从银行AI指数排名看，国际银行如何用ChatGPT？

来源 ｜ 冰鉴科技研究院

最近有一份关于AI和银行业的榜单被引用次数越来越多。该榜单对欧美最大的23家银行排名，总资产至少1万亿美元才够资格入选。

这份榜单名为“银行AI指数（Evident AI Index）”，由咨询公司Evident Insights发布，算是公开可查的、第一次对银行人工智能成熟度（AI maturity）进行排名的榜单。

银行AI指数榜单前十

资料来源：Evident Insights，冰鉴科技研究院整理

为了做这个榜单，Evident Insights收集了数百万个数据点，基于银行财报和一系列第三方数据源的公开数据，在50多位领先的人工智能和银行业专家的参与下，建立起这个榜单。

每家银行都根据四个方面的142项单项指标进行评估，这四方面分别是人才、创新、领导力和透明度。人才的占比权重最高，达到40%。

在Evident Insights看来，AI人才的数量和质量，很大程度上影响了这些顶级银行的未来竞争力。排名第一的摩根大通，拥有银行业最多的人工智能员工，占雇员总数超过10%并且还在加速招聘。2023年2-4月间，摩根大通发布的人工智能和数据核心职位的招聘广告数量，占榜单上所有银行发布数的至少20%。

在对LinkedIn等招聘网站信息进行搜罗分析后，Evident Insights还发现一个有趣的现象：在生成式人工智能如此火热的当下，这23家银行只有不到2%的AI相关职位描述，明确提到了生成式AI的技能，比如大语言模型（LLMs）或ChatGPT。

冰鉴科技研究院在分析Evident相关报告及上榜银行后也发现，GPT虽然已成显学，但这些国际大银行并没有认为其包治百病。由于对人工智能技术投入早、布局深，很多银行已有的深度学习财富管理系统已相当成熟，并没有一窝蜂去追GPT热点。

相反，榜单中提到的“透明度”指标，受到很多大行的重视，比如负责任的人工智能(Responsible AI)或可解释人工智能（Explainable AI, XAI）在大行的财报中出现比例越来越高。

摩根士丹利：用GPT-4做知识管理

在银行AI指数榜单上勉强挤进前10的摩根士丹利，在GPT应用方面显得最为高调，其“创新”分项的排名是第4。尽管如此，大摩对GPT的应用也仍停留在试验阶段，并未进入生产环境，且试验领域并不宽泛。

今年3月OpenAI正式推出GPT-4时，将摩根士丹利的财富管理应用当成典型案例一并推出。

具体而言，摩根士丹利拥有一个数十万页的内容库，涵盖投资策略、市场研究和评论以及分析师观点——如此大量的信息分布在许多内部网站上，大部分以 PDF 形式存在，需要财务顾问（FA）浏览大量信息，才能找到特定问题的答案，显得相当低效。

从去年开始，该公司和OpenAI开始合作探索，如何利用 GPT 的嵌入和检索功能最大化其“智力资本”——超过10万份文档。

GPT-4将为公司内部的聊天机器人提供支持（注意并没有对外），该机器人可以对财富管理内容进行全面搜索整合，然后给财务顾问们提供想要的答案。

摩根士丹利有超过 1.5万名财务顾问，可能会对内部聊天机器人提出这些问题：

*投资建议（我们对 Alphabet 股票的看法是什么，其未来表现是牛是熊？）

*常规业务（IBM 的五个主要竞争对手是谁？）

*流程问题（如何将个人退休金账户纳入不可撤销的信托中？）。

摩根士丹利以 10 万份文档作为训练语料库，针对类似问题“微调（Fine-Tune）训练”了 GPT-4。

据《福布斯》杂志报道，有300名摩根士丹利的FA正在帮助模型“强化学习”——当他们得到聊天机器人的答案后，可以给出赞成或反对的意见，或者根据需要提供更详细的反馈。

ChatGPT一个广遭诟病的问题是，常常会毫无事实依据地产生“幻觉（hallucinations）”内容，这对于财富管理服务而言是致命的。针对此，摩根士丹利正在限制 FA 可以输入系统的提示/问题类型，将主题限制在与业务相关的问题范围，这可以确保输出的内容来自其已有的知识文档。

