今天小編分享的互聯網經驗：銀行業降本增效，數字人大行其道，歡迎閲讀。
數字人目前已廣泛運用于各行各業，其具有可控性高、可編程性強、邊際規模成本等方面優勢。在金融場景中，數字人替代了許多重復性的工作，看似其廣泛運用于銀行場景，但實際上其對于銀行業務的參與度并不 " 深 "，出于技術安全合規等多角度考慮，數字人大多用于輔助作用。未來，在政策和市場雙導向下，銀行業數字人将與大模型進行結合，賦予數字人 " 靈魂 "，讓它們具有和人類一樣的語言理解能力成為了市場下一階段目标。
近年來，伴随人工智能技術的突飛猛進，數字人產業得到了快速發展，其應用場景涵蓋了娛樂、金融、醫療等多個領網域。根據钛媒體 APP 了解，市場數據顯示，2022 年中國虛拟人核心市場規模為 120.8 億元，預計 2025 年将達到 480.6 億元，2030 年将達到 950 億元；2022 年虛拟人帶動周邊市場規模為 1866.1 億元，預計 2025 年為 6402.7 億元。3023 年 9 月，IDC 中國副總裁兼首席分析師武連峰發布的《銀行數字科技五大趨勢》中預測，截止 2025 年，超過 80% 的銀行都将部署數字人，承擔 90% 的客服和理财咨詢服務。
銀行業數字人處于起步的 " 探尋階段 "
2019 年浦發銀行研發的 "AI 驅動的 3D 金融數字人 " 小浦第一次出現； 2020 年 7 月，德意志銀行迎來全球首個虛拟數字員工 "Blue Bot Yi" 并入駐中國； 2020 年 12 月，光大銀行推出數字人小璇，構建了線上線下全行一體化經營體系；2021 年年底，百信銀行推出首位作為 "AI 虛拟品牌官 " 的數字員工 AIYA；2021 年 12 月，江南農商銀行與京東智能客服言犀共同合作推出 VTM 數字員工可協助進行前、中、後台的工作；2022 年，平安銀行推出虛拟數字人 " 蘇小妹 "；2023 年 12 月，上海銀行推出 AI 數字員工 " 海小智 " 和 " 海小慧 " 協助手機銀行 APP、e 事通、線下旗艦網點、元宇宙銀行等多種渠道運營……據 2023 年 11 月 29 日，中國銀行業協會發布的《遠程銀行虛拟數字人應用報告》顯示，一共有 11 家落地應用虛拟數字人，另有 5 家正在籌建，這些銀行根據自身經營模式與戰略定位将虛拟數字人應用于對客服務、風險控制、新媒體運營、内部賦能四大領網域。
圖片來源 @中國電子銀行網
銀行業數字人運用現狀：真人員工的輔助
市面上主流劃分方式将銀行領網域的數字人區分為服務型和身份型，又或者可以理解為固定形态和不定形态的。服務型虛拟數字人類似于銀行前台人員，這類數字人是有固定 " 美麗外表 " 的，客户可以與之進行交流，它們主要提供客服、咨詢、引導等服務，目的是提高銀行的服務效率和質量。身份型虛拟數字人包含的範疇更廣，它們從事中後台的工作，甚至可以 " 替代 " 公司高管級别的員工，這類數字人主要用于後台内容處理、交易監控、風控等技術性服務，它們進行了大量的機器學習，具有高效檔案處理和數據處理能力，從而給前台更多的技術服務支持，還有一部分數字人承擔品牌官、形象代言等角色，它們旨在提升銀行的品牌影響力和市場競争力，給客户提供更新型的服務體驗。
數字人的運用是市場趨勢所在，它主要受以下兩個因素影響——降本和增效。據钛媒體 APP 了解，銀行虛拟數字人秉承 " 無眠無休 " 的工作模式，在工作時長上碾壓 "007"，它們發揮集約服務的優勢，為客户提供全流程陪伴式服務，且 24 小時不間斷工作，更能服務到海外地區的時差用户，能降低重復性工作所帶來的人員占用問題，同時一定程度上避免了 " 排隊等客服 " 的問題，對銀行和用户都達到了降本增效的效果。
