《银行科技研究社》（作者 薛小易）：6月13日，毕马威中国发布《2024年中国银行业调查报告》（下称“《报告》”），指出，未来商业银行的分化将进一步加速，领先银行将利用更牢固的客户基础、更高的资本使用效率、更多元的收入构成、更低的负债成本、更强的风险经营和科技与数字化能力在竞争中获取优势，挤压竞争对手的生存空间。
《报告》进一步强调，信息科技和人工智能的发展日新月异，银行业应当加强对新技术的关注和研究，结合自身的资源和能力，积极探索并应用这些技术，如利用知识图谱、机器学习等扩大客户全生命周期覆盖范围，提升管户运营精细化与智能化水平。
布局“新质生产力”需要关注三大平衡关系
2023年11月，中央金融工作会议提出做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。
其中，数字金融是不容忽视的方面之一。《报告》指出，数字金融是其他四篇大文章的重要支撑。从金融电子化、互联网金融、金融科技发展到今天，数字金融的内涵和外延不断拓展。数字金融进入五篇大文章，意味着银行需要实现从头到脚的数字化变革，推动技术和传统金融业态在银行经营中的创新与融合，挖掘数据要素价值，使银行服务提质增效。
而以“创新”为主导的“新质生产力”也越发受到关注，其将成为高质量发展的强劲推动力与坚实支撑力，数字化转型则是近年来全行业践行“新质生产力”赋能产业发展的典型印证。
在作为数字化转型领先者的银行业，数字化对于银行转型发展的价值与影响力仍在持续。但伴随银行业整体规模增长的逐渐放缓，金融科技的投入增速回落，银行业的数字化建设也逐步从全面科技创新、追求规模化的成长起步阶段，迈入重视效益产出、追求价值化的精益发展新阶段。可以说，银行业当前对于“新质生产力”的理解已深化至探索金融科技创新动力的“价值经营”层面，具体体现在银行对于数字化转型三大平衡关系的策略把控与行动落位上。
一是“基本面”，即局部能力突破与整体转型效能之间的平衡关系。
银行不同的业务条线、部门与团队的数字化需求与全行数字化能力的发展沉淀形成了良性的循环推进关系。但基于银行整体发展视角，在数字化转型预算收紧的限制与压力下，面向多点开花、规模庞大的转型建设需求，如何响应现阶段的战略发展重心，如何把握数字化落地的实际效用效果，银行需要解决金融科技局部能力突破与全行数字化转型目标效能最大化之间的关系问题。
在这个过程中，银行数字化投入的整体布局与重心正发生偏移，关注降本增效的投入策略更加审慎；同时，突破部门屏障,将“协同”、“统筹”作为新兴生产关系的关键要素，以此建立银行“业业融合”、“业技融合”的数字化治理新形态。
二是“支撑线”：创新资源部署与资源使用效能之间的平衡关系。
科技资源的投入是数字化能力建设沉淀与数字化创新应用实现的基础。在有限资源与人才梯队框架下，银行一方面需要厘清长期专业资源投入与试点创新资源投入的关系，并适配必要的流程机制，确保“两手抓，两手都要硬”；另一方面面向重点资源投入方向，需要把资源“用在刀刃上”，力求资源配置效率的最优化。
报告指出，领先银行已针对创新实践项目采用与传统转型项目差异化的资源管理模式，激发行内数字化创新需求活力。
三是“发力点”：前沿创新实践与审慎风险防控之间的平衡关系。
由于银行业本身的行业属性特征，“安全生产”成为当前银行的首要考量因素，“宁可不做，不能做错”目前仍是大多数银行，尤其是中小型银行对于新技术应用的基本态度。因此，如何找到创新突破的优先发力方向，最大化创新实践价值的同时保证风险的严防严控底线，是银行面向数字化生产力发展的新难题。
而在监管合规和业务价值的双向驱动下，数据全生命周期管理成为银行逆市投入的重点领域。同时，银行审慎拥抱以AI大模型为代表的新技术变化，关注可场景落地、可服务业务、可解决问题的具象化实操能力。
银行业应用大模型的场景包括6个方面
《报告》介绍，从年报、公开采购等公开渠道披露统计结果来看，国内仅有10余家国有大行和股份制银行在AI大模型相关领域进行了初步应用尝试，基于大模型的体系化应用共识和领先范式尚未形成。在大模型催生效率革命、为银行提质增效已成为行业普遍的趋势认知与共识的前提下，其与银行业实际业务与管理场景的结合应用仍是银行的关注重点，“AIGC+应用场景”的融合式探索仍有待领先实践持续深化，在基于外部场景、内部管控和生产力工具之上形成具象化的实操经验与实操能力，并逐步延伸至核心业务与面向前台的业务应用。
事实上，AI大模型等技术的应用已经备受银行业关注。
《报告》从技术成熟度、需求频次和场景价值这三大维度分析AIGC的行业应用落地路线：营销、渠道、风控是银行业高频价值场景；代码助手和数据资产管理是中后台管理的高频需求；智能投顾与智能投研ROI趋近良好。
而大模型在银行业关键能力领域的场景布局与价值释放主要在于6个方面。
一是围绕客户全生命周期，聚焦客户识别与定位、客户体验设计和旅程重塑以及客户价值和关系管理，形成以客户体验为中心的智能洞察。应用场景包括客户了解（KYC）等。
二是聚焦行业市场研究、产品开发与创新、产品动态定价，以大模型推进产品智能化创新，提高银行产品全生命周期管理水平。应用场景包括智能投顾等。
三是聚焦渠道分析、营销内容管理、创新交互，全面提升银行机构全渠道营销与交互能力。应用场景包括渠道分析、超个性化营销等。
四是聚焦风险识别、风险预警、合规控制，全面提升风险合规一体化闭环管理的前瞻性和可控性。应用场景包括风险识别及预警、反洗钱、反欺诈、反电信诈骗等。
五是聚焦内部无限沟通、共享协作、知识服务，赋能员工减负提效，将传统人力资源向数智劳动力转化，提升银行整体运营智能化水平。应用场景包括代码生成等。
六是聚焦数据资产管理、数据可视化、智能决策，增强银行数据挖掘和资产沉淀，形成全域多维数据决策应用的组织效应，实现数据驱动的全要素价值释放。应用场景包括数据治理与异常检测、数据洞察与决策分析等。
