2024年服贸会专题活动之一——“第六届中国金融科技论坛”9月12日-13日在北京举行，主题为：科技赋能——金融业数字化转型与应用。用友金融信息技术股份有限公司总裁郑海伟出席并演讲。
郑海伟介绍，用友这两年在垂类大模型领域下了很多工夫，投入了很多资源做垂类大模型的训练，并介绍了用友在金融行业、在财税管理等垂类领域的应用成果。
据介绍，用友已发布的人工智能解决方案框架是，底座由大模型+垂类模型构成，大模型平台是跨模型，可以支持国内现在的自主知识产权的一些大模型。垂类模型+小模型做的特别多，“在这上面我们有两种应用架构，一个是数字员工，一个是智能助理”
应用领域方面，郑海伟表示，已经落地的有四个：语义式应用运营、智能化人机交互、智慧化知识生成还有智能化业务运营。还有两个正在研发过程中，一个是在资金交易，一方面在产业数字金融，真正到了业务生产领域。
以下为演讲实录：
郑海伟：感谢主持人，感谢主办方让我们有这个机会给大家做一个汇报交流。大模型自从ChatGPT推出来以后，这两年一直非常火，在分享我的主题之前给大家分享一下最新的一些动态。
首先，美国大模型竞争格局已定，从去年年底到今年年初的战争，第二场人工智能竞争主要发生在垂类大模型领域。我们用友这两年也是在垂类大模型领域下了很多工夫，投入了很多资源做垂类大模型的训练。基于这样的背景，给大家分享用友在金融行业、在财税管理这个垂类领域的应用成果。
AI并不是一个新事物，真正点爆AI是从ChatGPT开始。我们认为AI现在进入2.0时代，是一个生成式人工智能的模式。
AI+也是国家的发展重点，用友在2017年提出了数智化，就是数字化跟智能化的结合，那时候无论是从RPA流程到隐私计算、联邦学习、知识图谱，我们采取这些技术做了智能化实践。现在大家耳熟能详的大模型，人工智能大模型把数智化演变的更加淋漓尽致。用友提出了企业数智化的三个步骤：从上云到用数到赋智。
现在通常在金融行业使用的场景基本上我们总结有四类，一类是语义式的应用生成，二是智慧化的知识生成，还有智能化的人机交互，还有智能化的业务运营。这两年我们还在尝试把人工智能用到了交易，特别是资金交易以及产业数字金融领域，今天我们主要针对已经落地的应用给大家做一个报告。
用友已经发布了人工智能解决方案，我们的框架是，底座由大模型+垂类模型，大模型平台也是跨模型，可以支持在国内现在的自主知识产权的一些大模型，主流的我们全部都支持。垂类模型+小模型我们做的特别多。在这上面我们有两种应用架构，一个是数字员工，一个是智能助理。应用领域已经落地的有四个：语义式应用运营、智能化人机交互、智慧化知识生成还有智能化业务运营。还有两个正在研发过程中，一个是在资金交易，一方面在产业数字金融，真正到了业务生产领域，所以这几年我们在这方面还是做了大量工作。还有一个观点，大模型最后呈现价值的是场景，这两年我们做了大量场景，为大家展示下。
在第一种应用框架里，数智员工里面我们是智能交互，无处不在，是指导方针。大家可以看到，从左边开始，我们的应用领域是财务领域、税务管理领域、营销管理领域以及其他一些外部应用（PPT图），通过这个领域我们训练我们的垂类，通过RPA模块、VPA模块，再加上平台的组织和权限功能以及导入工作流，最后把它训练成数智员工，数智员工主要场景，比如税务风险合规官，一些大型企业有采购管理，采购合规官。共享中心，包括保险。保险有后援中心，把财务、税务、人力资源以及保险业务的理赔处理全部会放在后援中心，后援中心这种我们会有共享中心座席，我们有流程审批的助理，我们有自动出表的助理，大家知道表格量很大，在金融机构、在咨询公司都有“表哥、表姐”，我们通过这种模式解放他们，这个是我们人工智能的一个应用场景。
AI具体应用的场景——共享中心无人值守，分享一个在我们用友的应用场景，我们现在在全球有一百多家分公司，今年我们在北美墨西哥成立了分公司，我们准备在欧洲德国成立分公司，一百多家分公司加二十多家的参股跟控股子公司，这么多的分公司跟子公司，每年的银行电子回单数是29万张，因为分公司、子公司都有结算户，开在不同银行，所有交易、所有流水，银行会提供电子回单，我们一年是大概29万张。如果是250个工作日一年，基本上平均一天有1200张。十年前是会计通过手工方式勾稽，现在我们通过共享以后，通过无人值守完全做自动化匹配。里面场景很复杂，比如我开出去一张发票100万，可能客户回来的是三笔打款：40万一笔、30万一笔、30万一笔，这三笔银行流水怎样跟这100万发票去匹配，原来是有一个人工工作量，现在通过共享中心无人值守全部做自动匹配，如果匹配过程中有异常，再由人工再介入，很好地处理掉。这个我们也应用在金融机构，金融机构每天单据量很大，我们共享中心通过数智员工的方式，在大家休息、晚上睡觉的时候，数智员工把这个工作给做了，这类场景我们现在已经落地了。
