在2023金融科技大会上的讲话.docx

《在2023金融科技大会上的讲话.docx》由会员分享，可在线阅读，更多相关《在2023金融科技大会上的讲话.docx（7页珍藏版）》请在第壹文秘上搜索。

1、在2023金融科技大会上的讲话尊敬的各位领导、各位嘉宾：大家好！非常荣幸参加今天的会议，感谢大会组委会的邀请！前面听到三位领导非常高屋建飙的报告，学到了很多东西，也有很多应用实践。下面，我简单介绍金融科技人工智能这项技术在XX的一些具体的探索和实践。首先简单介绍一下XX。XX不仅是一家保险公司，也是一家综合金融集团，拥有金融全牌照，右边可以看到我们过去XX多年的发展是非常稳健的（PpT图示）。现在我们有X.X亿金融客户，接近X亿互联网用户，提供了很多互联网服务,包括XX健康等等。我们有XX多万内外勤员工，有很多金融科技的场景，尤其是人工智能数字化的应用场景。我们对科技非常重视，XX现在有接近X

2、万名的IT人员、科技工作者、研发人员，已经申请专利接近X万件，集团在金融科技和医疗健康领域的专利申请数排名都是全球第一。为什么我们做这么多人工智能金融科技应用？因为我们在金融领域的核心场景，包括营销、服务、运营、风控等方面都存在非常多的挑战，需要通过人工智能技术帮助我们来解决。大家很清楚，在目前的环境下，我们需要非常多的技术来帮助我们解决一些业务上具体的痛点。我们怎么来解决这些痛点呢？首先我们要建立通用的技术能力，最近比较火的大模型，大家觉得大模型可以“一招鲜，吃遍天”，把所有技术都代替掉。其实所有的技术像一辆汽车一样，组合起来才能构成一部汽车，一个技术很难构成一个完整的数字化解决方案，所以我

3、们要具备所有技术。最本质的原因是Al技术现在基本是不完美的，非常少的Al技术是xxx%完美的，绝大部分有很多错误。比如现在GPTx,也有百分之十几的错误，我们在金融这种严肃的场景下要非常谨慎应用，打造的方案必须是综合性的解决方案。因此,我们在图像识别、语音识别、语义理解都在打造核心技术。大模型技术方面，XX是xxxx年用判别式大模型进行广泛应用（PA-Bert）,今年开始我们有自己百亿和千亿的生成式大模型，目前也在应用场景中得到了应用。但光有技术还是不够规模化覆盖应用场景，如果单点技术支撑单点应用，这样的重复建设会很大。比如我们有很多的开户场景，每个都用人脸识别打造身份认证，这样的重复建设成本

4、很高，所以我们要建立一系列通用技术平台和业务中台，介绍几个例子（PPT示例）。我们将这些技术集中在通用平台上，就能标准覆盖所有业务场景，这样成本低、更容易运维。比如结构化分析建模平台。在制定营销方案和风控方案时要用到很多分析建模技术，对结构化数据进行处理。我们没有平台的话每个领域都要单独建设，现在有了结构化建模之后，业务人员就可以用这个平台进行客户画像、产品推荐,并且能实时监控，形成闭环。对于非结构化数据，图像、语音、文本、多模态数据等，我们建立了非结构化的分析建模平台，通过这个平台，我们可以让业务人员不用写代码，非常方便地上传数据、提出需求、配置平台的组件，就可以构建一个个应用，在图像识别、

5、农业保险、养殖险这样的场景中都可以得到应用。比如我们有很多养殖户买了养殖险，保额的其中一部分是牲畜，但没有全部保，任何一个牲畜死了，都要理赔的话，会造成很大的损失，因此我们要识别这是我们保的猪或者牛或者羊，这个时候就要用图像识别技术，帮助我们保证安全性。现在我们已经在XX比较广泛地应用这样一些技术，一个养殖场的单独开发成本是很高的，但通过这样的平台建设，我们可以非常方便地上传数据，平台帮你选模型、选网络、选参数,压缩模型尺寸，满足合适的要求，自动做这个事情。大模型也在这个平台上得到应用。还有隐私计算平台。数据是我们第五大生产要素，数据要素流通是非常重要的事情，数据隐私保护是另外一个很重要的事情

6、。所以我们必须在合规基础上使用这些技术、共享数据。我们打造隐私计算的技术，面对的参与方遍及全国各地，这个平台能够帮助我们快速实现这个技术，央行的隐私计算相关技术也是XX负责搭建的。有了基础建设的平台和中台之后，就可以打造人工智能核心引擎（XX脑），底层数据包括算法的两层相辅相成，数据帮助我们构建更好的模型，模型帮助我们得到更高质量的数据，之上是业务中台，也就是综合性的中台，由中台规模化覆盖前端的风控、营销、运营、服务等场景应用。数字人、数字员工是一个典型的场景，一个数字方案需要综合很多技术才能实现，有图像、语音、文字、语言理解等等，所有这些技术结合在一个整体的方案内才能实现数字人的呈现。数字人