如果FA在使用过程中发现内容不对劲，还可以查阅原因代码——引用链接到内容出处的底层文章——这比大多数大语言模型都要更完善可信。

最终做内容把关的还有合规审核人员，在该公司正常的知识管理流程中，就有合规人员审查投研内容，更不用说FA们想对外提供的内容。

事实上，摩根士丹利的财富管理部门，已花费多年时间研究出“Next Best Action”系统（NBA），这才是用机器学习武装1.5万名FA的现实工具。

NBA系统通过机器学习发现个性化的投资想法，并通过其 CRM 系统向特定客户分发。NBA系统设置了三个不同的目标功能：

一是为客户提供投资意见并帮助决策，既提供被动投资，也可以根据客户的意愿提供个股和债券投资选择；

二是提示操作警报，比如低现金余额警报以及客户投资组合价值大幅变动的提示等；

三是生活事件规划，比如若能确认客户孩子患病，系统可以推荐当地最擅长医治该疾病的医院和治疗财务规划，以建立其与客户的附加价值关系。

领导GPT-4相关业务的摩根士丹利数据和创新主管Jeff McMillan对《福布斯》表示，NBA系统 “推”（push）的方法可能与基于 GPT 提示答案的“拉”（pull）的方法很好地配合。

根据财富顾问行业垂直网站AdvisorHub在7月的最新报道，摩根士丹利预计在今年第三季度，向其超过1.5万名财务顾问推出生成式AI工具，今年3月以来还只有900个FA在试用。

在银行AI指数榜单中，摩根士丹利的人才分项排名只有11。摩根士丹利从下半年开始加速AI人才招聘，其最新的招聘职位，是为人工智能和机器学习平台延揽新的财富管理主管——据LinkedIn，该职位的基本年薪在18万至26万美元之间。

AI冠亚军银行：增强既有机器学习系统

排在榜单冠军位置的摩根大通，对GPT有一些宣言式的计划，但并未透露太多应用细节；而作为黑马出现在亚军位置的加拿大皇家银行（RBC）则从未提及GPT。

据CNBC报道，摩根大通正在开发一款类似ChatGPT的软件服务。摩根大通提交的文件显示，该行5月为一款名为“IndexGPT”的产品申请了商标注册。IndexGPT将利用“使用人工智能的云计算软件”来“分析和选择适合客户需求的证券”。

商标注册文件指出，IndexGPT使用了以ChatGPT为代表的人工智能技术，摩根大通全球技术主管 Lori Beer表示，该行已经雇佣了1500名数据科学家和机器学习工程师，正在测试GPT技术的“多个使用案例”。

在5月22日摩根大通投资者日会议上，该行资产与财富管理部门首席执行官Mary Callahan Erdoes在谈到AI时表示：“这将成为人们如何管理资产的圣杯。”

“我们已经加载了30年来所关注的所有公司的专有数据，”Erdoes在描述自己部门最近的工具开发时说，“然后，我们将其与每天获得的数百万个数据点进行匹配，我们已经看到了如此巨大的提升。”

她进一步透露称，摩根大通有自己的内部资产管理业务，类GPT模型在其Spectrum投资组合管理系统上运行。

银行AI指数榜单的亚军是来自加拿大的RBC，该行将深度学习和强化学习技术用于财富管理已有多年积累，特别在“创新”和“透明度”分项指标排名中都名列前3。

RBC专门成立了一家名为Borealis AI的人工智能研究中心，既为母行服务也从事人工智能的前沿研究。Borealis AI的负责人Kathryn Hume在接受毕马威访谈时，详细介绍了其团队如何将强化学习应用于银行客户服务：

Borealis AI与RBC资本市场团队推出了基于强化学习的交易执行系统。“我们希望了解如何使用机器学习来帮助拥有大额或批量订单的客户更好地安排交易顺序，从而获得最高回报。事实证明，我们创建的模型非常动态，能够比传统交易算法更灵活地实时响应波动性的变化。”

