在數字化時代，AI被視為第四次工業革命的重要抓手，已成為推動各行業業績增長的新引擎。近年來，以AIGC為代表的人工智能大模型等新應用、新需求的崛起，帶動金融同業深化布局“智能能力建設”，賦能金融業務。在數字化轉型過程中，光大銀行積極把握機遇，以融合引領的科技定位，緻力于讓科技成為發展第二曲線的核心引擎，制定了新一期的科技戰略規劃，建構了新體驗、新模式、新融合，中台化、靈活化、智能化的“三新三化”核心科技引擎戰略（如圖1所示）。
在此背景下，探索光大特色的人工智能技術中台建設，有助于加速AI類應用規模化推廣，提高生産力和生産效率，推動光大銀行數字化轉型。
一、人工智能技術中台建設的實踐探索
1. 建設指導思路
光大銀行正積極推進數字化轉型，通過新一期科技戰略規劃“十四五工程”項目的方式推進執行。“十四五工程”囊括近百個重點項目，包含十大業務類、四大治理類、五大技術工程建設，其中技術中台負責科技支撐，確定系統穩定運作和技術不斷創新。人工智能技術中台作為技術中台的重要組成部分，已成為光大銀行科技戰略規劃實施中的重要任務。秉持“三新三化五原則”建設理念，人工智能技術中台以先進的架構設計，推動數字化轉型演進，催生創新成果，支撐多業務條線高品質發展。
2. 架構體系設計
以往，人工智能建設過程常常呈現出碎片化、豎井化的特點，并帶來功能重複建設、資料難打通、業務互動成本高、業務得不到沉澱等問題。為進一步支撐重點業務發展，光大銀行在人工智能技術中台架構體系設計過程中，将人工智能技術和基礎設施進行抽象和整合，形成統一的技術平台，為銀行各業務線提供可共享的技術服務，使得銀行科技能夠更加靈活、高效地應對業務需求。
目前，光大銀行已建設全行統一、自主可控、功能完備的人工智能技術中台架構體系（如圖2所示），具備了聽、說、讀、看、做五類能力，統一為銀行業務賦能。始于身份識别、智能客服等智能場景建設，人工智能技術中台逐漸沉澱出以自動語音識别（ASR）、自然語言處理（NLP）、語音合成（TTS）、光學字元識别（OCR）、生物識别、虛拟人像合成、内容稽核、文檔比對、文檔抽取等成熟AI技術為支撐的企業級AI服務能力，并以智能客服、生物識别、智能質檢、智能雙錄等成熟智能化應用賦能業務，同時以AI訓練平台、推理AI中台等實作AI模型定制化和服務納管。
人工智能技術中台包含幾個關鍵層次：一是硬體資源支撐與資源管理引擎層，它為整個系統提供了必要的計算和存儲基礎設施，以管理硬體資源，優化資源利用，確定各個部分都能夠高效運作。二是AI資料引擎與AI平台引擎層，緻力于為開發者提供一個全鍊路的開發流水環境，包括管理和标注海量資料、模型研發工具架構，并支援輕松地建構和管理各種AI模型。三是AI能力引擎和AI服務引擎層，可提供核心的AI算法和模型，以支援各種任務。AI引擎将AI能力轉化為标準化服務和接口，簡化與其他系統的內建，進而實作更廣泛的應用。四是AI生态層，作為整個系統的頂層，涉及整個AI生态系統的建設和管理。通過建立一個健康、開放的生态系統，人工智能技術中台能夠更好地适應不斷發展的技術潮流。
二、人工智能技術中台的成效
1. 推動數字化轉型演進
人工智能技術中台在應用架構層面實施中台預設原則，帶來了更高的靈活性和高效性，協助銀行迎來深刻的數字化轉型演進。
一是從能力分散重複向能力納管複用的轉變。人工智能技術中台建設标準化AI能力，以AI能力中心接管第三方能力與納管自研能力，為上層應用輸出标準智能能力，統一交易碼、封包和協定；以标準化資料回流打通AI能力與應用系統的業務資料回流，提高模型疊代頻率；以靈活開發機制打通MLOPS模型生命周期全流程管理。通過集中建設與上收标準化AI能力，實作部門間、場景間的能力納管複用，避免能力重複或分散建設。中台采用預設元件複用模式，實作快速建構應用和支援多系統功能，使得銀行業務更趨向于子產品化、靈活化，為快速适應市場變化提供有力支援。
