大模型在信用卡行业的应用探索

2022年11月,OpenAI发布ChatGPT3.5,迅速引起各界广泛关注,引发了人工智能领域新一轮发展热潮。ChatGPT作为一款基于人工智能技术的大语言模型(LLMs),在文本生成、对话理解、多领域知识覆盖等方面具有卓越表现。本文基于ChatGPT的技术原理,简要介绍国内大模型的发展现状,重点介绍大模型在信用卡行业全生命周期的应用,并探讨未来金融行业大模型的发展方向。

ChatGPT3.5发布后,引起社会各界广泛关注和讨论,上线5天用户注册量达100万,上线2个月月活用户超过1亿,成为迄今为止用户增长速度最快的消费级应用程序。它不仅可以通过谷歌三级程序员考试,在雅思和托福考试、司法考试、编写文案和论文、诗词歌赋等方面也有非常优异的表现。2023年3月14日,OpenAI发布ChatGPT4.0,它是基于GPT架构开发的对话式AI模型,通过学习大量的现成文本和对话集合,根据用户的文本输入产生相应的智能回答,可以像人类那样进行即时对话。因此,可以把ChatGPT简单理解为一个由AI驱动的聊天机器人。2024年2月15日,OpenAI发布的Sora再次震惊世界。Sora模型的核心能力在于,能够根据用户输入的文本描述,生成长达一分钟的高质量视频,这些视频不仅视觉质量高,而且与用户的文本提示高度一致。这一成果的发布,预示着视频制作和内容创作方式的革命性变化。

然而,ChatGPT的成功并非偶然,而是得益于一系列先进的技术和创新。其中,最为核心的就是Transformer架构、预训练加微调和多轮对话处理等训练方法,这些技术的应用使得ChatGPT能够实现对自然语言的理解和生成,并提供高质量的对话体验。

一、国内大模型的发展现状

全球范围内大模型已进入了一个高速发展期,各大科技企业和研究机构如微软、谷歌、Meta、亚马逊等在这一领域投入巨大,均推出了面向企业、开发者和个人的众多产品。在国内市场,互联网企业也紧跟技术脚步,研发出多类产品,其中BAT发布的大语言模型产品在中文应用方面表现出色。国内大语言模型产品及访问方式详见表1。

根据头部大模型评测机构(CMMLU、C-eval、SuperCLUE)的综合数据,国内市场已发布的大模型产品在中文表现方面完全可以代替ChatGPT等一众国外产品。

图片

大语言模型有三种使用场景:一是普通用户打开产品网页,通过手机号码注册就可以直接对话访问,基本功能完全免费,部分高级模型需要充值才能使用。二是开发者用户可以通过程序调用大模型的API接口进行访问,并将访问结果整合至自身产品中,调用过程中需要考虑数据安全问题。三是公司用户下载各大公司开源的大模型训练结果并在本地部署,通过训练打造属于本公司个性化的大模型产品。

二、大模型在国内信用卡行业的应用场景

目前,国内外发布的大模型虽然在实现细节、网络架构、训练数据以及优化策略等方面各具特色,但其训练原理基本相同,都是基于深度学习技术,尤其依赖于大量规范语料库的学习和神经网络的训练与优化,这也是为什么国内大模型在中文表现方面可以追赶和超越国外产品的原因。这些大模型凭借强大的能力,能够在信用卡的全生命周期内发挥重要作用,覆盖客户服务、市场营销、风险防控、产品研发、运营维护以及综合办公等多个关键环节,不仅能够有效提升客户满意度,降低人工成本,提高工作效率,还能够为员工提供创意灵感,从而整体改善工作流程。以下结合ChatGPT的工作原理,深入探讨大模型在信用卡行业的应用场景。

1.客户服务

信用卡行业传统客服通常是通过人工客服或预设的问答文档用机器人自动回复客户问题。所谓的线上智能客服,大多是一种基于规则的自动化程序,只能回答预先设定的相关内容、执行特定任务,内容单调且覆盖问题范围有限。银行可通过客服渠道、App、微信银行、网站、社交平台或其他线上渠道创建数字人助手,借助大模型这一超级知识大脑,为客户提供各领域的问答帮助,如账单日、逾期、溢缴款等信用卡常识。这将有助于提高新客户在行内微信银行、App等渠道的访问量和客户黏性,通过与潜在客户的对话,收集客户需求、偏好和目标,持续优化信用卡产品。

