由北京市通州區(qū)人民政府指導(dǎo)，《財經(jīng)》雜志、財經(jīng)網(wǎng)、《財經(jīng)智庫》主辦的“《財經(jīng)》年會2025：預(yù)測與戰(zhàn)略暨2024全球財富管理論壇”12月13日至15日在北京舉行。12月14日，百融云創(chuàng)高級副總裁陳立宇在論壇上表示，AI要和產(chǎn)業(yè)深度融合，就要懂產(chǎn)業(yè)。百融云創(chuàng)基于多模態(tài)技術(shù)的大語言模型服務(wù)于金融垂直領(lǐng)域，很好地解決了財富管理供給側(cè)的問題。以客戶為中心構(gòu)建完善的財富管理生態(tài)，需要有專業(yè)的投顧通過持續(xù)私域溝通與客戶建立長期信任，建立一支專業(yè)的投顧隊伍是比較難的，一個好的投顧要懂金融、懂產(chǎn)品，有專業(yè)能力，還要懂人性懂表達，察言觀色抓得住恰當(dāng)?shù)臅r機。有了大模型之后，我們可以把大模型融入到投顧的workflow里，在投顧的workflow里直接完成投顧服務(wù)，這樣可以無限擴大投顧供給，而且AI投顧的成本很低。今天AI還做不到每個領(lǐng)域最頂級的個人，但它能給你搞出10萬個100萬個能打80分的供給側(cè)，專業(yè)投顧。這對于金融機構(gòu)來說就是一個非常大的價值，可以解決很多痛點，包括覆蓋面、專業(yè)度啊、投顧投教陪伴，市場波動時對客戶進行情緒的撫慰，幾個維度上都會產(chǎn)生巨大的價值。
百融云創(chuàng)高級副總裁 陳立宇
陳立宇表示，大語言模型會為財富管理帶來兩個革命性變化。
第一是人機交互方式的根本性變革。他介紹，過去金融機構(gòu)的APP都是觸摸式的，日活低，是因為它只能解決一些交易和產(chǎn)品購買，這些交易和產(chǎn)品都是低頻的，但是客戶的金融需求是多方位的，而不僅僅只是產(chǎn)品和交易問題，APP目前的交互方式很難處理這些問題，基于自然語言的人機交互就能很好理解并回應(yīng)客戶的各種需求，先發(fā)者一定能引爆眼球，成為殺手級應(yīng)用。
第二，供給側(cè)的極大改善。陳立宇指出，要建立和完善以客戶為中心的財富管理生態(tài)，就要有專業(yè)的投顧通過持續(xù)私域溝通與客戶建立長期信任，專業(yè)的投顧隊伍建設(shè)就成為瓶頸，專業(yè)的投顧數(shù)量少，也很難培養(yǎng)，這也是為什么財富管理目前只服務(wù)到高凈值人群的原因。一個好的投顧要懂金融、懂產(chǎn)品，有專業(yè)能力，還要懂人性懂表達，察言觀色抓得住恰當(dāng)?shù)臅r機，這不是光靠培訓(xùn)能解決的，還需要有多年的經(jīng)驗的積累。有了大模型之后，我們可以把資深投顧的經(jīng)驗做拆分，按客戶旅程的不同階段設(shè)計不同類別的SOP，把大模型嵌入到workflow里，在投顧的workflow里直接完成投顧服務(wù)，這樣就可以無限擴大投顧供給。今天AI還做不到每個領(lǐng)域最頂級的個人，但它能給你搞出10萬個100萬個能打80分的供給側(cè)，專業(yè)投顧。過去AI之所以沒有產(chǎn)生大的價值，是因為不夠智能，靠關(guān)鍵詞，要窮盡，要嚴格匹配，否則識別不了客戶意圖，不能很好交互，大模型就很好的解決這個問題，客戶的問題可能一句話里有幾個詞是錯的，是重復(fù)的甚至是相反的，他也能理解 ，但傳統(tǒng)的AI就不行。AI投顧只要能夠達到優(yōu)秀的投顧百分之七十到八十的水平，那那對于金融機構(gòu)來說就是一個非常大的價值，可以解決我們很多痛點了，包括覆蓋面、專業(yè)度啊、投顧投教陪伴，在市場波動時提供情緒撫慰幾個維度上都會有一個特別大的提升。
