在银行业数字化、智能化发展的过程中,数字员工成为发展数字金融的重要应用载体,正在重塑银行业的服务模式和创新能力。数字员工已经历基于流程自动化的1.0时代、基于“RPA+传统人工智能应用”的2.0时代,2023年,大模型驱动的生成式人工智能技术掀起新的发展浪潮,数字员工正迈向基于大模型和智能体的3.0时代。数字员工3.0以更贴近人类的方式进行交流和互动,智能化能力和拟人化水平大幅提升,成为推动银行数字化转型、培育金融新质生产力的新型重要应用载体。

为更好推动数字金融高质量发展,助力“人工智能+”金融生态建设,工商银行金融科技研究院牵头,联合华为技术有限公司数字金融军团、北京金融科技产业联盟编撰了《发展新质生产力,开启数字金融新纪元——大模型驱动的数字员工3.0建设应用白皮书》。该白皮书立足金融科技发展前沿,从底层的大模型技术、中间的应用范式能力构建到上层的应用场景落地,同时融汇数字员工的全域安全和全生命周期身份管理,详细描绘数字员工的技术栈和实现路径,深入探讨数字员工应用于智能客服、智能营销、智能风控、智能运营等多个领域的实践案例,并对其管理和安全管控方面进行深入思考,为读者提供丰富的参考。

一、积极应对机遇挑战,

构建新型架构蓝图

基于大模型的数字员工3.0,在任务胜任期望、技术支撑复杂度、身份管理、安全可信等方面均提出新要求。目前,数字员工3.0仍处于起步阶段,对标金融应用的可靠、安全、稳定、规范的高标准要求,数字员工3.0需要各银行机构从深化技术创新、规模化业务应用、优化管理流程、确保应用安全等方面进行体系化规划,指导应用实践。结合工商银行实践,该白皮书建议按照“全域场景赋能、全栈技术融合、全维人格纳管、全辖安全防护”蓝图目标,打造面向数字金融的数字员工3.0体系,实现数字员工高质量、规模化、精品化、全链路的应用建设。

二、全域场景价值赋能,

重塑应用百花齐放

数字员工3.0的真正价值在于规模化、高效赋能业务价值创造。该白皮书基于工商银行多年人工智能实践经验,提炼出一套“两阶段六步骤”的数字员工业务赋能方法论(如图1所示),旨在指导数字员工3.0的金融业务场景高价值挖掘和规模化实施。第一阶段聚焦场景挖掘,通过深入业务一线,从岗位全旅程出发,感受真场景,理解真痛点,形成全链路赋能场景地图;第二阶段聚焦场景建设,让业务部门深度介入方案设计、数据梳理、运营迭代,使业务人员能更直观、专业地对未来工作流进行重塑,确保应用成效。 图1 两阶段六步骤的数字员工业务赋能方法论

三、全栈融合百模千态,

建设敏捷创新工厂

为打造百模千态的数字员工,在技术上,数字员工3.0体系整体采用全栈技术融合模式,按照“三大支柱、一条产线、全量资产”的建设思路,融汇贯通各类人工智能技术,为数字员工研发运行提供全面的技术支撑。一是异构融合,夯实算力、算法、数据三大人工智能支柱,提升整体智能化工艺水平;二是研运一体,打造数字员工一体化产线,封装“数—智—用”三链融合的敏捷研发能力,建立拟人逼真、统一标准的数字员工服务能力,高效满足全领域数字员工生产需求;三是共享共建,建设统一纳管的资产中心,形成数字员工技能研发、组装的统一“零配件供应”。数字员工3.0体系技术架构如图2所示。 图2 数字员工3.0体系技术架构

四、遵从劳动分工本源,

创新数字员工管理

该白皮书建议数字员工管理体系参考人类员工管理模式,从独立身份、权责清晰、专业设岗、统一纳管、数字运营五个方面推进建设。一是建立数字员工身份认证制度,构建数字员工统一运营管理平台,实现数字员工全流程管控;二是明确数字员工建设各方职责,在企业内部形成自上而下的全面建设体系;三是从现有人力岗位序列的具体工作任务切入,明确对客服务和对内赋能两大类数字员工的岗位设计;四是采用融合策略,按照“统一数字员工品牌、差异化岗位数字助手建设”的模式推进数字员工分层管理;五是建立数字员工的评价体系,实现数字员工工作的精细化运营管理。

