AGI在金融领域的应用报告 2024

客客邦科技双研究院nfoQ:i九中国信息通信研究院，作为国家级研究机构，凭借其一系列具体工作，力求通过多项举措，分析金融领域在数字化转型过程中CONTENT距离应用落地视觉/语音等基础技术平台、研距离应用落地视觉/语音等基础技术平台、研育视觉、语音……物流物流农机企业AGI应用发展阶段金融业正引领人工智能应用潮流，预计未来几年全球投资将以29%的年增长率迅•2023年，全球各行业在以人工智能为核心的系统上支出约合年增长率达到29%。20.642023年-2027年全球金融业在AI系统中的预计支出复合年均增长率：29%4540.7%62.640.7%62.633.2%36.527.0%8.233.2%36.527.0%8.2AGI正处于应用层创新的关键衔接期，企业2023年-2030年中国金融AGI市场规模及增长率预测97.3%467.5226.6457.6205.843.089.8%82.40.52023年2024年2025年2026年2027年2028年•金融机构在布局大模型时，主要采取了三种自研行业大模型引入通用大模型+微调调用大模型接口机构内部自主研发金融大模型解决方案及应用传统金融机构：银行、保险、证券传统金融机构：银行、保险、证券:sn互联网金融服务公司:sn互联网金融服务公司技术服务商技术服务商金融数科公司金融数科公司云服务商云服务商金融行业垂直大模型通用大模型ChatGLMnnX元象大模型ChatGLMnnX元象大模型山海Tencen个腾讯奇富GPT41412233金融行业具有大量丰富的可实践场景金融行业实践需要.保险基础设施及竞争条件组织及战略条件基础设施及竞争条件•培训与发展：对现有员工进行AGI技能的培训，提升•创新文化：鼓励创新思维，支持尝试其他条件资源条件资源条件业务与数字化条件我国六大行均在其2023年年度报告中披露了大模型相关的千亿级AI大模型•发布金融AI大模型辅助编码等应用场•打造融合大模型技•银行业是金融业中AGI落地应用需求最为旺盛的行业，根据不完全统计的2024年上半年金融行业的大模型中银⾏其他⾦融业办公提效智能营销办公提效智能营销••成护保险落地尝试：核心场景的试点，验证新技术应用•中国目前头部的保险企业通过应用生成式AI务的质量和效率，还为客户提供了更加个性化和办公提效办公提效售复杂交互核心业务核心业务风险管理风险管理,进行提前干预。券交易风控领域的进行算法探索。aiXcoder代码大模型，提供代•广发证券大模型服务涵盖了文本能犇犇助手，获取服务人员沟通•发布债券智能助手Bond•推出泛海言道大模型，在智能问•交易量化分析：识别并利用多种技术指标和市场分析模型，精•除了银行、证券、保险等传统金融机构，互联网金融科技企业更是通过接入第三方、自研等方式积型时代到来之前就已积累了深厚的金融数据资产和人工智能应用经验，在金融大模型、•进入2024年后，金融科技企业更加重视技术与金融业务的深度融合，金融科技企业在数据整合与分析、风险管理与信贷审批、个性2023年，金融科技企业密切关注核心技术研发和自主2023.05中旬2023.05中旬2023.05下旬2023.062023.082023.092024.03网商银行将大模型能力应用于产业链金融AGI应用场景分布统计73%68%67%67%43%39%66%38%36%29%人事/法务IT数据来源：2024年生成式AI行业应用情况问卷调研AGI技术在金融领域应用成熟度模型应用探索产品测试市场投放应用探索产品测试市场投放成熟应用资产管理/财富管理工商银行金融大模型技术体系业大模型构建和L2场景任务•阳光保险已经聚焦大模型进行了诸多尝试，迅速确立了大模型平台与大数据平台的核心地位，深入•从办公助理、自动编程及知识搜索上推进认知和普及应用，员工广泛评价GPT•科技团队应用大模型辅助编程，研发常青藤GPT编程助手在代码安全合规监测、代码注释生成方面可节省50%以上工作量，在新建系统的标准后台代码生成方面可节省60%以上工作量。•研发的三类保险对话机器人已经体现出自由对话、理解潜台词、随机应变、和人一样思考等明显智能化程度：客服机器人按照服务节约1186小时，客户满意度90%；寿险销售机器人完成销售逻辑搭建，实现了讲理念、保障规划、讲产品服务等功能，准确率已达82%。线上车险销售机器人已可以解答车险•正在规划人伤智能定损机器人、养老陪伴机器人、资管投研助手等一系列智能•在部分场景中，阳光大模型产品已具备AIAgent雏形，能够在简单的事故场景中实现智能理赔决策工作。“3”BondCopilot在各个工作阶段的应用••REITs投资人画像分析金融大模型应用重点金融大模型应用价值金融大模型应用重点金融大模型应用价值•AI代码审查：不仅增强了代码质量，而且优化了重复性高、规则性•以金融为代表的高度专业化行业对严谨性、专业性和可靠性有着极为要求，以确保能够遵循行业的分析和决策标准，并保证输出结果的安全性和合规性。为此，大模型语料，还需要训练者具备精湛的技术技能和对相关业务领域的深刻理解。然而，面对大模型的开发全面覆盖中/美/港市场的重要上市公•金融知识库：信息存储系统，汇集了广泛的金融资讯、财务报告以及上市公司公告等资料，设计具有高•专家分析框架：将专家的方法论、研究思路、工作方法等通过知识工程转化为大模型可理解的形式。评多智能体PEER范式多智能体PEER范式执行执行泛金融本节省80%。金融机构在应用大模型过程中面临的主要四大挑战技术挑战挑战3技术挑战挑战3资源挑战合规性及监管挑战数据挑战●工程。足，训练研发周期长，足，训练研发周期长，复合型人才稀缺复合型人才稀缺技术应用的合法合规性，以及如何在促进智能金融蓬勃发展的同时，构建有效的风险防控体系，从而平11223344改变人们的生活方式，也尚未出现颠覆性的爆款应用，但其潜在的影响力不容置疑。技术投入与其右），让公司内部人员直观感受到12345业务适应性21技术基础技术基础算力/接口/存储可靠性/市场验证一致性/风控33在合规的要求下整体遵循技术先进性与业务适应性平衡考虑的原则在合规的要求下整体遵循技术先进性与业务适应性平衡考虑的原则445656金融核心业务环金融核心业务环节最具潜力的场景通通用业务环节最具潜力的场景数据交易是金融行业的核心支柱，尤其在海外率和规模造就了庞大的数据资产储备。这些丰富的耦。同时，当有新模型或新算法出现时，金融机密围绕业务需求，明确技术应用的具体场景使得金融业的数字化转型已迈入深水区，并在这一过程中积累了丰富的前沿技术应用经验和数据。数据作此外，鉴于金融业整体处于充分竞争态势，各家