Gartner：生成式AI发展，风险和机遇并存

Gartner未来实验室对于人工智能是这样定义的：我们不应该将人工智能仅仅视为一项技术或者一个工具，因为人工智能正在塑造整个社会、并影响整个人类。但与此同时，人工智能作为一个正在突破且还未完全成熟的技术，未来仍有很多的不确定性，所以，如何正确看待AI技术的发展和应用，变得尤为重要。

2023年短短半年时间，生成式AI、基础模型、大模型及ChatGPT如雨后春笋，这几个术语似乎无所不在。为了更好地将其区别，Gartner将生成式AI一直到ChatGPT，分成了四个概念：生成式AI是从数据和模型中去学习，并用它来生成全新和原创的产物，但依然可以去保留和原始数据和模型的相似点。简单来说，它是一个可以去生产新内容和想法的一种人工智能；基础模型指的是Transformer算法，对于很多未标记的数据进行训练的一些大型机器学习模型，这种模型可以通过一系列微调产生一个广泛应用的一个模型；大语言模型专注于自然语言的模型。跟“生成式AI、基础模型”相比较，它其实算是最不“抽象”的一个；ChatGPT是一个构建在大语言模型之上的应用。

比较明显的是，如果从概念来看，其实“GenAI”，也就是生成式AI是最广泛意义的一种人工智能。那么，随着生成式AI的快速发展，它是否真的会在未来取代人类？对此，Gartner并不同意这一悲观的想法。

数据显示，到2026年，AI对于全球就业的影响是中性的。到2026年，有超过1亿的人将会和机器人做同事一起工作；2023年-2033年，未来的十年内人工智能将催生出很多新岗位。

“AI将和人类走一条共同融合，并且是共存的一个道路。”Gartner高级研究总监颜晶认为，这会是未来变革的主流趋势：虽然人工智能在一些特定的情况下，可能会帮人类做一些决策，但是人工智能没有自由意志，也就是说，未来人类与机器人共存的关键词不是取代，而是磨合。

磨合的关键，在颜晶看来主要有四个方面：正确利用新兴技术，防止人类的退化；将自动化优先级放在相对简单的功能上；客观看待AI价值和成长轨迹；机器去模仿人类思维意识和活动的同时，也需要道德和法规层面支持。

回到技术本身，从技术到应用的临界点是恰如其分的应用场景。一个IT技术能否发扬光大，在当下最关键的是能否真正找到合适的应用场景，AI同样如此。

作为最早应用传统AI技术的领域之一，银行业正积极试水生成式AI在行业内各领域和场景下应用。事实上，扎实的数字化基础、完备的技术能力和多元丰富的数据。可以说，银行业完全具备了由点及面推进生成式AI应用的三大条件。

那么，与传统AI相比，GenAI和ChatGPT会给银行业带来哪些变化？

2023年5月份高盛首席分析师的一份AI报告中写到的这样一句话：“ChatGPT引爆的AI热浪，将会将企业级的软件推入下一个风口。”在这个风口下，各行业、包括金融都会发生颠覆性的变革。

其中有几个数据值得一提：AI将成为全球生产力的一个重要的推手。在未来的十年内，全球生产力将会因为AI而每年提高1.5%、7万亿美元的规模；全球企业软件总规模将会达到6850亿美元，其中生成式AI的规模在6850亿里面将会占到1500亿美元，而且每个人在每一年花费在生成式AI上的经费将会达到78美元。

“截止到今年上半年，基于Gartner和谷歌内部的一个沟通，我们看到谷歌在生成式AI做了一个测试的平台、在这里面有超过9250家企业已经参与到这个平台。”颜晶透露，其中有接近一半都是银行和金融机构相关的测试案例，集中在银行风控、增速利润以及成本和内部效率提升三个方面。

可预见的是，短短几个月时间，全球银行业对于生成式AI部署的态度已经从“好奇”变得“等不起”。 Gartner在2023年2月份和4月份，分别对于全球100多家银行做了调研：其中2月份数据显示，46%的银行都表示“他们还没有计划去用ChatGPT和生成式AI部署进他们银行的业务系统”，7%的银行表示“正在实施生成式AI部署”。这两个数据在4月份的调研中分别变成了7%和17%。

“虽然目前全球经济还属于低迷期，但是采用生成式AI的机构并不考虑用生成式AI来节省他们的一些成本。”颜晶表示，Gartner的调研报告可以看到：38%的受访者更多的是希望通过GenAI去提升客户的服务；26%是用于利润的增长；真正只有17%的受访者表示他们用生成式AI的主要目的是用于成本最大化；70%用于支持业务的连续性。

另一方面，随着技术的进步发展，ChatGPT可以应用在银行业的范畴会越来越广，并且它也可以为银行未来的业务和运营开辟更多的可能性。比如，超过一半的银行都愿意将其用于客户服务方面，包括：数据分析、商业智能、运营，以及应用开发。

据了解，目前国内有一些银行正在生成式AI的试点中。比如，微众银行通过千亿级企业的数据进行深度的深度学习，建设了中国小微企业的AI大模型，并创新运用分段式训练的模型架构与绿色和低成本的方式，实现了模型参数变量突破100亿的大关。

当前，微众银行已经将AI大模型运用到它们银行内的，比如像：信贷、风险评估、账户风险管理、客户服务、消费者权益等多个方向，希望通过大模型在未来更有效的去提高他们小微企业的金融服务质量和效率。

需要注意的是，生成式AI虽然说为银行业带来了很多机会，但是风险和机遇是并存的，所以说，AI风险对于未来银行业全面的影响依然是有待观察和研究的：比如，不准确的信息，包括过期信息、AI幻觉，并且有超出AI范围的一些服务；系统性偏见；隐私安全，包括：数据泄露、中毒模型、深度造假；道德风险；以及关键信息的泄漏风险。

“当新技术要突破时、一定会遇到一系列的问题，影响市场的信心，甚至技术会被质疑。但这是所有的新兴技术所必经之路。”颜晶说。