五、“科技向善”坚守本心,

安全可信夯实根基

数字员工应用的安全性与可靠性是金融应用赋能的红线,不容有失,银行机构应将“安全可信”作为数字员工发展的核心原则和使命担当。该白皮书建议围绕数字员工全生命周期,从安全管理、安全技术、安全运营三个方向体系化构建金融数字员工安全合规能力,保障数字员工业务场景可控可用,从而实现“科技向善”的愿景。

六、数字员工未来已来,

技术革新稳中求进

以大模型为核心的数字员工3.0引领的智慧金融革命浪潮,将为打造一个更加智能化、高效率、广泛覆盖的高质量金融服务体系提供强大动能。银行业应当积极拥抱新技术,建立健全监管机制,深入探索数字员工的应用场景,不断拓展其应用范围和深度,并培养能够与数字员工协同工作的复合型人才队伍,打造人机协作、安全可信、可持续的新型金融服务模式。工商银行期待与各方携手,共同打造新质生产力,迈向数字金融新纪元!

成为VIP会员查看完整内容
0

相关内容

大模型是基于海量多源数据打造的预训练模型,是对原有算法模型的技术升级和产品迭代,用户可通过开源或开放API/工具等形式进行模型零样本/小样本数据学习,以实现更优的识别、理解、决策、生成效果和更低成本的开发部署方案。
《数据跨境实践探索白皮书》
专知会员服务
35+阅读 · 7月11日
新一代人工智能基础设施白皮书,65页pdf
专知会员服务
96+阅读 · 2023年12月30日
数据资产管理实践白皮书(5.0版)
专知会员服务
51+阅读 · 2022年1月11日
专知会员服务
42+阅读 · 2021年8月4日
专知会员服务
210+阅读 · 2021年4月21日
《人工智能计算中心白皮书》,43页pdf
专知会员服务
151+阅读 · 2021年3月5日
《人工智能安全测评白皮书》,99页pdf
专知
31+阅读 · 2022年2月26日
《2021—2022中国大数据产业发展报告》
专知
12+阅读 · 2022年1月23日
白皮书 | 工业智能前沿报告,35页pdf
专知
29+阅读 · 2021年3月9日
2019年中国人工智能基础数据服务行业白皮书
艾瑞咨询
27+阅读 · 2019年9月16日
【数字化】制造业数字化转型的实战路线图
产业智能官
39+阅读 · 2019年9月10日
机器人4.0白皮书(附下载)
人工智能学家
15+阅读 · 2019年7月2日
自动驾驶最新综述论文(31页PDF下载)
专知
118+阅读 · 2019年1月15日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
148+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
378+阅读 · 2023年3月31日
Arxiv
133+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
《数据跨境实践探索白皮书》
专知会员服务
35+阅读 · 7月11日
新一代人工智能基础设施白皮书,65页pdf
专知会员服务
96+阅读 · 2023年12月30日
数据资产管理实践白皮书(5.0版)
专知会员服务
51+阅读 · 2022年1月11日
专知会员服务
42+阅读 · 2021年8月4日
专知会员服务
210+阅读 · 2021年4月21日
《人工智能计算中心白皮书》,43页pdf
专知会员服务
151+阅读 · 2021年3月5日
相关资讯
《人工智能安全测评白皮书》,99页pdf
专知
31+阅读 · 2022年2月26日
《2021—2022中国大数据产业发展报告》
专知
12+阅读 · 2022年1月23日
白皮书 | 工业智能前沿报告,35页pdf
专知
29+阅读 · 2021年3月9日
2019年中国人工智能基础数据服务行业白皮书
艾瑞咨询
27+阅读 · 2019年9月16日
【数字化】制造业数字化转型的实战路线图
产业智能官
39+阅读 · 2019年9月10日
机器人4.0白皮书(附下载)
人工智能学家
15+阅读 · 2019年7月2日
自动驾驶最新综述论文(31页PDF下载)
专知
118+阅读 · 2019年1月15日
相关基金
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员