摘要：
本报记者 蒋牧云 张荣旺 上海 北京报道 “提示：客户情绪为焦虑、失望，正在关联客户持仓、生成推荐话术。”这是智能投顾场景中最新落地的AI大模型应用，能够准确捕捉客户的情绪... 本报记者 蒋牧云 张荣旺 上海 北京报道
“提示：客户情绪为焦虑、失望，正在关联客户持仓、生成推荐话术。”这是智能投顾场景中最新落地的AI大模型应用，能够准确捕捉客户的情绪，并通过更快速、全面的生成内容帮助投资顾问完成工作。
日前，已有多家财富管理机构、金融科技公司基于大模型技术，推出了AI交易员、AI金融助理、AI智能投研等相关服务或产品。
多位业内人士向《中国经营报》记者表示，在AI大模型的技术加持下，过去“海量非结构化的多模态数据”难以处理的难点得以解决。在应用方面，未来如何将技术渗透进更加符合用户需求的场景，以及通过金融数据对大模型进一步精调，将是行业接下来发力的方向。另外，新技术的应用也带来相应的伦理问题。比如，一旦出现失误导致客户出现资产损失，相应的责任由谁来承担等，也需要多方面来共同探索解决。
快速+全面+生动
近日，关于大模型技术在财富管理的应用动态层出不穷。比如，恒生电子及旗下子公司恒生聚源发布基于大语言模型的金融智能助手、智能投研平台；盈米基金旗下投顾品牌——“且慢”联合合作伙伴探索AI智能投顾。此外，还有多家金融机构推出AI数字员工等。
那么，大模型技术究竟给投研、投顾带来哪些新的可能？理财魔方创始人兼CEO袁雨来告诉记者，对于过去难以处理的海量非结构化的多模态数据，在大模型的支持下可以进行更全面的信息覆盖，从而得到更有效的分析结果，以此提升服务效果和能力，投研方面的宏观分析、策略研究、资产筛选、资产配置等环节都将受益。
具体到产品上，恒生聚源副总经理白雪向记者表示，目前恒生聚源的智能投研平台WarrenQ基于大模型技术开发了两款新的智能应用。一款是WarrenQ-Chat，即利用大模型叠加搜索和金融数据库，可以轻松实现“语控万数”（即所有操作都可以用对话实现），并解决通用大模型无法回答的金融专业问题。它基于海量的资讯内容进行训练，每一句生成的话都能支持文本溯源，确保消息出处可追溯，还可以生成金融专业报表。另一款是金融文档挖掘产品ChatMiner，它基于大模型和向量数据库构建，用户可以指定文档进行干货提炼、要点挖掘、推荐问题等，从而实现快速定位。
盈米基金高级技术总监吴珂皓表示，在投顾场景中，盈米基金利用大语言模型、向量数据库、本地知识库来构建超级投顾助理，帮助客服、投顾人员高效回答用户的问题。相比过去，这种高效一方面体现在更快，另一方面则体现在更加全面。与此同时，大语言模型的内容生成技术也被用来生成每日的资讯早晚报，与客户交流当天的市场动态。
除了响应的速度与内容全面之外，记者在试用恒生金融智能助手——“光子”后也了解到，投顾场景中，经过大模型技术加持的投顾内容推荐将更准确地识别用户在交流时的情绪。比如，当用户以普通口吻询问某股票的股价时，光子将向投资顾问提示客户的意图为了解适合自己的金融产品，并提示该用户以往较关注产品收益区间，以及关注的产品类别、交易频次等。同时，光子能直接将关联的股票信息、财报、研报推送至页面。投资顾问可以自行选择需要的生成内容，发送给客户。
此外，当用户带有情绪提问时，如“你上次推荐的产品前期涨得还行，最近怎么跌回去了，还能不能行啊？”光子则将用户的情绪识别为“负面”“失望”“焦虑”，并关联用户的持仓情况，且形成推荐话术，如“作为投资顾问，我们了解您的担忧。市场波动是正常的，产品的价值要看长期表现。我们建议您耐心持有，不要盲目跟风操作。如果有任何疑问或帮助，随时欢迎联系我们”。
“人机结合”推进落地
基于AI大模型在财富管理领域的表现，业内在感叹的同时也不乏疑虑：技术的应用是否意味着财富管理的中后台员工可能被完全替代？同时，财富管理行业要求从业人员取得相应的从业资格证书，而从AI模型的角度该如何判断其从业水平？