除了最基礎的 " 大堂經理 " 和 " 銀行櫃員 " 工作外，數字人已廣泛運用到财富管理方面，數字人與真人理财經理的 " 強強組合 " 是從數據和服務兩個方面的提升。在傳統的理财經理模式上，數字人實現了對客户财務狀況和所持資產的動态監控和實時分析，增加了理财經理計算分析的能力和效率，同時為客户增加了更多可視化的安全感。
銀行部分大額業務需要進行視頻驗證，虛拟數字人依托語音接收、語義理解、多輪互動、生物識别等綜合技術手段逐步替代該項服務所需的人工，目前，光大銀行和平安銀行已初步将其運用在遠程交易面部識别、遠程合同審核等場景。
此外，數字人還包含了一些 " 慈善社會性服務 "，它們的出現為老年人及部分特殊群體提供了更多的幫助與支持，據钛媒體 APP 了解，數字人具有加大字幕、手語播報等功能應用，在提高金融服務效率的同時也為銀行争取了潛在客户群體。
銀行業數字人的挑戰：面對最新技術只有眼饞的份？
銀行已經從最初的人人互動到人機互動再到如今的人 " 人 " 互動，什麼時候能将雙引号去掉呢？這便是銀行業落實虛拟數字人的第一大挑戰。從技術層面上看，AIGC 仍處發展階段，銀行數字人還無法完全復刻人類，例如表情處理上無法完全拟人，感知上缺少親和力，對話内容存在重復性和非個性化等缺點。對于業内所擔憂的問題 " 數字人會代替真人員工 "，其實必要性不高，真人員工更具機動靈活性，能 " 變通 " 得幫助客户解決問題，相比起數字人，如果問題超出了數字員工的 " 學習範圍 "，數字員工則可能出現宕機或者 " 已讀亂回 " 的現象，從而給客户造成不好的服務體驗。
第二個挑戰是銀行業的數字人技術相對落後。從安全性上看，銀行作為為客户儲存和管理資金的地方，對于安全性的監管要求遠高于其他行業，因此對于網絡、算法、内容等安全性的高級别設定是銀行虛拟數字人所要克服的最大難關，這也導致了目前銀行業虛拟數字人的 " 生產工廠 " 主要來源于各家銀行内部技術團隊，因此每家銀行數字人技術之間存在一定的壁壘，數字人研發後也需要進行長期的内部試用才能發布。此外，目前市面上最新的虛拟數字人技術在缺乏百分百确認安全的情況下是無法運用到銀行業中的，業内人士表示，銀行業所運用的虛拟數字人技術在行業中是很 " 落後 " 的。這便形成了一個悖論，明知最新的技術可以解決現階段問題但出于安全性的考慮無法運用，這便是現階段銀行業數字人所面臨的一大挑戰。
第三個挑戰是銀行數據私密性強、整合難度大。對于大多數銀行或集團性銀行而言，不同部門之間或者集團下不同子公司之間存在數據或系統獨立性，導致客户的數據信息分散且無法集中管理，從而導致客户在不同部門進行業務時需要提供重復性的資料、數據等，不但給客户帶來了麻煩和數據采集的重復性，還不便于銀行或集團進行統一數據管理。在《萬事達卡推出智能訂閲服務，探路開放銀行｜钛媒體金融》一文中所提及的萬事達智能訂閲服務以及開放銀行模式便是探索解決這一問題的方案。在這樣非統一管理的模式下，數據的質量有所降低，從而增加數字人分析處理難度，進一步影響到數字人的準确性。
