金融企业落地大语言模型的路线图

作者｜周健，澜码科技创始人兼 CEO

金融行业数字化成熟度高，数据资源基础好，数字化程度一直处于领先地位，新技术的创新与应用方面也始终保持着前沿。

在这次大语言模型引领的历史大变革的当下，金融行业依然走在了前列，特别是银行业拥有广泛的客户资源，头部国有大行和全国股份制银行客户规模数动辄达千万甚至数亿。凭借信息丰富、数据庞杂、知识专业、人才密集等天然特征优势，银行业拥有与大模型深度结合的基因，因此成为大模型应用落地的重要场景之一。

相对应的，大语言模型技术的快速进步和迭代，也使得传统银行业务能够与人工智能技术深度整合，推动金融领域的数字化和数智化转型，并令这些企业率先受益于新技术。

波士顿咨询公司曾以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前、中、后台相关部门应用生成式 AI 的潜力和效益，预计在首年就可以为该银行节省约 1.5 亿美元的成本，占整体薪酬总包的 7%。

过去一年多，我们在金融行业中实践下来，将理论结合实践，形成了一些方法论。我们认为，大语言模型在金融行业中的落地演进将经历三个阶段：增强自动化、流程自动化、流程自主化。

金融企业落地大语言模型的三阶段

“当我开始用 GPT 处理知识性任务时，我通常得事后去核实事实，比如检查它有没有编造一些假消息。你是怎么发现 GPT 能编出那些听起来特别有说服力的假信息的呢？你又是如何确保它所提供的信息是真实的？”

这段话来自 3 月 19 日 OpenAI 董事长 Sam Altman 公开的一则专访，Sam Altman 主动提到大语言模型的幻觉问题让他担心，并且明确表达虽然 OpenAI 即将推出的新版本大语言模型会在这个问题上有很大改善，但今年内仍然不能完全解决全部问题。

在这样的背景下，对模型的可解释性、鲁棒性都有极高要求的金融行业，该如何落地大语言模型应用？

中国信息通信研究院（以下简称“信通院”）将大语言模型落地路线图总结为诊、建、用、管四个阶段。

“诊”，是说从能力分析和需求分析切入，剖析大模型发展现状，“建”从方案设计和研发测试层面牢筑大模型的技术底座，“用”是通过应用开发和效能评估上革新大模型应用范式，“管”则是通过运行监测和运营管理来形成大模型管理体系。

信通院的这个线路图，从能力和需求分析出发给我们提供了一个全面的视角。

而澜码从业务价值创造的维度看，我们将大模型应用落地分成增强自动化、流程自动化和流程自主化三个阶段。当前绝大部分企业都处于第一阶段，在大语言模型应用的初期。

第一阶段我们认为是增强自动化，实现单岗位的增强和提效，主要应用于重复性高、有规律可循的任务，如数据录入、客户服务、报告生成等。

以前 RPA 时代也在谈任务自动化，但受限于技术水平和技术成本，无法实现规则的个性化，只能按照定制的流程一步一步完成重复工作。如果说过去任务的自动化能帮助企业节省一线城市月薪 6000 元员工所拥有的能力或时间，现在有了大语言模型，我们就能让同样是月薪 6000 块钱的员工发挥出相当于月薪 2 万块钱员工的水平。

具体来说，在一个岗位有多个人员的情况下，将企业里业务专家的经验和知识沉淀下来，通过 Agent 去赋能基层的初级、中级员工。增强自动化可以大幅度提高工作效率，减少人工错误，将员工从繁琐任务中释放出来，使其能够专注于更具创新性和战略性的工作。此外，它还可以提升服务质量，通过快速、准确的任务执行，提升客户满意度。

目前，我们在金融客户的场景中推进基于 RAG（检索增强生成）技术的增强自动化，已经在不少场景实现单岗位任务的智能升级。

长期来看，增强自动化是企业提升生产力、降低运营成本、并实现业务创新的重要手段。

埃森哲今年初对以大语言模型为重要技术基础的生成式 AI 在不同银行角色中的潜在用途做过研究，结果显示，73%的美国银行员工的工作时间可能会受到生成式 AI 的影响，其中 39%来自自动化，34%来自增强。

下一个阶段我们称为流程自动化。这一阶段，通过实时自动化系统和数据连接，解决业务协作中的各种问题，提高自动化效率和管理水平。

在这一阶段，流程自动化解决的是部门、角色和岗位的连接问题和业务协作问题，无论是跨部门协作，还是同一部门内部的工作流，自动化效率和管理水平都可以得到优化。

例如，从订单处理到发货，从客户服务到问题解决，流程自动化都能实现各环节的无缝衔接，提高工作效率，减少错误。此外，流程自动化还可以提供实时的业务洞察，帮助管理层做出更明智的决策。

在 RPA 和低代码时代大家也在谈流程自动化，但那时的流程自动化谈的更多的是怎么样把流程的系统、工作流的引擎去驱动。今天在大语言模型的背景下，我们认为流程自动化最重要的是管理上的增效，提供实时的业务洞察，更好的帮助管理层做出决策。

事实上，在公司内部我们已经在实践了。在公司里，我发现 Agent 可以帮助我更有效地传递信息。作为管理者，我面临的一个挑战是确保信息的流通既可信又及时，然而大多数情况下，除了我的秘书或我的直接下属，我无法把全部信息传递给所有人，但有许多基本工作，如催办、总结、协调等，其实是可以通过个性化规则自动化的方式来完成。流程自动化在这个场景下的价值就非常明显了。

而在金融客户的前、中、后台场景，我们也已经看到了大量的可行性，并且正在探讨下一步如何帮助他们落地。总的来说，流程自动化是实现企业数字化转型，提升业务效率和客户满意度的重要工具。

第三个阶段是流程自主化，AI Agent 通过世界模型理解业务流程所处的市场、客户、组织、产品的上下文，主动找到当前流程运行状态和目标之间的差距，并采取行动来改进流程及相关要素。管理者只需要给定目标，以及通过自然语言对于流程准则进行调整，AI Agent 会自动进行适应，并规划及完成流程的自动化，包括但不限于和数据库、文档、应用以及相应的一线员工进行互动。

流程自主化的实现，使得大语言模型将算力和数据转化为智力，AI Agent 将专家知识转化为自动化能力。这种转化不仅可以提高企业内部流程的效率，减少人工错误，还能够释放出专家的宝贵时间，使他们可以更专注于创新和策略性任务上。

今天我们已经看到，金融行业中的保险理赔、审核，证券行业的研报、量化投资、信贷审核、普惠金融等业务场景，未来都有实现流程自主化的可能，从而实现一个人机协同，人机融合，人机共生的组织。

作者简介：

周健毕业于上海交通大学计算机系学士、硕士，2002 年获得 ACM 国际大学生程序设计竞赛世界冠军，是首个在此项竞赛夺冠的亚洲团队成员。

2006 年加入谷歌美国总部，负责中文网站搜索质量优化，此后历任阿里云、Mediav、依图科技、弘玑 RPA 等公司研发总监、CTO 等；

十年连续创业经验，作为依图 10 号员工、弘现 RPA 公司 CTO，在 AI 大数据、企业服务领域拥有丰富的经验和项目成功案例。