近日，易观分析发布《中国人工智能行业应用发展图谱2023》报告（以下简称“报告”）。报告对主要行业AI应用发展背景、关键价值与挑战，以及典型案例进行分析，其中包括金融行业。

报告提到，人工智能进入生成式阶段，推动企业从数字化向智能化升级。但大模型应用还存在挑战，包括技术局限、巨大的模型训练与推理算力、安全合规可信应用等。

报告展示了金融业AI应用图谱，主要包括金融智能（智能投研、智能投顾、智能理赔、智能风控）、业务赋能（营销与销售、客户服务）、金融大模型、金融整体解决方案4大领域的企业。

金融业AI应用背景及现状

金融业的持续发展，需要AI等技术的支撑。

报告提到，从金融机构主体角度而言，一方面，围绕各个产业中的实体企业所进行的数字化金融服务，与围绕自身数字化转型所进行的金融创新，需要进行有效对接。另一方面，打造现代金融机构和市场体系，疏通资金进入实体经济的渠道，需以AI等数智技术为驱动进行多方融合共建产业生态，通过模式与技术共振，进行金融资本和金融科技综合精准赋能，将有力促进产业结构优化升级和金融高质量发展。

报告也指出，金融智能交互与KYC探查能力仍待加强。金融行业普遍采用智能客服介入客户服务环节，但目前智能客服仍以“搜索”为核心应对用户疑问，重在快速解答。而生成式AI能结合多轮对话与KYC探查能力，提升用户对话体验。同时，基于AI交互与沉淀数据，构建客户体验指标评价体系，使客户体验做到可监测可度量。在体系搭建过程中，围绕核心业务目标逐层拆解，利用AI技术持续跟踪、检视和对标分析，通过监测分析优化客户体验、提升流程规范与业务合规程度。

报告还提到，金融业进行数字化转型建设起步早，当前行业整体数字化成熟度较高，具备人工智能深入应用的良好土壤，也是生成式AI、大模型率先实现行业落地的重点领域。人工智能技术应用场景的广度不断拓展，目前已覆盖营销、服务、投研、投顾、风控、研发等前中后台数字化经营关键环节，于行业而言，其核心价值将在原有AI能力的基础上进一步释放，结合业务云化趋势，“AI+金融”正进入深化应用创新的阶段。

金融业AI应用价值、场景及案例

报告提到，金融业AI应用价值主要在于：降本增效，释放人力资源进入高价值环节；激活数据要素，促进金融普惠；赋能场景创新，提升千人千面的服务能力。

应用场景分为金融内部场景与外部场景。

内部场景有产品研发（代码助手）、运营与资产管理（智能办公/智慧运营、数据资产管理与分析）、合规风控（智能风控、反欺诈/反洗钱）。

外部场景有信贷审核（信贷业务智能审核放款、小微企业信用数据获取）、财富管理（智能投研、智能投顾、智能理赔）、市场营销（智能营销、智能销售）、用户运营（智能客服/AI外呼）。

报告展示了一些银行的AI应用案例，比如工商银行、农业银行。

工商银行与鹏城实验室、清华大学、中国科学院、华为等联合发布了基于昇腾AI的金融行业通用模型，首家实现企业级金融通用模型的研制投产。当前已应用于员工智能助手、知识运营助手、金融市场投研助手等多个场景。

工商银行金融大模型应用探索涉及远程银行客服、智能知识管理、智慧办公、智能研发等。

农业银行方面，ChatABC初步具备自由闲聊、行内知识问答、内容摘要等多类型任务的服务能力，已在行内多个渠道以多轮问答助手、工单自动化回复助手等形式面向内部员工开放试用。

金融业AI应用面临的挑战和趋势

报告指出，金融业AI应用面临3大关键挑战：

一是数据治理挑战。尽管部分金融机构的数据治理工作已取得阶段性成果，但行业整体的数据治理、数据资产化进程仍处于初期阶段。而随着生成式AI、大模型逐步在金融领域落地应用，未来AI训练更依赖于大量高质量的金融数据，而目前金融系统多、数据散乱的问题依然存在。数据的可靠性和建立可持续的数据战略仍是一项极具挑战的任务。

二是成本投入挑战。金融业对于数据安全的高要求使得AI部署通常以定制化项目为主，这也造成在开发、更新维护等方面成本重复投入的问题，削减了资源利用率。特别是对于中小金融机构而言，当前AI的投入成本较高，且主要受到定制化需求、安全合规性要求和对高技术人才要求的影响，限制了其广泛应用。

三是组织协调挑战。AI应用逐步渗透组织链条，金融机构需要重新审视组织机制和业务规则，组织机制的设计必须更灵活和适应变化，以更好地支持AI融入。引入AI后，金融机构内部面临人机协作、部门协作中对责任的解释、分担和认定等问题的挑战，AI在决策和执行中的智能化可能使得追溯和解释变得更为复杂。

另外，报告提出金融业AI应用的3个趋势：

一是业务驱动金融大模型与AI底座的结合，将投射形成垂直场景下的原子能力，在场景中得到验证。

二是知识战略与数据战略并重升级基础能力，成为金融业下一阶段技术能力分化的核心。

三是金融AI原生应用作为新质生产力工具大量涌现，提供全生命周期的高质量金融服务。