近日，在2023年服贸会现场论坛，普华永道中国金融业管理咨询服务合伙人、数字化产品创设咨询服务合伙人张为峰针对生成式人工智能（AIGC）对企业赋能的机会及逻辑，阐述了其对企业未来认知作业模式的思考。

他表示，AIGC作业的关键是基于信息的认知作业能力。现代化企业的认知作业，按照对信息的处理逻辑可以划分为三类：“查询”“判定”和“生成”，分别代表不同的认知处理需求，基本上可以覆盖大部分的认知作业活动。

普华永道中国金融业管理咨询服务合伙人、数字化产品创设咨询服务合伙人 张为峰

(资料图)

图片来源：普华永道

谈生成式AI在金融行业有哪些更好的创新可以预见，张为峰在接受《每日经济新闻》记者专访时表示，传统AI是基于预设的规则模型的开发来作业的，而生成式AI则是通过分析和模仿当前数据来自我学习和作业的，这种机制的创新意义主要体现在两个方面：一是模式创新，二是边界创新。可以预见，生成式AI可以赋能金融行业快速降本增效和人力价值上移。

与此同时，张为峰也表示，AIGC与金融行业融合还需要解决数据隐私与安全、法规管控与合规性、透明度和解释性等问题和挑战。

生成式AI具有“高知、高智、高产”的特性

AIGC是目前科技圈最火热的技术。随着2022年底ChatGPT的发布，引发了科技巨头们纷纷跟进开启AI大模型平台搭建。

那么，与传统AI相比，生成式AI究竟具备何种特性？张为峰告诉记者，虽然生成式AI是模拟人类内容创作，但因其底座是计算机算力和全域信息库，相较于人工作业更具生产意义，具有“高知、高智、高产”特性。

张为峰进一步指出，具体而言：一是高知，知识面广，可以生成各种类型的内容，包括文本、图像、音频、代码等，认知无边界；二是高智，逻辑性强，可以根据不同用户的需求、喜好和偏好，自动生成符合其要求的内容，认知下限高，基本能保证中上的内容质量；三是高产，生产过程自动化，可以在短时间内创建大量内容，极大提高了生产效率，节约了人力成本。

目前，企业认知作业是以人工脑力为主，比如客服人员、行政文员、管理人员等，他们工作中80%的认知作业活动都属于中低阶的认知作业，即：记录、查询、比对、总结、编排等。张为峰认为，生成式AI目前已经具备了对中低阶信息处理的能力，合理规划和引入AIGC能够有效释放这部分的人力，以投入到更高阶的认知活动中，比如决策、创新、科研、战略管理等。

生成式AI在金融行业哪些层面有一些更好的创新？他回答称，传统AI是基于预设的规则模型的开发来作业的，而生成式AI则是通过分析和模仿当前数据来自我学习和作业的，这种机制的创新意义主要体现在两个方面。

首先是模式创新，高度的灵活性。金融行业是典型的数据密集型行业，有着巨量的数据分析、预测、生成需求，传统AI模式，企业要开发大大小小的模型，且需要持续迭代，需要持续投入大量的资源才能保障模型运转。生成式AI是基于现实数据和动态规则来服务，灵活性大，不需要点对点的模型开发。

其次是边界创新。传统AI因其庞大的建模成本，所以限制了只能投向核心业务的核心模块，比如贷款风控、反洗钱风控等，覆盖面有限，生成式AI因其属于通用认知能力，生成服务可以覆盖到各个业务的各个模块，也可以覆盖到前线业务部门甚至每一个客户经理；举个例子，比如监管新规的解读、宣导培训文案的制作这类非核心业，都可以低成本的进行智能化支持。

“所以，可以预见，生成式AI可以赋能金融行业，实现快速降本增效与人力价值上移。”张为峰指出。

AIGC与金融业融合还需解决数据隐私与安全等问题

记者了解到，普华永道一直积极投入在新技术、新领域的前瞻性研究，近年来一直在全球分享观点，讨论人工智能的最新发展，并通过研究和报告为客户带来更完整的观点，捕捉思维空间。在列举了生成式AI在给企业赋能带来的一系列优势之后，采访中，张为峰还谈到了AIGC与金融行业融合还需要解决的一些挑战与困难。

他表示，生成式AI与金融行业融合面临的第一个挑战便是数据隐私与安全。AIGC技术的开展需要大量的数据作支撑，以进行模型训练与模型推理，对于数据的保密性、可用性与稳定性存在极大的挑战，需要保障AIGC应用过程以及模型训练及推理过程中数据的安全与保密并保障数据主体身份不被识别或泄露。同时，金融行业处理大量敏感数据，包括客户信息、交易记录等，确保这些数据的隐私与安全是至关重要的。

张为峰称，在AIGC应用于金融领域时，需要采取适当的数据保护、数据清洗和加密措施，以防止数据泄露或滥用，并保障客户身份不可被识别或泄露。并且，需要建立精准且严格的数据分级分类制度，区分和识别可用于或不可用于AIGC应用与模型训练的数据，保障数据隐私安全。

另一挑战则是法规管控与合规性。张为峰指出，金融行业受到严格的法规和合规要求的约束，以确保金融体系的稳定和透明度。将AIGC技术应用于金融行业时，需要考虑合规性要求，并确保符合相关法律法规（例如银保监会发布的对于数据安全的规定与国家出台的个保法等），避免潜在的法律风险。

“此外，还存在透明度和解释性这一问题。”张为峰指出，AIGC技术通常以黑箱模型运作，难以解释其决策过程和推理逻辑。然而，在金融领域，透明度和解释性对于监管机构、投资者和客户都非常重要。因此，在将AIGC应用于金融领域时，需要找到方法来解释和验证AIGC系统的决策，以增强透明度和可信度。

除了上述这些问题，他还指出，“技术挑战”“人才需求与文化转变”也是当前面临的重要问题。

关键词：