年初开始，ChatGPT的大热让资本市场陷入疯狂的同时，也各行各业也都陷入了空前的危机感，金融行业也不例外。近日，招商银行信用卡中心、江苏银行纷纷下场，探索ChatGPT在业务中的具体运用。百信银行、邮储银行也接连宣布接入百度文心一言。

虽然AIGC的这一波亮相到底营销噱头还是真有活存在争议，但人工智能确实为行业发展带来了新的变量。

1. 对银行而言，会带来什么

首先，是思维方式的升级。

从目前来看，ChatGPT明确落地的应用是银行在品牌工作上的内容试水。月初招商银行信用卡在官微发布了国内金融行业首篇使用ChatGPT技术完成的品牌稿件，引发广泛关注。

而事实上，这其实并不只有银行可以做的事情，抛开银行场景，仅仅只讨论品牌这一工种。在UGC、PGC之后，以ChatGPT为代表的AIGC确实给内容赛道带来了全新的想象力。

品牌心智的锻造是个长期过程。如何综合多角度的用户反馈并形成品牌策略的精准优化，是一场漫长的试探与博弈，也一直是品牌方的难题。传统的作业模式中，这一工作有着十分标准的传导链路：品牌需要通过产品、服务、广告、活动结合用户调研、不同模块形成立体的数据分析，多点反馈形成全息沙盘。完整体察用户动态需求之后再形成精准的品牌输出。而整个周期需要多少多久，存在很强的不可控性。

首先，对多维度、全链路的信息反馈进行数据分析本身就是人工智能的强项，而在此基础之上，对AI提出需求——AI根据需求形成输出——调教模型——优化产出。较之传统作业模式，更高效地完成了品牌心智的交互，同时也大幅减少了信息损耗，降低了需求错位的可能性。

品牌只是AIGC的初步探索，事实上从ChatGPT强大的语言理解能力和语意推理能力来看，ChatGPT在应用层面的想象力绝不仅于此。

直观联想上，它可以帮助智能客服精准的理解用户意图，形成完整的智能问答，从而大幅提升用户体验；而其强大的数据分析能力和学习能力则能够帮助用户识别欺诈检测、帮助金融机构分析市场趋势，研判市场风险等等。

其实，智能客服、智能投顾早已不是新鲜词汇，但效果始终差强人意。过去几年，智能化常常被各家金融机构包装成亮点，但在真正服务落地的过程中却总是充满槽点。

仅仅以智能客服来举例，很多机构一方面加大AI客服投入，一方面精简了人工客服的团队。但对用户而言，AI客服只能对简单问题给予标准化回答却解决不了问题，反复跳转还找不到真正的人工客服，十分奔溃。因此，人工智能甚至一度被调侃为人工智障。

相较而言，ChatGPT虽然有时候也会输出一些正确的废话，但好在语义理解能力很强，反馈输出语句通顺且逻辑自洽。如果要让AIGC进化推动智能服务的进化，对模型的驯化能力成为了考验银行的关键点。

2. 银行要做什么，能做什么

人工智能的介入底层是思维升级，就跟曾经的“互联网思维”一样，如果说上一阶段的“互联网?”“互联一切”让服务形态从线下到线上，智能化升级则需要全行业务的进一步深度融合。

新的技术革命全面到来之前，顺势布局的重要性无需赘言。但这显然，在此之前，还有大量的清障工作。

首先是战略层面的思维变革。大多数银行可能都已经意识到了，在银行这个红海，科技能力已经成为构建底层竞争力的重要一环。但知易行难，受限于体制机制，很多银行的科技创新依然局限于网金等少数几个部门，真正从战略举全行之力推动科技转型的银行不过寥寥数家。

现实层面还有成本和数据处理合规性的问题。

GPT是Generative Pre-trained Transformer（生成型预训练变换模型）的缩写，从其名称就可以看出，“训练”是战斗力的关键，而训练也关乎着高昂的成本。

国盛证券计算机分析师刘高畅、杨然在发表于2月12日的报告《Chatgpt需要多少算力》中估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。虽然商业银行在ChatGPT应用层面对模型的训练没有明确的数据支撑，但可以想见成本不菲。

此外，人工智能的部署大概率需要“外脑”的加入，仅仅依靠银行自己实现并不现实，金融机构的数据不对外开放，现有的架构也多是私有云部署，这对模型的训练难度带来了挑战，数据源的脱敏和标注涉及的工程量巨大。

综合命题下，对一些中小银行来讲，或许是一次机会。中小银行虽然从财力不如大银行，但从数据处理量来看，可能能更加快速地形成产出，短时间大幅度、高强度的投入对中小银行的业务处理效率提升会更为明显。

3. 对金融从业者而言，这是不是要失业的前奏

任何一次技术革命都会带来结构性的失业，这是无法避免的挑战，不因好恶而改变。这是人类的集体命运，并非金融行业而已。

从历史上看，前两次工业革命对就业带来的结构性影响大约通过两代人才逐步消化，而上世纪中叶开始的计算机革命带来的影响到现在还没有完全消化，相较而言，智能革命较之前几次技术革命的影响可能更为深远。

打不过就加入当然是最好的策略，越早加入越好。在通用大模型没有触及的垂直专业细分领域，要生成精准的定制化内容，专业人士的调校干预依然不可或缺。当然，这对训练模型的AI专家也提出了更高的要求，跨界人才才是ChatGPT背后的“上帝之手”。所以从某种程度而言，AI不会控制人类，但是控制AI的人类可以，如果成为前者，就不必担心成为后者。

但学霸毕竟是少数，对大多数从业者而言，解题的思路可能是，做“非标”的人，或者做“非标”的事。越是非标，越是安全。如“柜员”、“客服”、“报表统计”，标准化程度越高的工作，AI替代的可能性就越高。而例如涉及大量线下调研的基金经理，这类协作性很强的非标工种，AI的可替代性就不高。

很残酷的真相是，虽然一直说科技以人为本，但历史上所有的技术革命，从来都不是以人为目的，效率才是一切的目标。文明的快速进阶并不总能带来幸福感，每一次科技的巨大飞跃在推动文明进步的同时都会加剧结构性失业，会让人类社会的竞争更“卷”——无论是个体还是经济体之间。

区别于历史上所有的技术革命，智能革命的目标是要替代人类最骄傲的东西——“大脑”。如果说互联网让人快速获取一个陌生领域的知识，人工智能则能让人快速输出陌生领域的智识。随着各类多维度、大规模数据的持续沉淀，人工智能的学习速度还在指数级上升。这既是AI的可怕之处，也是AI的致命魅力。人工智能一定会改变世界，无论你想或不想，愿或不愿。