随着各地针对人工智能产业布局的不断提速，以大模型为代表的人工智能应用此起彼伏，并逐渐成为角逐产业新赛道的关键要素。而金融业作为数字化需求强烈的数据密集型行业，业已成为人工智能发力的重要场景之一。
接受中国经济时报记者采访的业内人士表示，金融机构应进一步深化数字化转型，强化数字要素和数字技术的深度应用，以金融高质量发展来推动金融强国建设。
金融领域应用广泛
“人工智能在金融领域的应用，为提升金融服务效率和体验提供了重要途径。”中国银行研究院高级研究员梁婧对中国经济时报记者表示，在金融产品和服务创新方面，人工智能不断推动金融产品和服务线上化，特别是在普惠金融领域，通过人工智能、大数据等科技手段，改进授信审批和风险管理模型，优化金融服务模式，提高了金融服务的可得性。在风险控制方面，通过大模型对企业财务报表、销售订单、水电费、税务数据等进行对比分析，不断优化金融机构风险控制体系。在投资研究方面，通过大规模数据分析识别市场趋势、挖掘交易机会，提供量化投资方案。
浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员盘和林对中国经济时报记者表示，人工智能尤其是大模型应用中，最显著的一个功能就是辅助信息搜索，而金融业的资源配置则是建立在信息获取充分的基础上的，所以信息获取充分程度和金融决策的正确性密切相关，而大模型能够提升金融业对信息的搜索能力，从而提高金融业资源配置的效率、提高金融机构投融资的成功率、提高风控的精准性。
紧抓机遇窗口
如何抓住科技变革的机遇窗口，成为了各金融机构的“必修课”。
交通银行相关负责人对中国经济时报记者表示，手机银行是交通银行服务客户的重要平台，也是交通银行数字化转型成果集中展示的窗口。新发布的手机银行8.0版本把“为客户创造价值”放在更重要的位置，并将借助人工智能（AI）大数据分析、基金持仓透视等金融科技手段和功能，更好满足客户多层次财富管理需求。
梁婧表示，对金融机构来说，一是加快相关人才队伍的建设，金融数字化转型需要复合型、跨界型人才，既需要熟悉大数据、人工智能等数字化技术，又需要具备金融行业专业知识。二是加强相关系统、平台等数字基础设施建设。为推动金融数字化转型，金融机构需要对传统IT架构进行改造甚至是重建，这既涉及机构内部不同业务、不同地区、不同部门之间协调与数据的整合，也涉及内部与外部数据的连接，还要考虑不同应用场景的需求差异。三是要结合自身特色、资源进行差异化布局，真正将自身数据要素潜能激活，推动金融业务高质量发展。
盘和林表示，金融业尤其是金融信息库应该主动和大模型融合，缔造金融垂直领域的AI大模型，将AI对信息的检索优势延伸到金融信息库当中，其中需要注意的是，金融AI不仅需要算法，也需要数据和算力，而金融数据要从其他领域获得，所以需要积极参与数据要素流通，积极购买数据来完善信息数据库。
要平衡好创新与风险的关系
在金融机构改革的大背景下，如何应对人工智能时代的挑战，推动金融业高质量发展，成为当下金融领域的重要课题。
梁婧提出三点建议，一是要建立与金融数字化转型相适应的风险管理体系。随着人工智能等技术在金融领域应用的不断增多，金融业面临的风险也将更加复杂，金融市场之间联系加强，可能会使得风险传播更快，需要警惕人工智能等应用带来的新风险。二是信息安全与合规面临更多考验。金融数字化发展的一个核心是激发数据要素的价值，在使用数据的过程中如何确保数据安全与保护市场主体隐私值得关注。三是为适应金融数字化转型发展趋势，监管政策也会相应进行调整，因此在转型过程中，金融机构也需要与监管部门及时沟通，共同推动相关机制建设，助力创新与风险的平衡。
盘和林表示，金融业对AI的需求主要是搜索，而AI可能让金融机构更容易获取隐私数据，所以在AI大模型和金融信息搜索结合的过程中，需要对基础算法进行审核，要避免AI过度获取数据，关注各个金融机构在信息数据获取方面的公平性。