本文为中国光大银行科技研发中心副处长张洁，作客金融电子化“你问我答”栏目，围绕RPA技术的优势与应用情况，及ChatGPT对金融行业的影响分享行业痛点及解决办法的观点整理。
主持人：张处您好，您认为在金融业务中，RPA技术有哪些优势和应用场景？
张洁：主持人好，我认为RPA是一种通过软件机器人模拟人类用户的操作，自动执行重复性、规范性、高频率的业务流程的技术。
在金融行业中，RPA技术具有许多优势，并且在多个应用场景中得到广泛应用。首先，RPA技术可以显著提高操作效率和准确性。金融业务中涉及大量的重复性操作，例如数据填报、数据比对、数据维护等，这些操作容易引发人为错误和疏漏。通过使用RPA技术，可以将这些重复性操作交由机器人来执行，从而避免了人为错误，并且可以在短时间内完成大量的任务，提高了操作效率和准确性。
其次，RPA技术可以实现业务流程的自动化和标准化。金融业务中的一些复杂流程涉及多个系统和应用的交互，例如账户年检、报表生成、报告整合等。通过使用RPA技术，可以将这些复杂的流程自动化，并且按照预先设定的规则和标准进行执行，从而保证了业务流程的一致性和标准化。
第三，RPA技术可以提高业务的灵活性和响应速度。金融业务中，市场和客户需求的变化时刻存在，业务流程需要随时调整和优化。通过使用RPA技术，可以轻松地调整和优化机器人的执行流程，从而快速响应业务需求的变化，提高业务的灵活性和响应速度。
主持人：好的，那您能否介绍下RPA机器人在光大银行的应用情况。
张洁：好的，目前中国光大银行一直积极探索和应用新技术、新模式、新业态，提升客户体验和服务质量，我们在RPA的应用方面也取得了一定的成绩，2018年我行首次引入RPA机器人，应用于对公开户人行账管系统查询、报备等业务场景，大大节省柜员操作时间，减少了客户等待及服务时间，提高了操作的准确性，提升了客户体验及满意度。
经过这些年对RPA应用的探索，我们发现，发展“RPA数字员工”不仅是技术创新，更是改变组织结构与分工、提升效能、加速企业数字化转型的战略创新。为了更好的应用RPA，光大银行以企业级、平台化为指导思想，自主研发了企业流程自动化平台，面向全行用户和系统输出标准的自动化处理能力。平台纵向兼容多RPA厂商产品，横向集成了我行已有AI和基础服务能力，纵横兼顾形成技术底座，在技术底座之上，平台还建设了流程编排、移动化运营中心、机器人工厂、效能中心、场景集市等功能模块，实现了智能自动化流程从发现、设计开发、运营、后评价到持续优化的全生命周期管理，有效支撑了光大银行智能数字员工的运营管理体系。
平台自2022年1月上线，截至今年3月，场景数量已经扩展到近300个，日均执行1万次以上，年均节省人力约400人年，取得了较好降本增效的效果。未来，我们将继续加强RPA技术在核心业务流程中的应用和创新，推进数字化、智能化、自动化的转型，进一步提高工作效率和服务质量，提高客户满意度和市场竞争力。
主持人：在RPA推广方面，光大银行有什么宝贵的经验和策略能分享一下吗？
张洁：RPA的推广，首先需要高层支持和战略规划。公司领导层高度重视RPA技术的应用，将其纳入数字化转型战略，并提供必要的资源和支持。此外，光大银行充分认识到RPA不仅是一种技术工具，更是一种战略性的业务改进方法，能够从根本上改变业务流程和提高业务效率。
在符合公司战略的基础上，光大银行首先从业务流程优化出发，注重将RPA技术应用于业务流程的优化，而不仅仅是简单的自动化。在推广RPA时，先进行详细的业务流程分析，找出存在的痛点和瓶颈，然后通过RPA技术实现流程的自动化和优化，提高效率和降低错误率。
光大银行在RPA推广中注重跨部门的合作和协同推进，充分发挥各方的优势，共同推动RPA项目的落地和推广。光大银行RPA平台实施及推广整体上采用“总行搭台，分行唱戏”的方法，即由总行进行智能化平台建设及场景运维工作，分行负责智能流程自动化场景挖掘和应用工作。这种跨部门合作和协同推进的方式有效地加快了RPA技术在光大银行内部的推广速度。