对于存量客户,银行可在其登录某一渠道验证身份后进行实时互动,方便客户通过输入语音、文字、图片等信息查询账单、可分期金额,咨询业务流程、热门权益、活动说明、推荐办卡奖励规则、分期产品办理要求、App某一功能所在位置等。银行可基于大模型理解客户表达,精准掌握客户真实需求,结合上下文语境,自动生成用于解答、服务咨询的对话,快速回答客户的问题,同时跳转到对应业务界面。通过内部数据训练、人机交互方式的变革,银行让用户体验到真人的服务品质,实现7×24小时全天候真正的智能客户服务,从而降低客服人工成本,提升客户满意度和品质体验。

2.市场营销

优质的信用卡营销方案能够有效激发客户兴趣,增强客户黏性,提高信用卡的使用率和客户转化率。银行结合营销目标,将业务需求输入至本地大模型,模型将依托客户的基本信息、消费历史及行为偏好进行深度训练。同时,结合业务人员的具体需求,大模型能够生成针对特定客群的信用卡优惠活动、返现计划、奖励机制、专属特权、增值服务及积分兑换等大量方案。银行可从这些方案中筛选出未曾实施的活动,并运用AB Test模式与过往营销方案进行对比,通过实际效果的验证,识别出哪些方案表现更佳,从而持续优化营销策略;将营销结果数据再次输入本地大模型,基于反馈数据进一步优化新的营销方案,通过这种方式不断迭代提升转化率。此外,本地部署的大模型与AIGC技术的结合,不仅能自动化生成营销资料,还能为业务人员提供丰富的营销主题设计方案;配合智能绘图工具(如Midjourney等),自动生成营销图片、海报和banner,从而有效降低人工成本,实现个性化营销方案的快速落地。

在智能外呼营销场景(新户开卡、客户促活、现金分期、商品分期、销卡挽留等)中,目前市场上的智能外呼机器人话术呆板,一旦客户识别出对方是机器人,便会迅速挂断电话,外呼效果不理想,客户体验感差,影响企业形象。银行利用本地已训练好的大模型按照一定表结构如联系方式、姓名、行为偏好、开场话术等,生成一份外呼营销名单,然后将大模型对接客服外呼系统按照名单进行外呼,结合自动语音识别技术(ASR)、文本到语音合成技术(TTS)等语音合成模块技术,使客户通过语音的方式与大模型进行交互,实现真正的“千人千面”话术营销。在与客户交流的过程中,本地大模型可以结合上下文回答客户的各种问题,使客户在获取到有价值的信息后不会立刻挂断电话,为后续的业务开展提供了有利条件,由此可显著提升与客户的互动质量和体验。

3.风险防控

识别客户风险等级并降低不良率,一直是信用卡行业的核心任务之一。大模型通过深度分析海量的交易数据、用户行为及历史风险模型,能够精准识别出客户潜在的风险因素和异常行为。这一功能不仅能为业务人员提供具体的风险因素作为参考,而且能自动生成风险客户名单,业务人员仅需验证名单准确性,提前干预潜在的不良行为即可,从而有效防控风险。

对于优质客户,适度提升信用卡额度不仅有助于扩大消费,还能促进分期业务收益的增长。银行借助本地训练的大模型,通过输入全量优质客户的信用评分、还款历史及收入数据等详细信息,使模型能够自动完成预测与风险评估,生成调额名单,并将这一名单与调额系统对接,即可实现自动提额功能。业务人员只需定期监控提额客户的消费表现,评估提额效果,便能确保策略的有效性和精准性。通过这一流程,银行在确保风险可控的同时,进一步优化客户体验,推动信用卡业务的健康发展。

