第八届数字中国建设峰会中的数字金融分论坛相关情况，重点介绍度小满首席技术官张文斌的分享内容，包括大模型能力转变下金融场景的变化、推理大模型在金融客户体验和风险管理方面的应用，以及大模型落地应用的建议等。
第八届数字中国建设峰会于4月29日 - 30日在福建省福州市盛大举行。在峰会期间，由北京大学主办的“数智赋能·金融创新”数字金融分论坛成功举办。该论坛聚焦于数字技术对金融生态的重构以及适应新时代需求的数字金融人才培养模式，进行了深入的探讨交流。
度小满首席技术官张文斌在论坛上以《Agent重塑客户体验与金融风险决策模式》为题进行了精彩的分享。他指出，以R1推理大模型发布这一关键节点为界，大模型能力、通用工具能力以及AI在金融中的应用场景都出现了翻天覆地的变化。在大模型能力方面，已经从擅长语义理解与内容创造的生成式大模型，逐渐转变为具备复杂逻辑推理能力的推理大模型。与此同时，通用工具也有了质的升级，从单纯专注于效率提升和能力拓展的智能助手，摇身一变成为拥有自主决策与行动能力的Agent。
随着AI能力持续提高以及对AI需求的不断攀升，推理大模型在金融领域的应用范围不断拓展。它已经从客服助手、资料审核等相对“外围”的领域，逐渐深入到用户体验、风险决策等更为“核心”的场景。张文斌认为，在客户体验这一重要环节上，AI Agent重构了交互模式。它能够全流程对客户进行线上引导，实时解答用户的疑问，从而有效地避免了由于人工干预而产生的体验不连贯的情况。就以信贷领域的用户借款为例，他详细地对传统流程和经过AI技术改进后的流程进行了对比。传统流程中，用户在APP上申请借款后，如果未能自动通过审批，就需要进行人工审核。此时，信审人员会致电用户要求补充资料，期间会多次重复询问客户很多问题，整个流程十分繁琐，而且等待时间漫长，涉及到多次页面跳转和人工操作。然而现在，借助AI技术，从授信、用信、增信到自动审批，整个流程都能够实现线上引导，就如同给每个用户都配备了专属的客户经理，从而保障了体验的一致性。
在风险管理领域，传统的风控模式是将原始数据加工为结构化变量后再进行处理，这一过程中会存在信息折损的情况。而推理大模型则能够充分理解全维度的原始数据，从而提升数据的使用效能。例如，它能够基于用户的流水识别出一些小概率但高风险的行为，像疑似向高风险账户转账等情况。
对于大模型如何落地应用，张文斌也提出了自己的建议。其一，要寻找“小切口”来构建Agent。比如在风控场景中，可以先从信用评级相对较弱的客群中筛选出优质客户，深入特定的场景和客群，基于特定的目标来研发具有差异化的Agent，做到深入细致的挖掘。其二，先推动落地应用，利用产生的场景化数据反向优化模型，从而形成“场景应用 - 数据积累 - 模型迭代 - 效果优化”的“飞轮效应”。其三，集中算力和人才，建立适应AGI时代的企业组织。通过集聚算力资源和专业人才，成立专项团队来加速AI应用的落地；优先培育“AI觉醒人才”，发挥他们的示范效应，带动全体员工融入AI转型，进而实现组织能力的跨越式升级。
本文总结了第八届数字中国建设峰会数字金融分论坛的情况，重点阐述了度小满张文斌关于大模型影响金融的观点，包括大模型能力转变带来的金融应用场景变化、在客户体验和风险管理方面的作用，以及大模型落地应用的建议，展示了数字技术与金融领域深度融合的发展趋势。
原创文章，作者：Admin，如若转载，请注明出处：https://www.notfound404.org.cn/gcnews/4688.html