與此同時，陳立宇還強調(diào)，大模型進入到金融行業(yè)真正場景去應(yīng)用，路程還比較長，仍然存在三個方面的挑戰(zhàn)。
第一個挑戰(zhàn)是人的問題。金融機構(gòu)都不缺技術(shù)專家，但要讓大模型適應(yīng)場景的應(yīng)用，還要懂算法、懂流程，能將金融業(yè)務(wù)拆分成不同的SOP，在跟客戶或者業(yè)務(wù)員工不斷交互過程中，對模型進行微調(diào)，進行標注，進行巡檢，這個工作量和專業(yè)程度是很有挑戰(zhàn)性的，這需要一個很專業(yè)的團隊才能完成。
第二個是成本的問題，建設(shè)大模型的時候預(yù)訓(xùn)練成本就很高，使用過程中每問一個問題是要推理的，推理是要花錢的，還有知識庫的更新，各類場景的內(nèi)容生產(chǎn)、巡檢和標注，也是一個很大的工作量。特別對于中小金融機構(gòu)來講，承擔(dān)這些成本還是有壓力的。
第三個是定制化的問題，大模型與金融行業(yè)做深度融合，中間還需要有企業(yè)級的智能體平臺，能快速地進行工作流的編排，要深入地理解金融專業(yè)術(shù)語和業(yè)務(wù)，而且生成的內(nèi)容要可追溯、可監(jiān)控。
他還強調(diào)，金融業(yè)務(wù)的要求是非常高的，內(nèi)容一定要準。真正讓大模型與客戶進行交互，最重要的一點是要講人話，它要像一個投資顧問那樣理解客戶的意圖，并且有自己的觀點，這都是很難的。
以下為部分發(fā)言實錄：
陳立宇：中央經(jīng)濟工作會提出來要開展AI+行動，推動AI和各行各業(yè)的深度融合，促進各產(chǎn)業(yè)的轉(zhuǎn)型升級，百融在AI和金融行業(yè)深度融合方面已經(jīng)有了很多的實踐和案例。百融云創(chuàng)是一家在香港上市的金融AI科技公司。2017年我們就已經(jīng)開始了語言交互大模型的研發(fā)，將基于多模態(tài)技術(shù)的語言交互大模型用于金融垂直領(lǐng)域，去年我們促成了超過550億金融資產(chǎn)的交易，每天有7000多萬通語音交互，有超過20多萬個AI Agent并發(fā)服務(wù)。
具體到財富管理行業(yè)，我們認為大語言模型會帶來兩個革命性變化：第一，人機交互方式的根本性變革。大家都知道，過去金融機構(gòu)的APP都是觸摸式的。在這個APP上，很多客戶可能很難找到他想要的活動、產(chǎn)品或者服務(wù)。現(xiàn)在有一些金融機構(gòu)，已經(jīng)開始研發(fā)基于自然語言的人機交互的APP，如果研發(fā)成功將會帶來革命性變革。金融APP日活很低，原因是客戶在金融機構(gòu)APP上的行為主要是交易和產(chǎn)品購買，這種交易和產(chǎn)品的購買是低頻的，但其實客戶是有多方面需求的，這種需求基于現(xiàn)有的APP人機交互方式是很難得到響應(yīng)的。如果通過大模型AI技術(shù)實現(xiàn)自然語言的人機交互，就會很好地理解客戶的真實需求，對客戶的需求及時進行反饋，我相信這種APP未來一定是殺手級的應(yīng)用。
