银行作为知识密集型行业，引入生成式AI能力，一方面能够加速金融L域知识的生产和更新，使银行能够更快速地应对市场和客户需求的动态变 化，丰富内外部应用场景的智能化水平；另一方面，将生成式AI具有的隐性知识和推理能力，与金融知识库显性知识进行的有效融合，传统金融 知识体系的学习门槛、学习效率都将得到改善，相应地，客户的交互体验、员工的工作和学习模式也将迎来显著改变。在这个过程中，需要银行 在数据战略基础上，同样考量知识战略的搭建与落地，从而能够以“知识”为抓手形成从数字化到智能化的跨越。

金融行业进行数字化转型建设的起步早，当前行业整体数字化成熟度较G，具备人工智能深入应用的良好土壤，也是生成式A1、大模型率 先实现行业落地的重点L域。人工智能技术应用场景的广度不断扩展，目前已经覆盖营销、服务、投研、投顾、风控、研发等前中后台数 字化经营关键环节，于行业而言，其核心价值将在原有AI能力的基础上进一步释放，结合业务云化趋势，“Al+ 金融”正在进入深化应用 创新的阶段。

业务运营降本增效，释放人力资源进入 G价值环节

AI 可依据业务规则，替代执行简单重复劳 动，从而释放出更多的人力资源，向G价 值环节迁移； 以人机协同方式，一方面能够辅助员工在 内外部场景下提G效率，另一方面融合AI 与行业know-how能够更准确捕捉客户需求， 使金融决策从经验驱动向数据驱动转化， 使财富管理、智能投顾等G价值场景更具 智能化。

激活数据要素价值，进一步促进金融普 惠化

改善原有外部数据离散、内部数据孤岛等问 题，借助Al在数据捕捉、整合、分析挖掘等 方面的能力，激活数据要素，释放关联数据 价值，一方面能够帮助金融机构拓展过去难 以覆盖的群体，增加盈利空间，带来新增长 点，另一方面能够解决信息不对称问题，降 低金融服务门槛，使金融资源能够惠及更多 的长尾客户、小微企业。

赋能金融场景创新，提升千人千面的 客户能力

客户需求+金融知识是推动金融创新的基 本要素，传统的创新模式更多依赖于业 务专家的能力，人工智能的应用引入了 智能化的创新因子，能够结合潜在需求， 融合知识图谱提供更多创新方向； 借助AI能够了解、分析客户情绪，在智 能客服、营销、投教等环节，提供千人 千面服务能力，升级客户体验。

附件：中国金融业人工智能行业应用发展图谱2023-丰富内外部应用场景的智能化水平