税务风险的管控，大家也知道税务总局金税四期已经上线了，咱们国家对税务的管理、缴税的管理会日趋严谨跟严格。金融机构在日常税务工作中，可能会经常发生税算错的场景，并带来税务风险。我们现在给金融机构提供的服务中，完全做到自动化计算，根据采集业务交易流水，包括业务收入、业务利差，用友金融的AI系统可以自动计算所得税以及各种小税种，并生成报税的报表。当然税务总局金税四期还没有提供自动报税功能，若提供后，就能全部实现智能化了。这是人工智能在税务自动化方面的应用。价值点第一是高效，第二是防范税务风险。我们碰到一个真实案例，某金融机构税算错了，少交了几千万，这就变成一务风险了。
第二个应用框架是智能助理。整个实现目标是即时决策，随需洞察，我们通过Agent通过大模型平台技术来实现应用。我们的智能助理叫小融，应用在金融机构各个岗位，包括领导、运营人员、系统管理人员都能使用。主要实现的是智能触达、知识问答、数据问答、智能报告，这里面延伸出来以后，价值点还是非常大的。
智能触达比较简单，ChatGPT一开始用的也是这种，比如通过语义做自动语音识别，系统做功能处理。
知识问答也比较简单，工作量比较大，但应用场景比较简单，内部可以帮金融机构建各种各样的知识库。刚才谈到税务，比如某家证券总部在广州，全国有数百个营业部，如果营业部要咨询总部财务税务问题，财务税务岗不知道全国各地的税务政策，通过知识库把所有各地的税务政策纳入知识库，很方便的解决这个问题。
数据问答，我们可以为金融机构，比如银行行长提供同业对标分析数据。现在这个数据，很多上市公司里面是商业银行，包括有很多在境外交易所上市的商业银行跟投行，通过这些经营数据的分析，可以为金融机构的领导提供同业对标，包括境内，包括境外的同业对标，我们还可以实现行长查询FTP利润排名结果的排名和归因分析。这些都已经落地了。数据问答功能继续发展将会更加强大。比如，现在已经9月了，所有上市公司金融机构的半年报已经完成对外发布，对于一个上市公司银行的行长来说，看到所有上市公司金融机构的半年报以后，可能秘书做一个统计分析表，规模是多少分位，但在目前经济形势下以及目前货币政策背景下，我们的大类资产要不要调仓、业务结构要不要做调整、负债要不要做优化，所有这些我们是想通过人工智能大模型来实现，就像我们帮助银行行长来做一个智能化的决策参考，当然最后决策还是要他来决定，但是我们的AI服务能来帮他做分析。目前我们已经在往这方面努力，希望短时间内能够真正落地这一个功能。
智能报告，比如金融机构的领导想看一下关键指标、经营周报、分析产品营收，这个能力后续会在交易上做智能化的落地。比如某头部券商一天在银行间货币市场拆借资金量大约应该在三四百亿左右，这三四百亿左右的资金拆借在不同的时间点完成，价格是不一样的。面对这样的场景，我们的做法是根据历史数据、根据历史交易的银行间资金成本数据，找出一个最优路径，这个最优路径是一个小模型，可以指导该头部券商交易员什么时候交易最便宜。比如一般来说，资金价格在闭市前15分钟最便宜，大家想到这个以后，我作为一个券商，400亿是不是都在最后15分钟交易？显然不行。因为“黑天鹅”事件发生以后，会使最后的资金成本飙升，比如有个突发事件触发了联动性的危机，那么最终他当天的资金成本可能会飙升1000个BP甚至2000个BP，如果把所有的交易都放在最后面去做拆借，成本会巨贵无比。人工智能的作用在这里，首先有历史数据，根据历史数据模拟常规价值最大化的交易流程跟经验，同时跟踪今天所有的舆情数据、国际事件，并监控突发事件会有可能在资本市场或者货币市场引发价格的波动，若发现突发事件有苗头的时候，有舆情的时候，那么要尽快干预交易，让交易尽快完成。前几年货币市场就有类似案例，最后这个资金拆借巨贵无比，按百分比，短期拆借率到了10%以上。在交易上，人工智能也有很多应用场景，用友也在不断探索。在交易、在内部知识库管理、内部赋能和流程自动化处理上，目前有很多值得我们去做人工智能方面的研究和探索。
接下来为大家分享我们在AI智能财税领域的实践应用视频。
（现场播放视频）
我们认为在数字化这个时代有很多底层工作需要我们扎扎实实去做，之前信息化时代是流程梳理很重要，数字化1.0阶段数字治理很重要，刚才吴首席谈到了通过数据促进业务发展。那么，在数字化2.0阶段模型的应用，刚才我的汇报只是财税领域的冰山一角，我相信这个领域的应用还有大量非常有价值的场景值得我们去挖掘。
用友金融服务全球1200多家金融机构，我们在海外的子公司也已经成立了，我们同时也服务于海外的金融机构。
AI大模型只是刚刚开始，大家都在探索跟尝试，我想大家一起努力，我们共谱金融“五篇大文章”，谢谢大家。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
还没有评论，来说两句吧...