第二，財富管理供給側(cè)的變革。大家都在講要以客戶為中心完善財富管理生態(tài)，這就需要有一個專業(yè)的投顧團隊去支撐，投顧都是通過私域和客戶溝通建立長期的信任。但這個專業(yè)的投顧是非常非常難培養(yǎng)的，它需要懂金融、懂產(chǎn)品，又需要懂人性會表達，察言觀色及時響應(yīng)，這對人能力的要求是非常非常高的，所以為什么我們現(xiàn)在財富管理只能服務(wù)到高凈值用戶。我們現(xiàn)在可以通過大模型，把資深投顧的經(jīng)驗做拆分，按客戶旅程的不同階段設(shè)計不同類別的SOP，把大模型融入到workflow里，在投顧的workflow里直接完成投顧服務(wù)，這樣就可以無限擴大投顧供給。今天AI還做不到每個領(lǐng)域最頂級的個人，但它能給你搞出10萬個100萬個能打80分的供給側(cè)，專業(yè)投顧。
我們金融機構(gòu)在針對中長尾客戶服務(wù)的過程中有一個很重要的問題，就是我們沒有很好的方式去觸達這些用戶，原因是沒有人，之前的AI無法很好地理解客戶的意圖，及時響應(yīng)客戶的需求，有了大模型之后就能很好的解決這個問題。
百融的大模型前段時間在參加香港證券和期貨資格考試中打了90分，在參加國內(nèi)的基金從業(yè)資格考試，三門課平均超過85分。我原來也在銀行工作過，銀行的從業(yè)人員去考這個，通過率是比較低的，能打60多分就已經(jīng)很不錯了，但是大模型能打到85分以上，證券投資基礎(chǔ)知識能打到90分，專業(yè)性非常強。
讓大模型到金融行業(yè)真實場景去應(yīng)用，產(chǎn)生業(yè)務(wù)價值，還是有一些挑戰(zhàn)的。第一個就是人才，金融機構(gòu)不缺技術(shù)專家，但又懂大模型技術(shù)和算法，還了解金融各類業(yè)務(wù)及流程，能搭建各類業(yè)務(wù)的SOP，用各種語料訓(xùn)練AI模型，這樣的人鳳毛麟角，導(dǎo)致大模型往往成為好玩的玩具，很難真正在業(yè)務(wù)中產(chǎn)生價值。第二個是成本，建設(shè)大模型的時候預(yù)訓(xùn)練成本就很高，使用過程中每問一個問題是要推理的，推理是要花錢的，還有知識庫的更新，各類場景的內(nèi)容生產(chǎn)、巡檢和標注，也是一個很大的工作量。特別是對于中小金融機構(gòu)來講，承擔(dān)這些成本還是有挑戰(zhàn)的。
第三是定制化的問題，市面上的通用大模型確實能幫你快速搭建一些簡單的場景，但復(fù)雜專業(yè)的場景就力不從心，準確率不高。它需要很深入地理解金融專業(yè)術(shù)語和業(yè)務(wù)，需要深度打磨業(yè)務(wù)場景，搭建業(yè)務(wù)流程的SOP，持續(xù)對進行模型微調(diào)，把工作流，Work flow, 去做詳細的拆分，只有這樣的話，大模型才真正的能在場景當(dāng)中落地。這就需要有企業(yè)級智能體平臺去快速創(chuàng)設(shè)企業(yè)自己的智能體，它要能快速地對工作流進行編排，通過知識庫解析的方式準確地對金融專業(yè)的知識和流程進行解析。金融業(yè)務(wù)的要求是非常高的，一定要準，現(xiàn)在的通用大模型基本上能做到80%的準確率，但在金融行業(yè)一定要達到95%甚至99%，而且生成的內(nèi)容要可追溯、可監(jiān)控，不能有幻覺。
如果我們真正讓大模型與客戶進行交互，最重要的一點是要講人話，我們在跟大模型聊天的時候，大家會感覺到它沒觀點，它會跟你講12345678，它不會像一個投資顧問那樣告訴你現(xiàn)在的市場是什么樣子，未來大概是什么樣子，它要集合很多地知識進行推理，還不能有太多的延時，語音語調(diào)還要像真人，挑戰(zhàn)是非常多的。
我們在金融行業(yè)有非常深厚的行業(yè)知識積累，積累了大量的語料和內(nèi)容，來訓(xùn)練我們的金融大模型，希望未來能夠更好幫助到金融行業(yè)轉(zhuǎn)型升級，也希望多跟大家交流討論。
