银行拥有海量高价值数据资源和丰富的应用场景，天然是大模型技术深度应用的重要行业，目前头部银行也都在拥抱大模型的技术趋势，积极探索大模型的落地应用。
对银行而言，大模型的核心能力到底是什么？哪些应用场景对银行来说更有业务价值、更具可行性？银行应用大模型面临的挑战有哪些？银行又该如何选择大模型的建设路径？
为了回答以上问题，沙丘社区&沙丘智库对226名银行高管层、技术专家和业务专家进行深度调研，发布了《2023年中国银行业大模型用例分析》报告（下称“报告”）。
报告中定义了当前对银行最有价值、最具可行性的18个具体用例，并从业务价值和可行性两个维度进行优先级排序，为银行管理者提供参考。
扫描二维码 免费下载报告
▎用例1：员工智能问答助手
定义：利用大模型的问答能力，结合企业知识库，创建常用领域的问答应用，为员工提供灵活的信息查询方式，例如金融产品、规章制度、业务文档等信息，提高员工获取所需信息的效率，从而更高效的开展工作。
典型案例：浦发银行审计制度问答场景大模型应用
浦发银行通过“大模型+向量数据库”搭建审计领域的制度搜索服务，在向量数据库中构建自有审计制度知识资产，并进行提示工程采用对话引导式问答交互，通过问答形式完成知识查找，充分发挥浦发银行所拥有的丰富、多种形态、高质量的知识资产，为审计人员提供知识助手服务，具有更高的专业性和时效性。
▎用例2：营销物料生成
定义：用户输入文本提示词以及设置生成属性参数等，大模型根据客户偏好自动生成多样化、个性化的营销物料，包括文字、图片、视频、音频等形态，并支持用户对生成内容进行二次编辑，提升营销素材生产质量与效率。
典型案例：平安银行营销物料生成场景大模型应用
银行业同质化竞争加剧，一线运营经理需要及时、个性化的营销物料，但传统设计效率及产能能以满足需求，平安银行将大模型用于营销物料生成场景，通过“创意+AI+智能创意”根据客户偏好自动生成沟通文本，提升内容生产质量与效率。
▎用例4：客服坐席助手
定义：大模型可以赋能客户服务与支持全流程，在银行坐席人员与客户的实时通话中，基于大模型的工具可以快速分析客户过去与当下的互动，辅助坐席人员准确感知用户情绪与真实需求，并为坐席人员生成指导建议，提高问答效率，降低客诉。
典型案例：工商银行远程银行客服坐席场景大模型应用
针对远程银行客服中心上千人的坐席团队，工商银行聚焦对客服务中枢的运营团队、群体技术较大的人工坐席、工作量较为繁重的质检人员，重新定义作业和生产模式，基于大模型能力赋能客户服务全流程，覆盖事前运营、事中辅助和事后质检全流程：
• 事前智能客服知识运营阶段，利用大模型自动完成知识标注和知识维护，提升传统智能客服分流质效。
• 在事中客户服务阶段，利用大模型开发前情摘要、知识随行、工单预填等功能，提升坐席人员运营效率，压降客户通话时长。
• 在事后质检阶段，生成传统质检AI模型数据，模拟客服及客户问答对，提升传统质检模型的准确率。
▎用例5：数据分析
定义：结合大模型的智能数据分析工具（例如BI）可以让用户通过自然语言的方式驱动数据分析，进一步降低数据分析的门槛。业务人员通过对话的方式就能提取数据，可将精力聚焦于价值更高的经营分析场景，提升数据驱动经营管理的有效性。
典型案例：上海银行数据分析场景大模型探索实践
数据分析是大模型重要的落地场景之一，上海银行正在积极探索大模型与数据分析工具的结合，通过对话等交互方式实现指标查询、报表生成等功能，在不断降低数据分析工具使用门槛的同时，通过提高数据分析数据获取效率，改变数据分析模式，业务人员可以更加快捷的使用数据，释放数据分析的生产力，数据分析师更多完成经营分析的工作而不是数据处理，数据处理人员进一步压缩编程统计分析工作的细支。