4.产品研发

研发一款畅销的信用卡产品,对于银行的营收至关重要,同时也对产品研发人员提出了更高的要求。除了基本的金融知识之外,产品研发人员还需要掌握行业内已经发行的各种畅销卡产品的特色与权益、新户礼品、申请说明等详细信息;此外,还需熟悉国内外上千家同业银行的产品特征,以确保新研发的信用卡产品具有行业竞争优势。然而,对于产品研发人员来说,这样的学习成本非常高。为了解决这一问题,银行可以将全行业产品的学习资料提供给大模型,让它通过训练学习,整合碎片知识,并结合当前客户的潜在需求和不同人群的标签,如时尚特征、Z世代等,直接给出具有某种特色的产品及其相关权益、新户礼品、申请说明等信息,由此银行就具有了一种全新的产品研发流程和业务解决方案。新流程下,产品研发人员只需要对大模型提供的众多产品方案进行论证,并通过进一步的调研来衡量产品的覆盖群体、预计发卡量、营收情况、合作机构等后续工作即可。这种流程大大降低了产品研发人员在前期调研的成本,使其能够更多地专注于理解客户需求,并最终在众多方案中甄选出最适合客户需求、兼具个性化和综合性的产品方案,从而提高银行的经营收入。

5.运营维护

大模型凭借强大的文本处理能力,能够读取相关代码并编写详尽的运维文档,提供代码注释、操作指南、故障排除步骤和常见问题解答等信息;同时,还能够针对特定问题生成清晰易懂的解释和操作步骤,帮助运维人员更加高效地处理问题,减少操作失误和故障发生的可能性。

传统运营管理需要耗费大量人力和时间成本,定期输出运营周报、月报、场景评估报告和对应的优化方案,复杂场景甚至要对多个系统的多个模块进行数据汇聚和集中监控。银行基于自主训练的金融垂直大模型,利用生成式AI大模型多模态、跨模态的内容生成能力,对接信用卡部门内部系统,通过插件将大模型的多维能力与外部工具、资源、知识等优势融合。同时,大模型可为一线运营人员提供时效性更高、交互更便捷、内容更丰富、边际成本接近于零的运营支撑能力,如指标趋势分析、运营图表生成、运营报告生成、运营分析和方案推荐等。

自动化技术目前已经很成熟,可以通过模拟人类的键盘和鼠标操作,帮助银行自动化、重复性、标准化地执行繁琐的业务流程,如对账、调账、数据录入、报表生成等,以提高业务效率和减少工作量。将大模型与RPA技术结合,通过语音和文字就可以自动生成RPA的个性化主题代码,并完成自动化部署。银行利用大模型与现有技术的深度融合,可以节约大量的时间和人力资源,从而提高工作效率。

6.综合办公

在综合办公方面,大模型可以基于银行的历史项目文档、办公文档、业务数据、会议纪要等训练数据,创建内部知识库。当银行在商讨一个项目方案或重大决策时,可以在开会之前或过程中,咨询大模型对该问题的看法,使其结合历史数据给予客观的意见。如果在大模型上封装ASR、TTS语音合成模块,就可使其直接参加会议讨论。如此,银行增加了一个了解全部历史数据、客户数据的智能语音助手,效率可想而知。

大模型服务于行内员工的另一种场景,就是编写文档。员工日常工作包括编写会议记录、汇报材料、项目文档等,通常占据员工大量的时间,不但耗时耗力而且很多文档内容极其相似,而通过本地训练的大模型就可以解决这些问题。此外,新入职的员工在了解企业背景、过往项目案例、业务经验、处室工作职责时,同样也可以咨询大模型,不需要死记硬背某些业务知识,方便新员工或调岗员工短时间内迅速上手。

三、未来展望

迄今为止,许多机构已经深刻认识到大模型的能力,并将其应用于实际业务中。

2023年3月,彭博社推出金融领域垂直大模型BloombergGPT,为金融行业提供了高效解决方案。国内相关企业也涉足此领域,度小满、蚂蚁科技等已发布相关产品。度小满开源的“轩辕”大模型已在众多金融机构试用,并在多业务场景初见成效。国内银行业也积极拥抱大模型技术,如工商银行、农业银行、平安银行及北京银行都在多个场景中探索应用大模型,提升了金融服务的智能化水平。

2024年,生成式AI将从模型层走向应用层,从而更好发挥大模型的潜在价值,但是在实际操作中银行还面临一定难点。影响场景落地的因素大致包括硬件算力费用、模型可解释性、企业数据量级、数据隐私安全、专业人才培养等方面。因此,未来的研究方向可能会聚焦在以下几方面:一是提高模型的性能和效率,减少训练和推理的计算成本,简化本地部署流程;二是解决模型可解释性和透明性问题,使得用户可以理解模型的生成过程和背后的逻辑;三是收集整理企业的数据资产,为未来AI普及做准备;四是研究如何解决模型中的隐私泄露问题,并制定相关规章制度及保护措施;五是银行内部培养人工智能及大数据方向的技术人才,不断学习积累技术经验,为真正实施AI场景做准备。