光大银行在RPA推广中积极与RPA技术供应商、合作伙伴紧密合作，共同推动RPA技术的研发、优化和应用，充分发挥合作伙伴的专业优势，实现技术共建共享，促进RPA技术的持续发展。
同时光大银行在RPA推广过程中不断进行优化和改进，及时总结经验，优化RPA流程，不断提升RPA系统的稳定性、可靠性和效果。同时，也积极借鉴其他机构的经验和做法，不断改进RPA推广策略，以确保RPA在实际业务中能够取得持续的推广效果。
主持人：最近ChatGPT火爆引发各行业对AI技术发展及AI大模型应用的广泛关注，能否介绍下光大银行AI技术应用情况？
张洁：近年来，光大银行加大科技投入，积极探索人工智能技术赋能我行业务应用，以加速推动数字化转型进程，当前已取得卓越成效。
为快速支持业务通用AI需求，光大银行沉淀成熟企业级AI能力，包括生物识别技术、虚拟人像技术、NLP（自然语言处理）技术、TTS（拟人化语音合成）技术、ASR（语音识别）技术、OCR（光学字符识别）技术，已应用于生物识别、智能客服、智能风控、智能网点等场景；针对业务定制化AI需求，光大银行构建了企业级人工智能平台，覆盖AI模型研发全生命周期，AI模型研发人员基于该平台已自研多项具有自主知识产权AI模型，可快速满足多部门定制化AI需求，已服务于托管、零售、消保、信贷、风险监控、信用审批等多个业务。
为避免AI竖井应用，光大银行构建AI能力中台，纳管已有AI能力，实现AI能力共享复用，以节省业务人力成本并将AI能力融入到金融科技生态圈，可速响应业务多样化需求，承受未来市场的不确定性和不可预测性风险。仅2022年，AI中台对内提供111项AI服务接口，日均交易量高达280万，大大提高业务效率。
主持人：光大银行针对AI大模型发展有什么看法，AI大模型能否在金融领域落地并赋能更多业务场景？
张洁：近期，随着ChatGPT的爆火，其背后的大模型技术也逐渐走入人们的视野，各行业纷纷对这一赛道进行布局，光大银行也投入科技人员积极跟进AI大模型应用于金融场景可行性。与当前决策式AI模型仅处理特定场景任务不同，大模型不仅能够处理多任务，同时还可以学习归纳、演绎创造，在解决AI模型碎化以及泛化能力不足等问题的同时，可大幅提升生产力水平。
大模型之所以有良好通用性和泛化性，离不开海量物料、庞大算力以及优秀算法的加持，同时为了让大模型解答问题更符合人类预期，大量人力指导性训练已是训练不可或缺的步骤。基于以上资源高条件要求以及金融领域合规性等要求，从头训练大模型对于金融领域来讲不太现实也没有必要，以AI大模型私有化为底座，基于“大模型+微调”方式，通过零样本、小样本训练来服务金融细分场景，是AI大模型落地金融领域当前最为快捷的方式。
尽管AI大模型回答问题能力已接近人类水平，但其回答合规性以及伦理道德问题还需进一步解决，因此，AI大模型更应该以一个“智能业务助理”的身份来赋能金融领域业务场景，如企业内搜：与知识库相互结合，帮助员工快速找到问题解决方案并生成想要结果，提升工作效率；文本生成创造：可做市场分析、托管需求编写、代码生成等工作，减少重复性工作；问答场景，更好理解用户意图，提升连续对话能力，提升客户体验友好性；风险管理：对关键要素提取、资料自动化审核、风险点提示等风控领域的业务流程，提升风控相关业务的自动化水平。以上场景只是AI大模型在金融领域应用很少一部分，随着AI大模型技术的逐步成熟，相信会有更多业务场景会被赋能，可推动金融领域全面迈向智能化水平。
主持人：感谢张处的精彩分享，让我获益良多。
本文转载自金融电子化，如有侵权，请联系删除。
原文标题：《RPA & AI 助力光大自动化、智能化发展》