Borealis AI还成功帮助零售和商业银行将昨天的业务流程转变为明天的未来产品。例如，构建了现金流预测工具，帮助财务顾问主动与客户互动，了解即将到来的财务需求，并提供更有针对性的建议。还通过创建应用程序来帮助零售客户管理财务，并受益于最新的个性化机器学习技术。

今年4月，RBC荣获《数字银行家》杂志评选的最佳人工智能客户体验奖，获奖理由是该行和Borealis AI共同开发的NOMI Forecast系统。

NOMI Forecast系统利用深度学习为客户的现金流提供及时、准确的预测。在该行独特的数据集支持下，相关模型经过训练可以为 RBC 客户提供个性化体验，包括账单支付、电子转账、投资和工资支付等。

垂直大模型：适合的才是最好的

无论是大摩的NBA系统，还是小摩的Spectrum系统，抑或RGB自主研发的NOMI Forecast系统，都是由银行积累的自有数据训练出的各种模型组合。在嫁接GPT进行微调训练后，增强通用交互能力，是这些国际顶级银行相似的选择。

无论国外国内，随着开源大模型越来越多、模型训练成本下降，对于通用大语言模型的执念已经逐渐变淡。从刚刚结束的上海世界人工智能大会可以发现，新的叙事是：行业大模型、垂直大模型与 “大模型赋能千行百业”。

最典型的例子是彭博推出的BloombergGPT，彭博把模型做小，500亿参数左右，相比于GPT-3的1750亿小了很多，虽然削弱了通用性，但在金融领域的各项表现明显优于通用大模型。

金融行业的强监管和专业性，决定了在Know-How基础上利用金融机构沉淀的专业数据训练，才能打造出适合行业需求的垂直模型。

垂直模型的专业优势在财富管理行业也会越来越明显，GPT的出现将改变过去智能投顾是高净值家庭“专属服务”的概念，使长尾市场得到快速发展。摩根士丹利的1.5万名财务顾问，在GPT-4的助力下服务客户的数量和效率将提升多少倍？

除了这些顶级银行以外，垂直大模型在应用层给了初创公司更多的机会去服务更多客户。科技企业通过低门槛和独立性吸引更多的下沉客户，传统大银行则发挥自身优势，瞄准存量客户和推介各种产品组合，不同体量的机构决定了在智能投顾领域的不同打法。

从美国智能投顾市场看，主要包括三类参与主体：

一是以Wealthfront、Betterment为代表的初创公司利用自身的技术优势与低门槛要求，挖掘长尾客户价值；

二是以 Vanguard、嘉信理财为代表的大型金融机构，发挥自有资本优势、存量客户优势、品牌优势以及竞争壁垒推出智能化投顾产品；

三是收购第三方公司，快速布局智能投顾市场，例如贝莱德收购 Future Advisor等。

根据信用评级公司 CRISIL GR&A 测算，大模型在智能投研领域的应用有望节省 22.5%的成本，将使财富管理惠及更多民众。

更大的普惠同时也意味着更多风险。值得一提的是，RBC能超越众多欧美大行，登上银行AI指数榜单亚军位置，还得益于其负责任的AI（Responsible AI）行动。Kathryn Hume认为，人们越来越认识到AI可能加剧的道德风险。在世界各地，围绕人工智能的道德和负责任使用的辩论日趋激烈。

可解释的人工智能（XAI）将成为一项新兴技术，或许与GPT 相对应。虽然 ChatGPT 的算法见解完全是“黑匣子”，但 XAI 允许用户和监管仔细审查AI运作的基本原理，并且敦促开发人员磨炼算法，使其按预期工作。XAI使财富管理公司和投资顾问能够监控和证明人工智能衍生的财务建议，并使其符合监管要求和客户的最佳利益。

参考资料：

Evident Insights: Evident AI Index for Banks Key Findings Report

FORBES: How Morgan Stanley Is Training GPT To Help Financial Advisors

AdvisorHub: Morgan Stanley to Roll Out AI Software to All Brokers in Third Quarter

平安证券:《从 AIGC 看商业银行数字化转型》