对此，袁雨来向记者表示，AI大模型在投研、投顾领域的应用，已经可以完全替代部分中后台员工了，特别是经过大量金融数据微调之后的大模型，在专业能力和综合能力上，确实可以超过大部分初级工作员工。同时，对于AI交易员等技术“员工”，归根结底依旧是程序，是由程序员构建的，只要遵循现有的对于金融行业技术研发相关的管理就可以。
吴珂皓谈道，“在部分行业，AIGC（生成式人工智能）确实可以完全替代真人，比如在直播、电商行业，数字主持人或数字模特都可以替代真人来完成直播或产品宣传。不过，财富管理行业有其特殊性，目前这种替代还不太可能，特别是在前台领域。但是，在中后台的部分领域，是可以部分替代的。AI大模型在财富管理行业可以设置一些必要的‘考试’来评定AI模型的水平，但最终还是要由人来操作和管理。”
由此，也引申出AI大模型面临的伦理问题，比如一旦出现失误导致客户出现资产损失，相应的责任由谁来承担等。关于模型水平的认定方法，吴珂皓进一步表示，一方面可以对模型进行终端测试，设计相应标准测试集，模型上岗前必须通过标准测试集的考试；另一方面，模型训练使用的数据可以进行认定和审核。
恒生电子CTO乐识非告诉记者，AI大模型依然处于应用的初级阶段，在提供便利的同时，依然会有知识幻觉等一些缺点问题。现阶段，建议以“人机结合”的方式去推进应用落地。比如在投顾场景中，投资顾问需要在针对投资者的持仓进行实时跟进并检测市场波动的情况下及时给出调仓建议，针对投资者当前持仓进行深度检视，类似的工作决定了客户留存的意愿。AI大模型可以提供初始建议，但最终仍需要人工投顾把一道关，进行处理结果把关和客户接触的环节，再给到终端客户，这是比较推荐的应用方式。因此，AI技术并不是完全替代人工，而是以一种新的人机结合方式提供服务。
数据、场景为王
记者在试用多个通用与垂直大模型的过程中也了解到，目前大模型输出的结果仍存在无法精准理解用户意图、数据时间把握不准的情况。有时为了获取正确输出结果，仍然需要多次生成内容。由此可见，目前的金融领域大模型仍然有很长的路要走。
那么，未来用户在使用大模型时还有可能获得哪些新的体验？机构将重点投入哪些资源，来不断完善与深入大模型技术在金融领域的发展？
乐识非表示，随着大模型的不断成熟，人机交互的方式将改变为语控万数、语控万物。所有的操作都可以用对话实现，用户可以以自然语言对话的方式来取代各种复杂的交互，信息化时代的菜单、网络化时代的按钮应该都不再需要。为此，恒生电子将在两个方面加强投入。一是加强恒生电子金融行业大模型LightGPT，通过金融领域知识数据的精调，提升LightGPT在金融领域的准确理解能力。二是加强金融领域垂类产品化。基于恒生电子对于金融业务和金融场景的深刻理解和工程化能力，深入金融业务流程，打造专业面向投研、投顾、营销、客服、运营、合规等金融场景的人工智能解决方案及智能产品。
吴珂皓则表示，对于金融企业而言，除了模型本身的技术投入以外，更多的投入将会是在数据和场景上。“借用最近AI投资圈里流行的一句话：‘场景优先、数据为王。’在场景上持续投入，模型本身不是用户需要的，用户需要的还是更加符合其预期收益和风险级别的产品。所以，如何将AI模型的能力渗透进入场景是一门值得大家深度投入的事情。光有模型没有场景，就会陷入拿着锤子找钉子的尴尬地步。”吴珂皓还指出，数据将会是未来金融机构本地大模型差异化竞争所在，只有模型学习了更多、更好的数据后，大模型的真正能力才会得以发挥。
袁雨来也告诉记者，未来理财魔方将继续在全市场数据的收集、模型的进一步提升、构建更多符合客户使用便利性和效果的应用场景上下功夫，让智能财富管理服务变得简单便捷，风险控制得更好，长期收益更稳定，更符合客户个性化的需求。
