大模型在各行业的应用场景梳理

银行业生成式AI应用可以贯穿到银行业务链条的各 个环节，包括从面向员工的管理和支持到面向市场的数字营销和运营自动化、从 产品研发到风险合规管理等环节。

1.金融行业生成式AI通用类应用场景梳理

大模型/生成式AI在金融行业应用具有极高的潜力和价值，当前诸多金融机构正以 大模型/生成式AI技术的工具辅助、信息处理、业务决策等特性，应用于内部运营 类场景（文案、代码、翻译等通用类场景）、信息和业务处理类场景（智能化知 识抽取、金融知识的理解和生成、政策研报解读）、管理和业务决策类场景（信 贷审批、理财投顾等决策类场景），从而为金融机构带来运营效率提升、产品/ 服务模式创新、客户体验提升等价值。根据IDC调研数据显示，在当前，信息和 业务处理类场景及内部运营类场景是当前金融机构主要的应用方向。而在未来12个月，管理和业务决策类场景的应用比例有所提升，尤其是保险机构在该类场景 的应用进程较银行及证券机构相对更快。

同时，根据IDC调研数据显示，目前及未来18个月内，金融机构落地大模型/生成 式AI的场景按照调研统计比例如下图所示。其中，智能客服、内部运营（搜索与 问答、知识管理/内容创作、舆情管理、HR等）、智能投顾/财富管理、智能营销 （内容营销、产品营销等）以及风险管理（风险评估、风险识别、风险预警 等），是金融机构当前落地较成熟的场景（按照调研比例从高到低排序）。而在 未来18个月内，支付清算、智能投研、内部研发（代码生成、测试等）、数据分 析（报表生成与分析、数据建模、数据决策等）、欺诈/洗钱/威胁监测、资产管 理（资产尽调、资产评估及定价等）是金融机构主要的落地场景（按照调研比例 从高到低排序）。

2.银行业生成式AI应用场景梳理

IDC认为，生成式AI的行业应用往往都是循序渐进的过程，一般是逐渐从内部辅 助运营到外部对客提效、从业务边缘到核心；相应地，AI对金融机构的价值也逐 渐增大。如下图，IDC认为，银行业生成式AI应用可以贯穿到银行业务链条的各 个环节，包括从面向员工的管理和支持到面向市场的数字营销和运营自动化、从 产品研发到风险合规管理等环节。 第一阶段（2024年）的应用场景有：金融知识助手、财务健康分析、舆情监 控、合规监测、网络欺诈识别、现金流动性预测、个性化营销等。以现金流 动性预测为例，借助于GenAI，银行可以快速识别、分析和解释市场信号、走 势和评论（如监管/决策层的评论），将其转化为准确、可靠和可操作的领先 指标，从而为银行/客户提供投资、信贷、流动性和风险方面的建议和决策。

第二阶段（2025年）的应用场景有：合成数据生成、客户报告生成、智能客 服、贷款专员助手、客户关系管理、SAR报告自动化等。以贷款专员助手为 例，GenAI可以通过访问客户账户历史记录，评估其需求/偏好，并就未来的 贷款和其他银行产品提供营销建议。贷款专员在通过多渠道为客户提供信贷 审核或信贷产品推荐时，商业银行可以通过相关GenAI应用为其提供培训工 具和带有风险提示及营销策略的信息。

第三阶段（2026年及以后）的应用场景有：风险模型训练、支付分析、信用 风险识别、财务合同管理/财务预测、销售合规等。以风险模型训练为例，商 业银行通过使用包括开放、非结构化数据源、合成数据来预训练或优化风险 模型，以便为客户群提供风险决策支持，最大化减少风险。例如，在智能投 顾场景，借助于预训练大模型能够对金融文本进行整体认知和理解，消除人 为的主观因素，提供客观的投资建议，同时也能不断演进和创新，减少对人 工审核的依赖，给出风险警示和解决方案。

3.保险业生成式AI应用场景梳理

在保险行业，生成式AI的应用主要分为数字投资产品、数字风险服务、 仿生操作、智能风控以及数字运营弹性等类别。其应用主要也分为三个阶段。 第一阶段（2024年）的应用场景有：保险数据检索&总结、保险元数据生成 与标记、理赔员助手、承销商助手以及自动化智能外呼和索赔欺诈监测等场 景。以保险元数据生成与标记为例，GenAI通过解析和生成元数据层、掌握 语义关系和主题标记，学习大量数据集的元数据模式，自动生成符合规范的 元数据。这包括但不限于文档标题、描述、关键词、分类标签等，有效减轻 了人工标注的负担，提高了整体数据质量。

第二阶段（2025年）的应用场景有：风险教育&助手、捆绑式保险产品营 销、网络威胁建模与预防、会话质检、动态按需提供服务等场景。以个性化 保险业务为例，保险机构通过开发出基于机器学习和GenAI评估单个商用车 风险的工具，工作人员可以分析不同的数据，如车辆类型和事故历史，进行 细致的风险评估，从而实现个性化定价和个性化保险产品推荐。

第三阶段（2026年及以后）的应用场景有：私密数据合成&负责任的AI、合 规自动化、风险偏好建模、虚拟代理以及基于证据的损失预防等场景。以虚拟 代理为例，GenAI通过赋能数字助理提供量身定制的解决方案，彻底改变了个 人和企业的风险管理。从评估财产和负债风险到优化投资，它都可以提供个性 化的指导，使用户能够做出明智的决策，并有效地保障客户的财产/资产。

4.证券与投资业生成式AI应用场景梳理

生成式AI在证券与投资业的应用场景较为丰富，其主要分为合规与报 告、客户沟通和支持、员工管理和支持、运营自动化以及风险管理和金融犯罪等 类别。在推进生成式AI应用过程中，也分为三个阶段。

在第一阶段（2024年）的应用场景主要有：知识查询、金融产品适用性分 析、超个性化金融培训、客户入职培训助手、客户报表生成、合成数据生 成、信用风险建模助手等场景。以金融投资产品适用性分析为例，生成式人 工智能可以帮助金融专业人员根据模拟场景分析客户数据，例如历史购买金 融投资产品的对象特征及风险偏好，分析潜在的投资目标，同时帮助金融机 构识别并控制投资风险，根据风险状况生成量身定制的建议，并确保符合适 用性法规。

第二阶段（2025年）的应用场景有：超个性化投资建议、客户细分和客户锚 定、欺诈检测和预防、合规检测自动化、交易监控&市场监控、投资组合优 化和资产配置自动化、客户情绪分析、金融知识个性化生成，以及金融数据 泄露预测与防范等场景。以投资组合优化和资产配置自动化为例，生成式AI 可以根据不同的市场状况和历史趋势，并根据不同客户的风险偏好、投资期 限、流动性需求等，从而生成多样化的投资组合建议。

第三阶段（2026年及以后）的应用场景有：金融证券交易策略、资产智能定 价、情景化和个性化的客户沟通、市场流动性预测建模，以及模拟谈判辅导 等场景。以资产智能定价为例，生成式AI通过分析市场数据、实时和历史数 据以及其他相关输入来生成准确、动态的定价模型和高度精细的估值方法， 从而实现智能资产定价。