陳立宇：剛才講到AI要和產(chǎn)業(yè)深度融合，首先你要懂產(chǎn)業(yè)，你要有大量的產(chǎn)業(yè)里的參數(shù)才能訓(xùn)練你的AI。很多人講AI是起到一個輔助性的作用，我們不一樣，我們的AI是直接幫助金融機構(gòu)最后促成金融資產(chǎn)的交易。基于這一點，我們要給它很好的訓(xùn)練。這里兩個比較大的場景，一個是人工外呼，一個是企微。很多大的金融機構(gòu)有將近上萬個坐席，一個坐席一年的成本十多萬，他只能做一些簡單的標準化產(chǎn)品的銷售，這些坐席是很容易被AI替代的，我們現(xiàn)在用AI給金融機構(gòu)做金融資產(chǎn)的交易，成本只有一個坐席1/10左右，這樣的話會極大擴大金融服務(wù)的覆蓋面、專業(yè)度、財富管理的投教、陪伴、投顧。市場出現(xiàn)波動的時候要對客戶進行心理情緒的輔導(dǎo)，其實都是可以通過AI完成的，我們現(xiàn)在就正在做這個事情。我們是怎么做的呢，我們是拿銷冠的能力去訓(xùn)練我們的AI，我們的AI能達到銷冠大概百分之六七十的水平，但是這個銷冠的水平是普通坐席的2-3倍，我們現(xiàn)在的AI已經(jīng)超過了普通坐席的能力，這樣的話我相信金融機構(gòu)會極大地實現(xiàn)降本增效，這是第一個場景。
還有很重要的一個場景是企微。財富這種領(lǐng)域有很大的痛點，需要有人通過私域跟客戶進行溝通，建立長期的信任關(guān)系，現(xiàn)在的企微都是簡單的給你推個內(nèi)容推個消息，通知你有個直播，它很難像人一樣用微信聊天，為什么，我們很難找到那么多專業(yè)人員運營企微，像人一樣通過微信溝通，這個可以通過大模型來做，我們正在跟一家券商在做這個事，我們幫助他的員工去做企微的運營。為什么企微運營效果不好，第一是運營人員的專業(yè)能力不夠，大模型特別是金融垂直大模型能很好的解決。第二他要會嘮嗑，他要愿意說話，我們現(xiàn)在的很多企微運營人員簡單地把總行發(fā)給他的素材推出去就完事，他不愛聊天，你得會聊天，而且它能服務(wù)上萬個客戶，跟上萬個客戶聊天，這兩個場景都是金融機構(gòu)很大的痛點，也是我們現(xiàn)在正在用AI解決的，謝謝。
袁雪：還是在服務(wù)方面，一個是覆蓋面、專業(yè)度，以及擬人化方面。
陳立宇：解決AI人才問題。
陳立宇：我們是直接拿AI對客交結(jié)果的，我們對這點體會還挺深的，有兩個辦法，第一，要讓AI跟產(chǎn)業(yè)融合，就要有IT，要有算法，還要有業(yè)務(wù)，很難找到一個人什么都懂，一定是個團隊作戰(zhàn)。要把所有的業(yè)務(wù)變成流程，業(yè)務(wù)流程化。在每個業(yè)務(wù)流程上一定要有一個標準的SOP，把最懂這個業(yè)務(wù)的人的行為做成SOP，在他每一個行為上，所有的動作進行分解拆分，去訓(xùn)練模型，一定是個團隊作戰(zhàn)，靠幾個人或者某一個人是不可能的。
還有一個辦法是和生態(tài)圈的融合，財富管理生態(tài)一定是合作的生態(tài)，不一定每個機構(gòu)把所有的事情做完，可以跟生態(tài)中的各種合作伙伴一起把這個事情做成。
【免責(zé)聲明】本文僅代表作者本人觀點，與和訊網(wǎng)無關(guān)。和訊網(wǎng)站對文中陳述、觀點判斷保持中立，不對所包含內(nèi)容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔(dān)全部責(zé)任。郵箱：news_center@staff.hexun.com
最新評論