7、有非常多应用场景，在XX也广泛应用，我们有两类技术，一类是高清的，成本高、时间长，构建这样的数字人，我们可以用它直接服务客户，不管是离线还是在线的，右下角的视频是我们在抖音平台做的数字人的直播销售，它可以小时做直播销售，等于增加了服务渠道。上线X小时就排到了行业里在抖音上和真人比都是前三名的流量和效果。中间是另外一种模式，就是用手机随手拍就可以做到数字人分身，业务人员像孙悟空一样，把一堆汗毛变成孙悟空，我们拍一个小视频就可以变成数字人分身，可以用于制作宣传资料、培训。在服务领域，我们也有很多的应用，这是一个例子，机器人电话座席，去年我们进行了XX亿人次的服务量，这个服务在很多场景都可以应用。我

8、们这么多的场景，一个个开发要很多年才能开发完，成本也很高，所以我们介绍的中台和平台就发挥了很大的作用。通过这样一个平台、中台，业务人员可以非常方便打造各种各样的服务机器人、客服机器人。这个视频的左边一排是一堆组件，业务人员只要搭配这个组件，并配置里面的参数、话数等东西，就可以构造不同场景、不同机器人，这样能够快速覆盖数以千计的场景。我们不仅把这些技术用在了客服，也用在了其他领域，除了去年的Al坐席服务量是XX亿人次，我们的销售也是达到了千亿规模的效果。另外还有很多场景，包括培训、面试，XX有XXXX个面试专员，现在可以通过机器人做面试工作；又比如客户在线上申请了贷款，需要打电话回去确认是不是符

9、合条件，这样的贷款尤其是普惠金融领域里的大部分客户是不符合条件的，我们之前浪费了很多人力做这个事情，现在都可以用机器人直接解决所有这些问题，不需要额外的人力去做。运营上也有很多案例，这是车险定损的案例，原本很多作业人员及作业的过程，通过人工智能技术可以帮助我们大幅提升效率，大幅减轻负担，并能提供更高质量的服务。我们的座席运行一年在人工智能领域没有投诉，因为它的服务态度非常好。我们拥有现在也是全世界唯一的规模化生产的车险定损的闪赔系统，这种系统通过人工智能图像识别技术和知识图谱两项技术，可以让客户在发生车祸之后现场只要拍几张照片，就能检查清楚车祸应该赔付的情况、赔付报告，在确定金额之后直接付款，

10、客户可以非常方便解决这个问题,不用在现场等很久，体验非常好，成本也降低了，并且通过这种技术可以识别出欺诈风险，识别非常高的理赔风险，每年减少XX亿的欺诈损失。这个系统的底层覆盖XX多种车型,XXXX万种配件，XX万家XS店，可以帮助我们快速出理赔报告。风控领域是金融核心的领域，我们有很多场景。这是声纹识别的例子，我们可以用来做认证、服务和风控，可以通过声音检测出黑名单，这是非常简单的。同时如果没有黑名单，通过声音的一些分析，我们会发现一个电话号码如果有不同的声音打电话进来，很可能这个电话号码是有问题的,如果同一个声音经常换不同的电话号码打电话进来，也是有问题的，一群人用一群号码打来打去也是有问

11、题的。通过这种技术我们可以找到以前很多没有发现、没有记录的欺诈团伙，也帮XX公安局也发现了一些走私团伙。这是金融风险管理平台，包括宏观、纵观、微观的平台，通过这样的平台进行全面覆盖，用在投资、债券、信贷等不同场景上。我们底层的数据覆盖了X亿多实体的知识图谱的网络，可以帮助我们抽取宏观、纵观、微观的风险因子，帮助我们识别很多效果。大模型有上千个应用场景，这是内部员工应用服务的场景，大模型直接面客有一定风险，所以我们是非常谨慎地处理这些工作，都是有人去审查、审核过才会面客。在员工服务上，就可以直接用大模型进行服务，这是语言大模型，通过金融领域数据的重新训练加强以后，我们的模型效果是非常好的，右边是

12、一个生产系统的视频，从这个生产系统可以看到，可以比通用大模型效果更好地回答我们经济领域、金融领域的问题。刚才提到的几个例子都是语言大模型，大模型是有多模态的，在多模态场景上，我们用图像大模型做了很多宣传资料；代码大模型可以帮助我们在XX内部进行使用，帮助员工提高写代码的效率，包括代码纠错、代码自动生成、视频大模型。语音大模型，可以帮助我们做非常快速的语音复制、转换，这是一个很需要的应用。之前普通人工智能模型每个声音建一个模型，大模型具有泛化能力，一个模型可以覆盖不同声音，我们可以通过快速零样本或者一个样本复制不同声音，员工虽然经常换，但可以保持他的声音不变，这是我们很多场景需要做的。现在也可以低成本地实现这个效果。刚才也提到可持续发展，我们对Al伦理非常重视，我们有一个x+x+x”的机制，保证Al应用的风险可控。整个链路包括具体的实践、自上而下的抽查和自下而上的检视。这是我向大家汇报的内容。谢谢大家。