變革已至：生成式AI的突破性能力報告認為，今天生成式AI之所以火熱，是因其相較傳統AI，在“對話”和“創造”兩類能力上實現了根本性的突破。

(資料圖片)

就“對話”能力而言，傳統AI在回答問題時往往對上下文的理解欠缺，導致答案相關性較低，表達機械化；而生成式AI則能夠理解更長的上下文，并進行擬人化的思考和回答，與人類進行更自然的對話溝通。

在“創造”能力方面，傳統AI只能按照預設任務輸出答案（如分類、數值預測）；而現在的生成式AI能夠自動生成自洽的圖形、文字創作甚至代碼，具備優秀的內容創作能力。

生成式AI背后的大模型，又是如何形成了突破性的對話和創造能力？報告認為，這里不開科學和工程的雙重進步。科學的進步，即算法的突破；工程的進步，即超大規模的算力和數據的支持。02

大有可為：應用場景豐富，價值釋放可期報告認為，銀行業應用生成式AI主要遵循兩大類價值創造邏輯：

一是替代人，接受大量重復性、簡單基礎的任務，以釋放運營類人力資源。

二是賦能人，利用生成式AI的“對話”和“創造”能力，以AI為助手放大關鍵節點“人”的產能，賦能“專業”內容形成和“基礎管理”環節。

生成式AI的應用場景可以貫穿銀行全產業鏈的各個環節：每個職能部門、每條業務線本質上都能找到生成式AI的應用場景。同時，有實踐表明規模化應用生成式AI有望為銀行業帶來可觀的降本增效收益。03

落地可行：局部速贏已有路徑，

規模化應用仍需體系性規劃報告認為，行業具備由點及面推進生成式AI應用的三大條件，即扎實的數字化基礎、完備的技術能力和多元豐富的數據。在推進技術落地過程中，有四大舉措需予以重點關注：

第一，在探索初期，優選生成式AI應用場景，平衡收益和風險，與傳統AI充分結合。

第二，在具體應用過程中，巧用方法，利用嵌入、提示詞設計、微調三大抓手，讓AI生成的答案更專業、實事求是。

第三，在生成式技術能力體系建設上，夯實技術基礎，合理部署、多維選型、全棧升級。第四，在重塑體系規模化應用過程中，遵循10/20/70原則，即10%是模型，20%是整體IT能力升級，70%是業務與組織的轉型，而后兩個因素更為關鍵。04

快速行動：銀行需由點及面，敏捷推進報告認為，在對生成式AI的探索中，銀行需具備長線思維，開展體系化的頂層規劃，并與相關業務和科技部門協同共進，推動規模化應用的分步落地。概括而言，可分三個階段由點及面、敏捷推進：第一階段為少量場景的概念驗證和局部落地，即選擇重點應用場景，快速完成概念驗證、構建MVP最小可行產品；第二階段為開展全場景盤點和體系規劃，即基于局部應用的效果和經驗，形成規模化實施的頂層規劃；第三階段則為規模化應用落地和體系能力的固化。談及生成式AI正在行業范圍內掀起的技術革新浪潮，何大勇表示：“隨著生成式AI技術的逐步成熟完善，其應用可拓展到銀行業全價值鏈，充分發揮其‘對話’和‘創造’能力，替代人、賦能人，降本增效，釋放生產力，為銀行業帶來巨大變革。因此，銀行急需提速布局生成式AI的應用落地，爭奪變革浪潮下的競爭先機。”（注：本文來源于公開報道，波士頓咨詢《銀行業生成式AI應用報告（2023）》）