作者｜黄楠

编辑｜袁斯来

金融行业高度依赖科技，在这一领域，AI+ 工具应用已久，为金融机构提供了更高效、更智能的服务方式。例如过去一年多，大模型多以信息处理和内容生产的方式，被用于改善客户服务体验，使机器人对话更加流畅；并帮助理财师和金融机构工作人员整理文档、会议纪要，并提供理财助手服务。

然而，这些服务虽然在降低成本和提高效率等方面起到一定作用，却仍处于金融业务的外围应用，并非核心业务的一部分，未能深入改变金融行业的核心领域。

10 月 28 日，2024 年香港金融科技周在香港亚洲国际博览馆开幕。度小满 CEO 朱光在科技周主论坛上指出，" 以 o1 推理大模型为代表的新一波生成式 AI 技术在金融领域的应用，将从外围场景深入到核心业务，直接影响金融行业的核心决策质量，在为客户的产品和服务体验上带来巨大突破的同时，将会重塑金融科技行业。"

度小满 CEO 朱光在金融科技周主论坛上发言

对一个行业而言，生成式 AI 技术带来巨大变革离不开两大前提。朱光分析，一是必须让核心的客户体验发生巨大改变；二是必须对业务的核心决策产生影响。

比如在信贷业务，对员工来说，潜在客户并不稀缺，因为有资金需求的人会主动寻求服务；但想要找到与服务相适配的优质客户，就需要进行精准的客户画像，通过大模型来对优质客户进行网络识别。而站在用户视角上，当大模型能够为其金融服务体验带来影响、对风险决策、经营决策等核心业务决策产生重大影响的时候，才能真正释放出大模型的潜力。

其中，自 OpenAI 发布 GPT-o1 大模型后，模型的 " 思考能力 " 得到显著提升，可在金融场景中实现更复杂的逻辑推理和问题拆解。以风控场景为例，度小满通过推理大模型，可以分析客户的征信报告、银行流水，推理出来客户的还款能力，最后给出是否审核通过的风控决策建议，可将决策时间缩短在最快 1 分钟实现。

朱光表示，当前大模型已掌握了风控知识并具备推理能力，" 可以像专业审核员一样读征信报告、看账单流水，甚至能解读网络大数据，思考和捕捉数据之间的关联，并生成风险判断的依据和结论，"

此外，在量化投资领域，通过大模型可以挖掘高价值的因子，并优化投资算法。在保险领域，可以根据客户的情况，进行个性化的产品设计和是否承保的决策。可以看到，大模型在金融领域应用落地还在持续扩大，先拥抱 AI、拥抱大模型，降低 AI 使用门槛，以解决更多实际场景下的复杂问题。

针对提升客户体验方面，度小满开发了一个小型智能卡通机器人，该机器人会始终显示在客服人员的桌面上。当客服人员在服务过程中出现如激动或生气等情绪波动时，机器人通过语音识别技术能够立即监测到这些情绪变化。此时，卡通机器人的表情会变红，并提示客服人员放慢语速、控制情绪。根据实测，这一措施可以显著降低客户对投诉率，确保了每一通电话的服务质量。