文|十字財經 李意安
年初開始，ChatGPT的大熱讓資本市場陷入瘋狂的同時，也各行各業也都陷入了空前的危機感，金融行業也不例外。近日，招商銀行信用卡中心、江蘇銀行紛紛下場，探索ChatGPT在業務中的具體運用。百信銀行、郵儲銀行也接連宣布接入百度文心一言。
雖然AIGC的這一波亮相到底營銷噱頭還是真有活存在爭議，但人工智能確實為行業發展帶來了新的變量。
1.對銀行而言，會帶來什么
首先，是思維方式的升級。
從目前來看，ChatGPT明確落地的應用是銀行在品牌工作上的內容試水。月初招商銀行信用卡在官微發布了國內金融行業首篇使用ChatGPT技術完成的品牌稿件，引發廣泛關注。
而事實上，這其實并不只有銀行可以做的事情，拋開銀行場景，僅僅只討論品牌這一工種。在UGC、PGC之后，以ChatGPT為代表的AIGC確實給內容賽道帶來了全新的想象力。
品牌心智的鍛造是個長期過程。如何綜合多角度的用戶反饋并形成品牌策略的精準優化，是一場漫長的試探與博弈，也一直是品牌方的難題。傳統的作業模式中，這一工作有著十分標準的傳導鏈路：品牌需要通過產品、服務、廣告、活動結合用戶調研、不同模塊形成立體的數據分析，多點反饋形成全息沙盤。完整體察用戶動態需求之后再形成精準的品牌輸出。而整個周期需要多少多久，存在很強的不可控性。
首先，對多維度、全鏈路的信息反饋進行數據分析本身就是人工智能的強項，而在此基礎之上，對AI提出需求——AI根據需求形成輸出——調教模型——優化產出。較之傳統作業模式，更高效地完成了品牌心智的交互，同時也大幅減少了信息損耗，降低了需求錯位的可能性。
品牌只是AIGC的初步探索，事實上從ChatGPT強大的語言理解能力和語意推理能力來看，ChatGPT在應用層面的想象力絕不僅于此。
直觀聯想上，它可以幫助智能客服精準的理解用戶意圖，形成完整的智能問答，從而大幅提升用戶體驗；而其強大的數據分析能力和學習能力則能夠幫助用戶識別欺詐檢測、幫助金融機構分析市場趨勢，研判市場風險等等。
其實，智能客服、智能投顧早已不是新鮮詞匯，但效果始終差強人意。過去幾年，智能化常常被各家金融機構包裝成亮點，但在真正服務落地的過程中卻總是充滿槽點。
僅僅以智能客服來舉例，很多機構一方面加大AI客服投入，一方面精簡了人工客服的團隊。但對用戶而言，AI客服只能對簡單問題給予標準化回答卻解決不了問題，反復跳轉還找不到真正的人工客服，十分奔潰。因此，人工智能甚至一度被調侃為人工智障。
相較而言，ChatGPT雖然有時候也會輸出一些正確的廢話，但好在語義理解能力很強，反饋輸出語句通順且邏輯自洽。如果要讓AIGC進化推動智能服務的進化，對模型的馴化能力成為了考驗銀行的關鍵點。
2.銀行要做什么，能做什么
人工智能的介入底層是思維升級，就跟曾經的“互聯網思維”一樣，如果說上一階段的“互聯網 ”“互聯一切”讓服務形態從線下到線上，智能化升級則需要全行業務的進一步深度融合。
新的技術革命全面到來之前，順勢布局的重要性無需贅言。但這顯然，在此之前，還有大量的清障工作。
首先是戰略層面的思維變革。大多數銀行可能都已經意識到了，在銀行這個紅海，科技能力已經成為構建底層競爭力的重要一環。但知易行難，受限于體制機制，很多銀行的科技創新依然局限于網金等少數幾個部門，真正從戰略舉全行之力推動科技轉型的銀行不過寥寥數家。
現實層面還有成本和數據處理合規性的問題。
GPT是Generative Pre-trained Transformer（生成型預訓練變換模型）的縮寫，從其名稱就可以看出，“訓練”是戰斗力的關鍵，而訓練也關乎著高昂的成本。
國盛證券計算機分析師劉高暢、楊然在發表于2月12日的報告《Chatgpt 需要多少算力》中估算，GPT-3訓練一次的成本約為140萬美元，對于一些更大的LLM模型，訓練成本介于200萬美元至1200萬美元之間。雖然商業銀行在ChatGPT應用層面對模型的訓練沒有明確的數據支撐，但可以想見成本不菲。
此外，人工智能的部署大概率需要“外腦”的加入，僅僅依靠銀行自己實現并不現實，金融機構的數據不對外開放，現有的架構也多是私有云部署，這對模型的訓練難度帶來了挑戰，數據源的脫敏和標注涉及的工程量巨大。
綜合命題下，對一些中小銀行來講，或許是一次機會。中小銀行雖然從財力不如大銀行，但從數據處理量來看，可能能更加快速地形成產出，短時間大幅度、高強度的投入對中小銀行的業務處理效率提升會更為明顯。
3.對金融從業者而言，這是不是要失業的前奏
任何一次技術革命都會帶來結構性的失業，這是無法避免的挑戰，不因好惡而改變。這是人類的集體命運，并非金融行業而已。
從歷史上看，前兩次工業革命對就業帶來的結構性影響大約通過兩代人才逐步消化，而上世紀中葉開始的計算機革命帶來的影響到現在還沒有完全消化，相較而言，智能革命較之前幾次技術革命的影響可能更為深遠。
打不過就加入當然是最好的策略，越早加入越好。在通用大模型沒有觸及的垂直專業細分領域，要生成精準的定制化內容，專業人士的調校干預依然不可或缺。當然，這對訓練模型的AI專家也提出了更高的要求，跨界人才才是ChatGPT背后的“上帝之手”。所以從某種程度而言，AI不會控制人類，但是控制AI的人類可以，如果成為前者，就不必擔心成為后者。
但學霸畢竟是少數，對大多數從業者而言，解題的思路可能是，做“非標”的人，或者做“非標”的事。越是非標，越是安全。如“柜員”、“客服”、“報表統計”，標準化程度越高的工作，AI替代的可能性就越高。而例如涉及大量線下調研的基金經理，這類協作性很強的非標工種，AI的可替代性就不高。
很殘酷的真相是，雖然一直說科技以人為本，但歷史上所有的技術革命，從來都不是以人為目的，效率才是一切的目標。文明的快速進階并不總能帶來幸福感，每一次科技的巨大飛躍在推動文明進步的同時都會加劇結構性失業，會讓人類社會的競爭更“卷”——無論是個體還是經濟體之間。
區別于歷史上所有的技術革命，智能革命的目標是要替代人類最驕傲的東西——“大腦”。如果說互聯網讓人快速獲取一個陌生領域的知識，人工智能則能讓人快速輸出陌生領域的智識。隨著各類多維度、大規模數據的持續沉淀，人工智能的學習速度還在指數級上升。這既是AI的可怕之處，也是AI的致命魅力。人工智能一定會改變世界，無論你想或不想，愿或不愿。