文 ｜ 蘇瑞淇

當前，人工智能大模型正在逐步影響各行各業(yè)，金融領(lǐng)域也不例外。

根據英偉達發(fā)布的針對近400家金融機構的調研結果，43％的金融機構已開(kāi)始使用大模型。麥肯錫2024年的調研數據顯示，金融行業(yè)從業(yè)者反饋“在工作中常規使用大模型”“在生活中常規使用大模型”和“在工作和生活中均常規使用大模型”的數量占比已達到48％。據麥肯錫測算，大模型有望給全球金融行業(yè)帶來(lái)每年2500億美元至4100億美元的增量?jì)r(jià)值。這些數據無(wú)疑為大模型在金融領(lǐng)域的進(jìn)一步應用描繪了光明的前景。

然而，隨著(zhù)大模型的廣泛應用，一些新風(fēng)險也逐漸顯露出來(lái)，一旦應對不當，可能對金融行業(yè)構成嚴峻的挑戰。

首先，大模型的進(jìn)一步推廣可能會(huì )加劇金融行業(yè)的“兩極分化”。由于技術(shù)投入、業(yè)務(wù)稟賦和人力資源等方面的差異，一些頭部金融機構在大模型展現的能力上開(kāi)始顯現出明顯優(yōu)勢。相比之下，中小機構受限于資金預算約束、相對有限的業(yè)務(wù)規模和專(zhuān)業(yè)人才資源，與頭部機構之間的差距將被逐漸拉大，呈現出“強者愈強，弱者愈弱”的趨勢。從行業(yè)整體來(lái)看，金融行業(yè)原本就具有信息數據密集、人才智力密集等特點(diǎn)，大模型的推廣應用可能導致金融行業(yè)資源進(jìn)一步集中。

其次，目前大模型本身存在的缺陷也可能給金融系統帶來(lái)安全風(fēng)險。大模型仍存在專(zhuān)業(yè)能力有限、生成結果不可控、算法可解釋性較差等問(wèn)題，當前在合規性和適當性等方面仍缺乏保障。一旦訓練數據不完備或質(zhì)量較差，可能會(huì )生成低質(zhì)量的錯誤內容，導致結果不可用，甚至誤導金融機構和金融消費者的判斷和決策。在模型可解釋性方面，大模型的復雜程度較高，使得內容生成的結果和過(guò)程難以被清晰地解釋?zhuān)a(chǎn)生“黑箱”問(wèn)題，導致金融機構難以在事前、事中、事后進(jìn)行有效的風(fēng)險溯源和管理。此外，考慮到大模型基于海量數據進(jìn)行訓練，若底層數據本身存在偏見(jiàn)和歧視，可能會(huì )導致大模型內容輸出、決策生成方面存在偏見(jiàn)，進(jìn)而導致金融服務(wù)存在歧視性定價(jià)等風(fēng)險。

最后，金融機構對少數大型科技公司提供的基座大模型的依賴(lài)可能形成新的風(fēng)險點(diǎn)?？紤]到基座大模型通常與部分大型科技公司云業(yè)務(wù)捆綁銷(xiāo)售，這可能進(jìn)一步加大金融機構對少數第三方的依賴(lài)，加大相關(guān)技術(shù)服務(wù)商對金融系統的潛在影響力。一旦服務(wù)商的運營(yíng)出現問(wèn)題或系統出現故障，將對金融系統的穩定造成嚴重影響。

當前，大模型的深入應用對金融監管提出了更高要求，現實(shí)中如何既鼓勵創(chuàng )新，又確保金融行業(yè)的健康穩定發(fā)展，已成為金融監管部門(mén)的重要議題。只有防患于未然，在深刻認識大模型的特點(diǎn)并妥善應對這些風(fēng)險的基礎上，才能推動(dòng)金融大模型更好發(fā)揮作用，促進(jìn)金融業(yè)高質(zhì)量發(fā)展。