第四個挑戰是人機互動不靈活，運維成本昂貴。數字人基于預設的 " 答案 " 檢測關鍵詞進行響應，因此輸出的答案統一且不具有針對性，對于超出數據庫的答案，數字人可能無法處理這些非标詢問，這便是人工具有數字人不具備的靈活性。人工咨詢是 " 有問必答 "，即使是不了解此服務和需求的人員也會轉接至了解的員工進行處理，相比之下，數字人傳回的答案可能是根據問題中輸入的某個關鍵詞匹配數據庫中的答案，或者表示該問題超出認知無法進行作答。因此為了與時俱進，後台技術人員需要定期迭代無法回答的問題，進行篩選、加工、錄入，從而擴大數據庫的 " 知識 "，匹配對應的 " 答案 "，這導致數據庫的建設需要耗費大量時間和資源進行定期更迭和維護，從而產生高額成本。
"大模型 + 數字人 " 增強數字人獨立性的可實現性
銀行數字人仍舊是依托于真人員工之下的輔助員工，什麼時候它才能實現 " 自主 "？伴随大模型的引入，" 自主 " 數字人看到了希望，因為它們開始得到了 " 自我學習 " 的能力。植入大模型的數字人比傳統 AI 模型做出來的數字人更具智慧性和拟人性。大模型是具有巨大參數的深度學習模型，它可以處理各種復雜的任務，且可以自行通過大量數據進行訓練從而認知到人類語言表達上的區别。大模型能解決數字人學習過程中需要處理的數據質量問題，根據數據的特性進行數據清洗，從而輸出完整且準确的 " 答案 "。
大模型是在 AI 基礎上進行的更新，因此和現有的數字人進行結合不存在過多 " 相斥 " 現象，結合後甚至能發揮 "1+1>2" 的效果，進行仿生互動，更好地應對用户的需求，真正的将數字人訓練成為數字員工。
目前市場上主流的銀行業實踐大模型和數字人結合的應用主要分為以下四種：第一、智能風控領網域，數字人可以利用更強大的模型對大量歷史數據進行提取和自動生成，更好拟合和識别潛在風險敞口，并做出對應的提示和應對方案，這有助于降低客户風險事件的發生概率，降低銀行對此類風險事件的賠付準備以及可能損失的聲譽。第二、智能客服領網域，相比傳統 AI 數字人，大模型允許數字人可以對銀行賬户、產品的常見問題，甚至涉及更深的人際交流進行答復，從而給客户提供更加優質且個性化的服務。第三、智能營銷領網域，結合了大模型的數字人 " 更懂得 " 客户的需求，在深度分析客户的交易和行為數據後，使用大模型為客户推薦合适的金融產品，并以不令人反感的營銷策略展示，一定程度上提高銷售轉化率。第四、智能運營領網域，數字人已學會處理設定好的标準化後台操作流程，目前主要用于數據審核、身份識别等，确保客户所開展業務的高效性和準确性。
數字人下階段目标——擁有 " 靈魂 "
數字化程度成為評判一家金融機構好壞的标準之一，因此依托大模型構建數字員工成為銀行業主流選擇。
大模型使得數字人更 " 真 "，它對于數字人的改善不僅僅是降低了 3D 數字人的制作難度，更為數字人注入了靈魂。據钛媒體 APP 了解，過去 3D 建模依賴傳統 CG 技術，動作捕捉需要采集真人大量數據，現在依托視頻大模型的數字人工具平台，算法可以高效生成 3D 模型，處理面部細節也更加逼真，最重要的是大模型提升了數字人對語言的理解能力，使數字人可以運用到更多維的業态中。
中國銀行研究院研究員吳丹表示，" 大模型應用使生成式 AI 技術賦予銀行數字人強大的對話與創造能力，甚至自主學習能力。擁有 AI 大腦的銀行數字員工業務能力與服務水平将得到大幅提升。同時，大模型應用也讓數字員工有‘靈魂’，該類數字員工可以有效助力相關後台專業崗位人員優化工作流程，大幅提升工作效率。因此，未來銀行在各個業務條線應用擁有 AI 大腦的數字員工，将成為主流選擇。"
