《移动支付网络》作者穆楚：最近特别火。 社交圈中十分之六的信息是分享的文章或视频。 人们对这种新的自然语言处理工具有着无限的向往。 人工智能真的来了吗？ 它会给金融科技行业和支付行业带来哪些可能的颠覆？ 今天我们就根据行业逻辑来谈谈未来可能的应用。

特征

到底是什么？ 这几天很多人都在问这个问题。

从公开的介绍来看，这是一个自然语言处理工具、一个聊天机器人、一个大语言模型、一个人工智能应用。 它可以学习和理解人类语言，并根据上下文做出相应的反应。

从更技术的角度去理解，与过去人们接触数据源相对闭环的人工智能应用相比，数据更加开放，可以基于2024年拥有的数据进行检索和响应。过去几代GPT，从第1代到第3代，预训练数据量从约5GB增加到45TB。 业界估计有数百甚至数千 TB 的训练数据。

一位专业的人工智能研究人员总结了以下特点：

特点（来自图片）

目前，您可以完成撰写电子邮件、视频脚本、文案、翻译、编码和撰写论文等任务。 但如果需要服务金融行业，成为金融科技基础驱动力的一部分，能挖掘多少潜力？

行业现状

有人说金融是一个非常复杂的行业，这么先进的计算机还很难计算； 还有人说，金融其实很简单，就是把资金用在合适的地方。 困难的是如何定义正确性。 支付业务作为金融的重要组成部分，既复杂又简单。 如果要应用到金融行业，会面临很多问题。

专业的。 金融是一个非常专业的领域，有很多专业原则、规则和名词。 作为一个聊天机器人，学习和理解许多含义丰富的名词并正确使用它们将是非常困难的。 以支付行业著名的个人业务收款码为例。 很多人不明白什么是商业以及如何定义商业。 259号文件实施之初，各方认识存在巨大分歧。 随着市场与监管的不断融合，有了更加清晰的定义。 目前只是在日常聊天中比较正常。 一旦深入到专业领域，就会捉襟见肘。 服务金融仍然困难重重。

不公开。 很多金融信息是非公开的，这就意味着存在所谓的信息壁垒和信息孤岛。 比如，很多规范性文件并不公开，需要各机构负责人现场研究，无法形成电子版。 这使得人工智能在做出某些服务或决策时容易出现误判。

歧义。 很多金融业务要么是0，要么是1，这甚至与人性有关。 在反洗钱监管方面，近年来我国监管形势从“合规为本”转向“风险为本”，如何判断风险往往因人而异，这使得很多业务的界限变得模糊。 另一方面，反洗钱采取“双罚制度”。 那些需要承担责任的人将来或许可以学到很多反洗钱的案例、规则、黑名单，但最终需要做出财务决定的仍然是人们。

此外，金融本身也具有一定的政治性。 金融规则的制定和实施在很多场景下是不同的。 不同时间、地点、场景的合规性存在一定差异。 2024年，中国人民银行回应银行收款码零利率合规问题。 “96费改”文件实际上是在市场化定价下合规的，但过去几年，支付机构已经“什么都明白了”。 。

其机制很复杂。 金融行业的运行机制较多，有些规则甚至是相互矛盾或不一致的，比如提高便利性、加强安全性等。 这就需要取中间值，或者两害相权取较小者，而人们仍然选择其中较大者。 决策作用。

虽然金融可能是一个很难在短时间内快速应用的领域，但这种有些人性化的工具仍然是金融行业所期待的。

带来可能的中断和升级

当人工智能开始流行时，几乎所有人都明白，那些更加机械化的工作可能会被取代。 手机的到来将使一些可能需要一定程度的创造力并辅助决策的任务变得更加容易。

火灾发生后，李开复最近写了一篇文章，概述了 20 个可能受到干扰的职业。 客户服务、电话销售、出纳、保险理赔员、贷款审批员、财经记者等金融相关岗位都清晰地出现在名单上。

但事实上，这类工作正在逐渐被人工智能取代，比如银行智能客服、数字人电话、基于大数据的保险理赔、蚂蚁310借贷模式（3分钟填写申请材料） ，1秒放贷，整个过程0人工干预）。

火灾发生后，招商银行还撰写了金融相关的宣传材料，可以说是对简单财报和公关的颠覆。

此外，当今的许多金融科技服务都可以升级，例如RPA（机器人流程自动化），它使用结合自动化、计算机视觉和机器学习的流程来自动执行基于规则和触发驱动的重复性大批量任务。

RPA与AI的结合已经开始。 随着人工智能的智能水平逐渐提高，它处理的财务事务可以变得更加复杂，这个领域也可以更加精彩。

在服务层面，当前的可及性、金融道德治理、金融消费者保护等方面都需要更具人文特色的人工智能来做前端服务工作。

总体而言，笔者认为，重复性但需要人性化服务、非决策性的金融服务有着广阔的应用空间。 不过，金融还是复杂的，需要更加专业，而不仅仅是闲聊。