综上所述,大模型在信用卡行业的应用探索已初见成效。从个性化推荐到风险控制,从客户服务到数据分析,大模型正逐渐改变信用卡行业的业务模式和用户体验。随着技术的不断进步,大模型将进一步释放信用卡行业的创新潜力,为消费者提供更便捷、更智能的金融服务,推动信用卡行业的数字化转型和升级。

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/24061.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

替代LT3741大功率20A恒压恒流驱动器

1. 产品特性(替代LT3741) ➢ CTRL 引脚对输出电流提供精确控制 ➢ 2%的电压调节精度 ➢ 6%的电流调节精度 ➢ 输入电压范围(外接达林顿 NPN 管): 6V~40V ➢ 输入电压范围(外接单颗 NPN 管): 5.25V~40V…

markdown图片离线备份,批量替换url

之前在某站写了很多笔记&#xff0c;最近想着迁移备份下&#xff0c;找到了接口写了个脚本将文章爬取下来了。文章是基于 Markdown 格式的&#xff0c;在写作时粘贴图片&#xff0c;直接上传到他们图床服务器了。Markdown 文本里面是个<img src"https://aaa.com/bbb.jp…

神经网络 torch.nn---Containers

torch.nn — PyTorch 2.3 documentation torch.nn - PyTorch中文文档 (pytorch-cn.readthedocs.io) nn是Neural Network的简称&#xff0c;帮助程序员方便执行如下的与神经网络相关的行为&#xff1a; &#xff08;1&#xff09;创建神经网络 &#xff08;2&#xff09;训练…

RERCS系统开发实战案例-Part01 快速启动面板创建新功能启动面板

需求背景&#xff1a;RERCS系统设计合同应收付比例调整界面&#xff0c;目的为合同与应收付款调整关联&#xff0c;保证数据的完整性与准确性。 步骤① 参数化快速启动板事务码 &#xff1a;LPD_CUST_PARAM 选择对应的角色与实例 可以看到系统中的快速启动面板菜单中已有的功能…

SD卡格式化怎么恢复?一键扫描,轻松找回丢失的数据

SD卡格式化怎么恢复数据&#xff1f;在日常生活中&#xff0c;我们常常会使用SD卡来存储各种数据&#xff0c;如照片、视频、文档等。然而&#xff0c;当SD卡意外格式化或者出现其他问题时&#xff0c;里面的数据就会面临丢失的风险。 此时&#xff0c;如何恢复格式化的SD卡就…

2024-06-06 问AI: 在深度学习中,什么是欧几里德长度?

文心一言 在深度学习中&#xff0c;欧几里德长度&#xff08;也称为欧几里得距离或欧氏距离&#xff09;是一个常用的概念&#xff0c;它衡量的是在多维空间中两个点之间的真实距离&#xff0c;或者说是向量的自然长度&#xff08;即该点到原点的距离&#xff09;。以下是关于…

【ARM Cache 及 MMU 系列文章 6.3 -- ARMv8/v9 Cache Tag数据读取及分析】

请阅读【ARM Cache 及 MMU/MPU 系列文章专栏导读】 及【嵌入式开发学习必备专栏】 文章目录 Cache Tag 数据读取测试代码Cache Tag 数据读取 在处理器中,缓存是一种快速存储资源,用于减少访问主内存时的延迟。缓存通过存储主内存中经常访问的数据来实现这一点。为了有效地管…

问题:卫生事业的发展受多种因素的影响和制约,以下属于卫生事业发展影响因素的有(? ?)。 #微信#其他

问题&#xff1a;卫生事业的发展受多种因素的影响和制约&#xff0c;以下属于卫生事业发展影响因素的有&#xff08;? ?&#xff09;。 A、经济水平 B、管理水平 C、人口素质 D、科技发展 参考答案如图所示

做外贸一些恶心人但是却很有效果的方法

最近在国内的网购平台上买了一些日用品&#xff0c;一般情况下&#xff0c;我在购物的时候&#xff0c;会打算买什么&#xff0c;然后就直接打上这个产品的名称&#xff0c;然后去选择自己喜欢的图片样式&#xff0c;接着看对应的价格&#xff0c;再选择要不要购买。 但是最近…

