JDB电子

近日，由JDB电子主办的“AI赋能金融系统测试效率提升研讨会”在京圆满召开。研讨会特邀全国行股份制银行、农信机构、城商行等30余家金融机构，60余位相关负责人到场，与会嘉宾结合金融测试领域AI大模型技术发展趋势和现阶段技术难点进行讨论。JDB电子新动力数字金融研究院副院长薛春雨以“AIGC在金融行业的实践及探索”为主题发表演讲。

薛春雨

国内银行业大模型应用场景落地情况

· 从行业认知看，国内银行已经从最开始的观望态度，逐渐过渡到将大模型技术作为未来重点的数字化转型方向，持续加大投入。同时，行业对大模型应用价值的期待也逐渐从认知偏高逐步回归理性。在落地时更加关注大模型实际能够发挥的业务价值。

· 从场景应用看，虽然大模型尚未带来“颠覆性”的应用改变。但是，在“员工办公助手、编码助手、智能客服、知识助手等场景，大模型已经产生明显的业务价值。国内六大行已经基于大模型开展体系研发，并在多个业务领域实现创新应用，但是更多银行还处于但场景探索阶段。

· DeepSeek带来的变化，私有化部署和相对的低成本训练，主要解决了企业基础大模型的问题，但是大模型并不直接解决业务问题本身。依托大模型的优势能力，更有利于加速推动金融场景创新探索。

因此，直接使用基础大模型很难解决金融企业的实际问题，金融企业落地需要聚焦在企业大模型及相关联的场景大模型方面。可以由场景大模型切入，逐步形成完整的企业大模型能力。

JDB电子AIGC金融场景应用五步走策略

· 降本增效类场景，从可快速见效业务场景切入，产生实际业务价值，逐步推动应用范围扩展。

· 客户体验类场景，基于某领域的知识及数据，通过AIGC知识问答方式赋能交互体验提升。

· 多业务条线落地，通过多种AI技术的融合，形成综合解决方案，并在多业务条线落地。

· 过程自动化，基于AIGC对知识的综合学习及判断，对流程及决策类系统进行自动化处理。

· 高阶智能化，融入AIGC等技术，实现过程的全面自动化及专业化。

JDB电子AIGC金融场景实践

从软件研发和知识问答两个业务场景入手，从上至下持续沉淀，通过持续的场景落地，形成能力和实践的积累，最终达到量变到质变的演进。

JDB电子CodeMaster金融企业内部代码生成

· 产品介绍：利用大模型技术结合prompt提示工程能力，实现了代码的自动生成，智能补全、人机对话的交互开发。集成了银行业各系统需求和设计方面的知识作为二次预训练语料。

· 落地案例：某银行内部框架平台。通过插件端应用，基于大模型微调、提示工程和相似搜索技术，结合工程端的配置，实现方法、类、组件、接口等不同粒度代码的生成和修改。

· 后续计划：通过“用、训、融”三步，借助Deepseek的私有化部署及部分能力的提升，提升代码生成的能力，助力核心降本增效。

JDB电子FinancialMaster金融企业知识大模型

· 产品介绍：综合金融场景模型、Prompt构建、大模型微调、大模型持续训练等适配技术，实现金融专有知识的业务应用。基于金融领域的专有知识，并结合金融机构内部的相关信息，以及提供的各类业务系统的功能，改善用户体验，提供高效的资料查询与信息提炼能力

· 落地实践：银行监管报送需求智能化提取银行监管报送需求智能化提取。基于行内的现有数据资产等构建基础的知识支撑，最终为监管报送各部门提供便捷的对话支持以及自动进行相关数据字典的更新。可实现，AI对话系统、应用层数据字典智能生成、EAST5.0全量数据字典离线生成、监管报表部门数据字典生成、监管发文解析等功能。

AIGC金融行业发展趋势

· 趋势一：大模型与小模型的融合。结合银行的业务场景将传统的算法与小模型、大模型合理衔接，才能更好的解决具体问题。

· 趋势二：先进基础大模型的深度应用。通过“模型架构创新→算法优化→部署成本控制→场景适配”的传导链条，最终转化为企业可量化的业务价值。

· 趋势三：Agent技术的场景化渗透。通过整合 RPA 与 API 调用能力，实现了从任务发起到完成的全链路自动化执行。

· 趋势四：AI中台化。实现从分散应用到统一赋能。