IDC最新发布的《中国金融行业大模型及智能体市场洞察》报告,揭示了金融行业在在金融场景中的应用现状、挑战以及应对策略,为行业参与者提供了清晰的实践路径。当前,金融行业正从“工具赋能”向“智能重构”转变,
报告指出,金融机构落地大模型需构建行业、组织及任务/用例特定模型。由于通用大模型在金融业务的深度沉淀和精确性上有所不足,无法完全满足银行信贷、证券交易、保险核保等细分场景的需求。因此,基于通用模型基座,结合自身业务场景,构建分层级的特定模型成为必然选择,以确保模型输出贴合金融业务实际需求。这强调了模型定制化的重要性,也为金融行业大模型的未来发展指明了方向。
对于中小金融机构而言,采用优化后的金融行业大模型产品,比从零构建更具成本、合规及效率优势。报告显示,多家企业如阿里云、百度智能云、百融云创等均推出了金融行业大模型产品,能够直接对接业务需求,降低研发成本,缩短上线周期,并规避合规与技术风险,为中小金融机构提供高效、安全的大模型能力支撑。这预示着大模型在金融行业的普及将加速,中小机构有望通过拥抱AI技术实现弯道超车。
IDC的研究表明,面向金融行业的强大智能体开发工具应具备八大核心能力,包括可扩展性与定制化、规模化与部署灵活性、多智能体编排、合规与安全性、持续监控、持续改进、丰富的插件/工具系统、可集成等。应用内嵌入是智能体在金融场景落地的主流形态,因为其能够更好地适应金融行业的业务系统特性与合规要求。嵌入式智能体可在不改变原有流程的前提下赋能业务,降低落地难度,同时确保业务流程可审计、风险可管控。在这一领域,多家科技公司也提供了企业级的智能体开发工具。
大模型正推动金融各领域向RaaS(Results-as-a-Service)模式转变。但落地过程中面临效果量化、合规等多重挑战。尽管如此,RaaS模式凭借其“按结果付费”的特性,降低了前期投入风险,具备巨大的发展潜力。报告也强调了智能体在金融行业中的应用过程中对智能体产品化和定制化需求,以及如何提升多智能体协同及智能体与传统应用之间的协同等问题。目前,智能体在客服、营销、信贷、金融市场业务、AI手机银行等典型场景的落地实践也在不断深化。
IDC中国金融行业研究经理思二勋表示,金融行业生成式AI已进入应用落地与工程化服务的深水区。在金融强监管的背景下,机构必须在合规、可控与投资回报率三者之间找到平衡点。你认为,智能体在金融行业的未来发展中,哪些技术挑战最值得关注?