RockPI 4A单板Linux 4.4内核下的RK3399 GPIO功能解析

RockPI 4A单板Linux 4.4内核下的RK3399 GPIO功能解析 摘要&#xff1a;本文将基于RockPI 4A单板&#xff0c;介绍Linux 4.4内核下RK3399 GPIO&#xff08;通用输入输出&#xff09;功能的使用方法。通过详细的代码解析和示例&#xff0c;帮助读者理解如何在Linux内核中使用GPI…

PCL 高阶多项式曲线回归拟合(二维)

文章目录 一、简介二、实现代码三、实现效果参考资料一、简介 高阶多项式曲线回归(Polynomial Regression)是一种线性回归模型的扩展,它允许数据拟合一个非线性的曲线。虽然多项式本身是非线性的,但我们可以通过引入新的变量(例如,原始变量的平方、立方等)来将问题转化为…

240508Scala笔记

240508Scala笔记 Scala概述: SCala是Java的拓展,在Java的基础上又拓展了一些语法,例如: 输出Hello World println("HelloWorld")System.out.println("Hello Scala from Java") 上面两段代码都可以输出内容. package chapter01 ​ /*object: 关键字,声明…

深度学习革命-AI发展详解

深度学习革命 《深度学习革命》是一部引人深思的作品&#xff0c;详细讲述了深度学习技术的发展历程及其对各个行业的深远影响。由杰出的计算机科学家、深度学习专家撰写&#xff0c;这本书不仅适合科技领域的专业人士阅读&#xff0c;也为普通读者提供了一个理解人工智能革命…

vue数组在浏览器里可以看到值, 但是length为空

arr数组 length为0, 检查了代码在created 里调用了 this.getEnergyList(); 和 this.initChart(); 问题就在这里, this.initChart用到了getEnergyList里的数据, 造成了数据异步, 把this.initChart(); 放入 this.getEnergyList(); 方法里即可解决问题

鸿蒙原生应用元服务开发-设备管理USB服务开发场景与接口

场景介绍 Host模式下&#xff0c;可以获取到已经连接的USB设备列表&#xff0c;并根据需要打开和关闭设备、控制设备权限、进行数据传输等。 接口说明 USB服务主要提供的功能有&#xff1a;查询USB设备列表、批量数据传输、控制命令传输、权限控制等。 USB类开放能力如下&#…

Web LLM 攻击技术

概述 在ChatGPT问世以来&#xff0c;我也尝试挖掘过ChatGPT的漏洞&#xff0c;不过仅仅发现过一些小问题&#xff1a;无法显示xml的bug和错误信息泄露&#xff0c;虽然也挖到过一些开源LLM的漏洞&#xff0c;比如前段时间发现的Jan的漏洞&#xff0c;但是不得不说传统漏洞越来…

快速入门链路追踪sleuth整合zipkin(代码演示)

1、演示项目背景 2、pom.xml 3、启动项目 4、测试 5、保存数据到数据库 6、通过mq保存数据到mysql 7、通过mq保存数据到es 1、演示项目背景 下载zipkin&#xff0c;建议使用2.x版本的&#xff0c;3.x版本的要求jdk高版本。如果自己是1.8&#xff0c;就下载2.x的 下载地…

一文看懂企业FTP服务器替代解决方案

FTP (File Transfer Protocol) 是一种用于在计算机网络上传输文件的协议。它基于客户端-服务器模型&#xff0c;用户可以通过一个支持FTP协议的客户端程序连接到远程FTP服务器&#xff0c;然后上传或下载文件。 FTP虽然是一种广泛使用的文件传输协议&#xff0c;但它也存在一些…

php实现抖音小程序支付

开发者发起下单_小程序_抖音开放平台 第一步、抖音小程序发起支付 tt.pay_小程序_抖音开放平台 前端提交订单数据到后端接口&#xff0c;然后使用 tt.pay发起支付 请求参数 属性 类型 必填 说明 order_id string 是 担保交易服务端订单号 order_token string 是 …

QComboBox条目可选择状态

有时候下拉框需要根据情况&#xff0c;将某些条目设为不可点击状态&#xff0c;或者动态切换为可点击状态&#xff0c;可采用以下方法。 //item1可选ui->comboBox->setItemData(0, QVariant(-1), Qt::UserRole-1);//item2不可选ui->comboBox->setItemData(1, QVari…