二是從系統視角向場景視角的轉變。人工智能技術中台通過“智能能力+中台化場景+業務場景”聯合創新，形成場景工具圈層孵化的模式（如圖3所示）。一方面與智能原子能力對接，以提供多種組合編排後的中台化能力；另一方面對接業務場景，與業務共研流程、共同孵化場景化能力工具。在底層能力基礎上進行層層遞進的場景化建設，既能沉澱不同業務部門之間相似業務場景的共性能力，又能快速實作業務場景化訴求。
三是從單次元模型分析向智能多元模型的轉變。單次元模型僅關注特定領域的資訊，無法考慮其他資料模态的資訊，對複雜問題的處理能力有限。多模态模型可擷取和整合多元度的資訊，進而獲得更全面的資料了解，使金融機構能夠更全面、準确地運用多元度資訊，有助于其更準确地了解客戶行為、市場情況和風險因素，提高個性化服務能力以及決策的全局性和準确性。
四是從人力密集向數字員工的轉變。數字員工替代人工完成高強度、高重複、模式化的工作，以提升企業級智能生産力。光大銀行根據各工作崗位特點和專業條線的實踐，将數字員工分為對客服務和對内賦能兩類。在對客服務方面，通過建立客服機器人，實作場景中的沉浸式互動自助服務，以提高金融服務的便捷性和可獲得性；在對内賦能方面，使用數字員工全面替代員勞工力進行資料錄入和處理、工單管理、資訊比對、報表生成以及合規檢查等辦公環節。數字員工可使員工脫離繁瑣、重複性操作，更專注于具有創造性的工作。
2. 賦能業務初顯成效
光大銀行人工智能建設已由“智能能力的系統建設”演進為“用好智能能力的生态建設”。通過“業務+智能+中台”營運體系，支撐智能能力廣泛應用于各業務場景。以“中台思維”指導智能能力與業務深度融合，實作标準化AI能力并提高傳遞能力。通過“營運”打通AI研發與應用推廣，達到AI能力應用規模化。通過AI中台能力沉澱上收近200項能力庫，使AI能力輸出涵蓋多個業務領域。光大銀行在全行實作智能化應用的全覆寫，積累500多個細分場景，取得顯著的賦能成效，包括廣度、深度和速度的顯著提升，為銀行業務提供了強大的技術支援和創新動力。
在客戶觸達層面，人工智能技術中台持續加強生态化能力建設，采取全方位的政策，同時在數字管道上多向發力，賦能智慧遠端服務、雲繳費等多領域。在智慧遠端服務領域，建設智能問答、電話導航、智能外呼、智能質檢、智能輔助等智能客服功能，使其成為線上營運的關鍵支柱；營運“陽光小智”、數字人“小璇”為代表的數字産品。在疫情期間，“陽光小智”線上進件高峰期服務占比達到96%以上，日均服務量近30萬人次。
在客戶營銷和營運層面，人工智能技術中台為零售客戶、對公客戶以及私行客戶提供了高度個性化的客戶營運能力，以支援不斷豐富和細分的多類型客群及場景應用，包括智能雙錄、線上超市、遠端投顧、數字名片、代銷稽核等。這些能力覆寫了存貸款、普惠、網貸、信用卡等多個領域，為不同業務提供了全方位的技術支援。
在對内智能營運層面，人工智能技術中台快速推動新技術在業務營運、數字化風控和智能運維等領域的全面應用。在業務營運方面，建立智能文檔平台、智能稽核平台等工具平台，顯著提高營運效率；在數字化風控方面，運用人工智能和RPA進行風險警報、資料維護和支付監測，強化一體化風險防控；在智能運維方面，建立工單巡檢、賬号巡檢機制，推動智能化轉型。這些創新措施提高了營運效率，為光大銀行的數字化轉型和智能營運提供了堅實支援。
