專題：第八屆中國金融科技論壇

　　中國國際服務貿易交易會第八屆中國金融科技論壇於9月9日在北京舉行，主題為「科技賦能—金融業數字化創新與應用」。星展銀行中國區首席運營官兼首席信息官宮霄峻出席並演講。

　　以下為演講實錄：

　　宮霄峻：謝謝大家，很榮幸再次受到邀請和大家分享一下星展銀行人工智能的轉型之旅，星展是新加坡最大的銀行，前身也是新加坡發展銀行，我們在2014年就開啓人工智能之旅，到現在有一些心得想要跟大家分享一下。

　　各位同仁都知道我們一開始用的是一些傳統概念的人工智能，2018年開始講機器學習，也是在2023年開始大力的投入，也關注生成式人工智能，就是GenAI的事情。從去年開始，我們開始積累了一些經驗，開始繼續嘗試Agent，就是 智能體式AI（Agentic AI）的工作。我們現在的感覺很深的一個點，人工智能，尤其是對生成式人工智能的應用是一個決定性的競爭優勢，剛纔龍首席也講到，如果市場上大家都用了AI之後會怎麼樣？對於我們來說，整個生態環境裏面，其實銀行是相對來說有很多的限制。當我們的企業客戶，當我們的個人客戶大面積的應用了人工智能以後，銀行對人工智能的接受狀況會是一個有決定性的競爭優勢，如果某些銀行在上面走得快的話，將來的市場份額會相當的大，會有很大的上升空間。

　　主要是有三點：

　　一是我們需要提升人工智能的規模和普及度。

　　二是要降低AI應用的全生命周期成本與工作量。

　　三是我們希望能夠看到經濟性的成果有一個指數級的增長。

　　下面講一講銀行內部的部署框架。

　　這個也是我們今年開始有體系性的一個推動，去年開始這個工作，今年比較完善整個體系。從下往上看，對一個公司來說，企業級的運用有四個推動因素：

　　一是使用場景，這個大家都知道。

　　二是數據以及技術的能力。

　　三是負責任的人工智能的安全，這個質量和安全相當的重要。

　　四是對人、對員工的關懷，這個也很重要，因為推行人工智能第一個對員工帶來的感覺就是我擔心我的工作會被搶掉了，怎麼樣成功的推行，對員工非常的重要。

　　在往上一層，我們所有的應用場景分成兩類：

　　一是橫向的應用場景，這是對行內的每一個員工都會有受益或者受到影響，這裏我們做了一個DBS-GPT，我們自己行內做了一個類似AI的平台，在這個上面我們開發了一套安全風控管理，我們現在同時可以在這個上面，自己可以對DBS-GPT提問，我們也可以自己寫一些比較簡單的Agent，涉及某些比較深入的推理的話，我可以做自己的Agent。

　　二是縱向的，這個就需要有一些特別的、更強的AI的能力，比較集中某一些類型的方向，這就包括我們對客戶經理開始做的Agent，生成式的人工智能。對客服的員工，集團在多個市場，客服中心每一個員工後面都有一個Agent在那裏幫它做事情。怎麼做呢？做兩類事情：第一是聽客戶打進來的電話，理解客戶聽的電話，分析一下這個客戶有可能的需求是什麼？他前三次打過來可能都是為了開某一個賬戶，可能他對這一類賬戶有進一步的需求，需要投資的需求，這個Agent就會把這些東西准入好抓出來給到人工座席去給客戶交流。第二個工作是去做質檢，所以客戶跟人工坐席交流的過程，我們會聽他的語氣判定打一個分，看這個客服坐席做得好不好，這是對於客服員工。

　　對於運營團隊，也在做很多的應用場景。對應用來說，我們的一個想法就開始在想，現在是一個客戶過來，尤其企業客戶跟我們說我有這個需求，銀行看我現在的產品，如果標準的產品，我做貿易孖展產品，我的流程是這樣的，我能不能符合你的客戶的特別的需求要討論一下，如果能符合的我就給你做，如果不能夠符合的再和客戶來來回回的交流。我如果為了這個客戶去做一些修改，一些人工的流程的修補的話，大家看這個成本效益如何，等等，這是一個很複雜的過程。將來我如果有這個Agent在的話，我可以把客戶的需求，用自然語言的形式打進來問，問我們的這個系統有一個什麼方案做出來，這個系統自己會搭一些東西出來給到這個客戶自己去做，這個有很大的改變。

　　我們做了一些嘗試，其實現在的DBS-GPT裏面，我就把我營運的不同團隊的流程、操作手冊，操規我都放到知識庫裏面去了。我們也做了一些測試，我就問了一些問題，我要開一個賬戶，但是有一些文件提供不了，怎麼辦？DBS-GPT就是後面的大模型就可以很快的搭出來一套方案給你，如果做不到的話有方案1、2、3，你可以這樣做。我們現在看到有意思的問題，這些是做得很準確，有的做得不準確，主要是取決於後面知識庫的質量好不好，因為銀行有上百部的知識庫進去，如果知識庫的質量好到一定程度的話，這些工作是很快的。所以這個將來會給我們帶來很大的變化，這是運營團隊。

　　在往上一層就可以看到，智能體有幾種類型，又分為個人智能體、團隊智能體以及企業級的智能體。個人智能體，每個人可以在我的GBS-GPT上寫一個很簡單的事，讓它去讀一個會議紀要，然後生成一些跟進的動作，有哪些事情要跟進，讓它再草擬一份下一步應用怎麼做的總結，這些都是很簡單的，直接可以做。而且做完之後可以分享，同時做完之後可以放一些好的東西在上面進行分享。分享到一定程度上就有團隊的智能體，在這個團隊裏面需要客戶的某一些數據才能夠達到這個結果，在這個團隊裏面纔會生成團隊共用的智能體，在下一步就是企業級的智能體可以用，這個是需要更多管理的。

　　在上面最重要的就是運營模式的轉型，我們在每一個部門都在探討、都在尋求整個組織架構和運營模式的轉型，目標：我們準備每一個員工能夠配備一個智能體的助理，每一項任務都能夠有智能體處理，每一個客戶也提供智能體的客服等等，將轉型整合到銀行的運營模式裏面。

　　這是講到對企業級的智能體的開發，和傳統的系統開發又不一樣了，因為傳統的系統開發就是業務團隊和技術部門兩個一起開發，這個當中更多的加入了數據團隊，因為數據的重要性是取決於將來智能體的能力的準確性最主要的關鍵點，我剛纔也舉了一個例子，我們的數據不是結構化的數據，更多的是你對數據、對知識庫建立的準確性是相當的重要。

　　這個是剛纔所做的案例，我就不一一講了，包括我們對企業客戶的智能體，包括我們對自動生成的審批、文檔的備案錄。

　　最後我想要講一下，這是運營模式的轉型，我想要突出一點，員工是非常重要的，我們的一個經驗就是我們需要讓員工做很多的轉型，這是一個機會。轉型兩個方面，一個方面就是能夠轉向更多的面對客戶的工作，能夠更多的給銀行帶來效益。另一方面對於模型的應用之下，要有很多新的工作崗位會創造出來，有更多的人會需要花時間去管理這個模型，這個是一個新的領域，我們已經看到很多很開心的臉，這些很成功的案例可以通過自己的轉型，在新的崗位上做出很多新的業績。

　　我今天就分享到這裏，謝謝！