用好大模型赋能数字金融

今年以来，深度求索（DeepSeek）等国产大模型快速发展，给消费金融行业带来巨大机遇。记者采访了解到，各金融机构正加快深耕普惠金融和数字金融，通过加大研发投入、充实人才队伍，不断提高金融服务质效，推动人工智能落地更多应用场景，依托数智化技术助力实体经济高质量发展。

作为消费金融领域头部机构，招联金融参与了行业标准建立，助力AI技术安全、可靠和可持续发展，并探索人工智能赋能传统产业领域。招联金融日前亮相第八届数字中国建设峰会，现场展示的“招联仲思智能中医大模型”平台受到参会者关注。

兴业消费金融近年来加快发展人工智能、大数据，从流程、准入、审查到贷后全链条优化升级管理。在数据采集层面，通过清洁取数、用户自主授权源头数据等方式，提升用户体验，进一步保障数据真实性。同时，持续深化外部数据引入与应用，依托数字技术，构建自动化、标准化的风险识别、反欺诈和运营体系。

针对消费金融机构加快推进金融大模型的应用，中央财经大学中国互联网经济研究院副院长欧阳日辉表示，其涉及如风险预测、智能投顾、反欺诈等众多不同类型和用途的人工智能模型，在统筹模型开发方面，还需对模型开发的全流程进行规范化管理，制定统一的流程和标准。金融行业的数据量庞大且复杂，要确保不同来源的数据在进入模型训练或其他应用环节时能够保持一致性和准确性。

中国银行业协会发布《2024年度中国银行业发展报告》显示，金融与人工智能有天然的契合点，AI大模型技术能够充分挖掘银行业的海量数据，而银行业具有适用AI大模型技术的丰富场景。中国银行研究院研究员刘晨认为，作为金融“五篇大文章”之一，数字金融对消费金融行业高质量发展具有战略意义，也为大模型的落地创造了广阔空间。

大模型应用于精准营销、理财顾问、贷前风控、信用评估等核心领域，能够带动消费金融各类业务效率明显提升。刘晨表示，在投资决策环节，大模型基于客户消费习惯和金融资源应用状态、所处行业特征、产品特性等各类数据，为金融机构客户经理提供多维度参考，同时也能够为客户制定个性化的投资组合方案，实现精准营销。在智能风控环节，大模型基于实时风险决策与复杂事件处理技术，能够实现毫秒级风险决策响应，为拓宽多元化业务提供了丰富场景。

另外，由于金融实际业务场景涉及复杂的逻辑推理和多步骤决策，大模型幻觉给其实际部署带来了重大挑战，并引发了行业对大模型应用可靠性的担忧。刘晨表示，数据是保障大模型正常运转和效率提升的关键“养分”，消费金融相关机构应加快整合内部数据资源，建立统一的数据平台，持续完善数据要素积累。同时，通过建立围绕数据清洗、标注、建模等方面的全链条工作机制，提升专用模型数据的质量。考虑到行业间数据要素畅通也是提升消费金融服务质效的重要路径，可以加强外部数据的获取和整合。

欧阳日辉也表示，推动更多的公共数据向消费金融机构赋能，以公共数据开发利用引领撬动各方数据的融合应用，有助于消费金融机构构建更精准的用户画像，提升获客和活客能力。