在智慧辦公層面，在知識流程優化方面利用“知識庫+大模型”，實作業務知識創作、沉澱、流動及應用；在通信流程優化方面提供智能助手“小茄”、智能日程、智能會議紀要能力，確定業務人員的通信即時、高效和智能連接配接；在綠色辦公方面提供一系列文檔轉換、文檔線上簽名批注、文檔拍照掃描等便捷辦公工具，提升綠色無紙化率。
三、人工智能技術中台面臨的挑戰及應對思考
近年來在自主安全算力、雲原生技術發展推動下，金融業算力規模和資料規模實作快速增長。AI大模型是目前人工智能領域的熱點，如何有效地運用AI大模型成為金融業面臨的挑戰。以下主要從算力資源、算法、資料資源、生成式AI安全，以及人才培養等方面分析人工智能技術中台發展所面臨的挑戰，并提出應對政策。
1. 算力資源
算力資源是AI的基礎設施，AI的訓練推理依賴于算力支撐，大算力也在資料中心基建、硬體、電耗等方面帶來巨大的經濟壓力。一是随着金融領域AI類需求的快速增長，各項AI能力對算力資源的需求增長速度帶來算力壓力。二是因AI訓練算力卡受到采購限制，算力采購難度有所提高。針對這些問題，光大銀行對内整合自身已有的算力資源，加大算力資源供給；同時，積極探索自主可控算力合作計劃，利用多元化、高品質的算力資源，滿足對于算力的需求。
2. 算法
算法方面的挑戰主要來自于大模型。從資源和成本角度考慮，并非每家金融同業機構都需要從零開始獨立訓練私有基礎大模型，投入精力做好大模型二次調優、應用場景建設是更加現實的選擇。光大銀行采用多方聯合探索模式，與銀行、頭部大模型企業和應用內建服務商合作，通過“開源+聯創+共研應用”的方式，結合同業需求建設特色化大模型和應用，提高大模型的應用實用性。
3. 資料資源
資料資源方面，目前光大銀行已建立涵蓋行内的全量資料，形成文本/文檔、圖檔、視訊、音頻等語料的統一治理，以充分滿足金融自然語言或視覺小模型、L2大模型訓練的需要。一方面持續挖掘現有資料的價值，完善非結構化資料管理體系和專業标注體系；另一方面按需引入外部資料，以補充滿足垂直領域L1大模型訓練的需要。
4. 生成式AI安全
近期，全國資訊安全标準化委員會釋出《生成式人工智能服務安全基本要求》（征求意見稿），提出31種主要安全風險。針對該類問題，光大銀行采取如下應對措施：一是在應用場景選擇上，建立内部先行機制，将生成式AI作為不同崗位員工的助手使用。二是針對大模型本身技術弱點，主要保證資料品質、參數調整及提示詞工程，對結果評估和校準等，通過與向量資料庫結合，提升響應的準确性。三是針對意識形态、價值觀、種族偏見、“惡意投毒”等風險，對輸入和輸出進行安全過濾，提出一整套的稽核過濾系統解決方案。
5. 人才培養
在人才培養方面，由于人工智能技術中台的建設需要多學科人才，而這類人才資源相對較為稀缺，是以需全方位引進、培養、用好金融科技人才，培育“懂業務、通AI”的複合型AI人才。
光大銀行持續推動銀行業務中台化、智能化，成功建構全行統一、自主可控的人工智能技術中台，通過标準化建設、規模化推廣和場景精細化應用為業務提供高效、智能支援，推動數字化轉型在客戶觸達、營銷營運、對内智能營運和智慧辦公等多領域全面應用，取得了顯著賦能成效。同時，面對人工智能技術中台的多重挑戰，光大銀行将不斷完善技術，提升科技創新水準，以更智能的服務能力為客戶提供更優質、便捷的金融服務。
作者:
中國光大銀行科技研發中心副總經理 裴亞民
中國光大銀行科技研發中心副處長 張潔
中國光大銀行科技研發中心 王熙辰
來源-微信公衆号:中國信用卡
出處:https://mp.weixin.qq.com/s/kcR3IVU8h3vhSiZlIGChgg