在中國推進數字化進程中，大模型率先賦能金融行業是有據可依的。銀行天生就是處理數據的企業，大模型的建設不僅幫銀行理清多年來的數據，還将一些待解決的問題和存在的風險一并暴露解決，與其説銀行構建大模型為了搶占市場份額，不如説大模型幫助銀行從内至外進行革新，提高其内在競争力。
數字人是時代更替的產物，但仍有技術難關需攻克
總體來看，數字人具有以下三種價值更新。一是代替人工，數字人是 " 不知疲倦 " 的，它們可以代替人工進行 24 小時值守，減少重復勞動帶來的人工占用和人工成本耗損，同時加快對客户的服務速度，做到 "1 對 1" 專門 " 專人 " 服務，适應銀行業降本增效的潮流。二是更新服務體驗，大模型的介入給數字人增加了強大的搜索引擎，允許數據人探尋數據庫以外的答案，從而解決了統一話術無法解決差異性提問的問題，此外大模型給數據人增強了 " 感知力 "，通過客户的預期和微表情捕捉客户當前的情緒狀态，從而分析出最具适用性的話術。三是數據沉澱，對于金融、銀行業而言，經驗為王，這也是客户習慣性選擇年紀大、看起來資深的客户經理，" 大模型 + 數據人 " 可以不斷積累金融數據、案例，不斷收集和挖掘客户的需求和偏好，再疊加拟人的分析手段，它們将在短時間内學習和積累無數成功和失敗案例，從而短時間内形成最符合客户需求的方案，并規避大部分情況所帶來的風險，逐漸成為 " 最懂客户 " 的專家，并将客户的信息形成數字化資料，包括感知數據、反饋數據等，不僅僅能轉化為企業數據庫的積累，還能增加私人訂制所帶來的客户粘性。
吳丹表示：" 目前 AI 能力及大模型應用還處于探索發展階段，銀行業落實虛拟數字人還需要克服諸多挑戰，例如避免同質化、内容安全治理、違規行為監管等，才能為客户提供更加智能化、高體驗感的優質金融服務。"
大模型賦予了數字人更強的儲存和學習能力，同樣也存在着不少問題限制這項技術的發展。第一追責性，在數據不完善的階段甚至在數據完善階段也難免會出現特殊案例，一旦數字人服務發生事故，應該如何進行追責和後續事項的處理，目前法律上尚未做出明确規定，這也會導致一部分用户因為懼怕不可追責性而選擇傳統的人工服務。第二安全性，一旦數據上傳至雲端、聯網，便不可避免的存在 " 黑客 " 風險，客户處于對自身信息和資金的安全考慮可能會拒絕接受這樣的數字化更新服務。第三道德性，由于數字人不是真人，難免會導致部分心懷不軌之人對數字人進行 " 輕浮 " 甚至觸碰道德底線，在模型建立時應該對該類事情進行設定和規避，以免助長不良風氣。第四歧視性，由于現實生活中的偏見、歧視、地網域文化差異等，導致 " 大模型 + 數字人 " 在學習中難免會建立一些 " 不良習慣 "，一旦服務時觸及客户的敏感話題，客户又應該把問題追責至誰，銀行又該如何規避此類風險也是業界目前一大難題。第五不穩定性，由于 "bug" 的存在，大模型技術生成的部分内容可能存在質量不穩定的情況，在保證數字人進行準确回答的前提下，又要保證回答内容完全符合金融監管要求，銀行需要對大模型進行大量的數據訓練以及各方面審核，這對于銀行金融科技部門前期生產投入的資金量和工作量要求很高。
展望未來，伴随生成式 AI 的飛速發展，數字人将擁有強大功能和自主學習能力，" 大模型 + 數字人 " 将逐漸邁入 " 智人 " 時代，在這一時代結晶的助力下，銀行将有望實現人機協同智能化、經營決策智能化、業務流程智能化，從而加快實現數字化轉型，為客户帶來更優質、更豐富的數字化體驗。（本文首發于钛媒體 APP，作者｜李婧滢，編輯｜劉洋雪）
更多宏觀研究幹貨，請關注钛媒體國際智庫公眾号：
