分析。客服小结自动化这个应用现在已经上线，每个沟通结束之后可以通过大模型技术自动生成小结，降低了员工的工作量，提升了工作效率。
三是还在探索的编程助手。随着数据重要性的提升，我们提出了一个目标——“人人都是数据分析师”，但很多业务人员没有技术背景，那他如何成为数据分析师？一方面他们经常用的数据，可以为他提供固定报表，但有些数据的要求比较灵活、随机，我们要做的就是使业务人员通过自然语言提问来获得。再下一步就是应用系统的编程替代，但这还有一定的路要走。
我觉得未来大模型还可能带来银行产品形态的变化。随着大模型不断地进化，银行可以为客户提供更加个性化的产品，带来基于自然语言的交互式服务体验，而不是固定的产品功能。
李秀生：大模型是人工智能能力的一个跃升，有一个特点是具备通用智能能力，而反诈、反洗钱，尤其是反诈，可以基于多模态数据和通用知识做出综合判断，大模型是有其具体的应用场景的。
《21世纪》：我们在讲银行信息科技的时候，会说它非常智能，但我们也会考虑到金融服务需要温度，大模型能否解决个性化的服务问题？
李秀生：对于金融机构来讲，希望能够节约成本、提高效率，个性化的部分往往通过人来解决。所以，主流银行在不断提升金融科技水平的同时，仍然保持人工服务、网点服务。对我们来说，因为没有网点，做的是标准化的服务。我们希望通过产品更加科技化，进一步提升服务体验。
大模型的出现和不断进步，会降低个性化服务的成本，可以做到人人都是VIP，更多客户可以得到定制化和更为个性化的服务。
李秀生：第一，我觉得大行无论是人员还是算力，投入会更大一些。但不管是国有大行还是中小银行，要做的可能都是在商业大模型或者开源大模型的基础上，建设行业或本行的应用，涉及基础模型能力建设的地方相对来说较少。
第二，大行应用商业大模型可以考虑私有化部署，中小银行可能采用SaaS服务，或者一部分采用开源大模型。SaaS服务成本相对低一些，按需调用，但用这个方式，在交互过程中难免涉及客户信息数据和银行自身的商业秘密，这个问题需要有比较好的方案来解决。
《21世纪》：你刚刚讲了大模型在三个方面的应用，能节约多少成本有估算吗？
李秀生：不太好量化估算，但节约成本是肯定的。以客服小结为例，原来客服需要自己手工写每一通电话的总结，我认为时间成本大概能节省20%左右。
再比如合规领域，制度的编写，合同、产品方案的合规检查，都可以用大模型技术提升效率。
第一，关于共识的讨论。大家对大模型的趋势和前景已经达成共识，不像前几年出现的一些热点技术，大家还是有些问题，在大模型的应用上，大家基本没有分歧。
第二，如何落地？我们更多谈的是从哪里切入、从哪个点切入。目前行业较多的是从客服来切入，比如像我们这样的银行得有几百个客服，主流银行可能有几千个，甚至是上万个，从客服领域切入效果可以较快显现。
第三，选什么样的技术路径。目前来看，有开源方向、有商业方向。商业大模型模式，对于大型银行来说，可以走商业本地化部署，对于中小银行来说，走SaaS模式可能更为合适，因为本地化模式成本比较高。大模型应用，尤其SaaS模式，面临的客户信息保护问题，也是大家讨论的焦点之一。
第四，算力如何构建。大模型的应用需要大算力，算力成本比较高，中小机构应该如何搭建自己的算力，这个问题可能需要多方协同，才能有解决方案。
李秀生：我们觉得从顶层设计上，应该有个行业解决方案，尤其对于我们中小金融机构来讲，需要借助行业级的算力基础设施。
李秀生：我觉得大模型不只是形式上的火热，是真的有实际应用场景。如果说现在还不进行跟进，可能会落后。
因为任何一个技术的应用都需要一个沉淀过程，不可能等着都已经完全成熟之后，再来接受新结果，站在别人的肩膀上。比如，新网银行2016年就开始发展线上消费贷款，后来又推出线上经营贷，这是一个慢慢积累的过程。大模型也一样，要等到两三年之后行业整体都已经发展到一定水平了，自身再去切入的话，那一定会比其他机构滞后一些。
李秀生：目前我们在具体研发、探索应用落地方面进行了一定布局。相对而言，大行应该投入更多，一些大行公开介绍说在大模型的应用方面，涉及智能客服、智能风控、智能编程、智能合规等，和我们思路差不多，国有大行的布局可能更为基础。因为大行业务范围更宽，体量也有所差异，细分领域较多。
李秀生：从已有的科技人员转型就可以，比如原先从事大数据、人工智能领域的人员转型为大模型领域的人员。
《21世纪》：银行在金融科技方面，有个感觉，就是之前大家都比拼得很厉害，看谁投入多感觉谁就好像特别好、特别强，现在是不是有一些理性回归，也开始注重效率？
李秀生：首先，银行的科技投入量化的回报测算有一定难度，但是不投入肯定不行。第二，银行科技的投入，个人觉得仍然需要重视和加大力度。整体来看，银行在这方面很重视，而且一直也是比较理性的。
李秀生：银行科技的投入，无论是基础设施，还是应用系统建设，银行都需要进行效益评估和成本核算，应该说整体上是理性的。投入的多少，和银行的体量和战略选择紧密相关。
《21世纪》：在你们业内人士看来，评价一家银行金融科技能力不错，除了每年的投入，还关注哪些方面的指标？
李秀生：评价一家银行的科技能力，一个很重要或者说最重要的一点是看这家银行的经营情况如何。如果这家银行业务不行，没有人会说他科技能力强，科技要或者说只能通过业务证明，较难自证。
所以，评价一家银行的科技行不行，第一看业务行不行，业务强，科技必然强，如果业务不行，科技肯定不会太好。
第二，评价一家银行的科技能力，还要看这家银行有没有比较突出的应用系统，有没有技术上的典型代表作，有多大的行业影响力和引领能力，对行业的贡献怎样。比如建行把金融科技作为几大重要战略之一，工行的D-ICBC战略，这些都对行业有重大和方向性的影响。
上一篇：大数据是什么？IPIDEA解析大数据的基本概念 下一篇：概念动态网达软件新增“大数据”概念
