科技赋能对银行的变革，不仅仅在于数字化产品服务创新与客户体验提升，还有银行内部管理效率的持续优化。

  “通过科技赋能，如今江苏苏宁银行能了解每位员工每天的工作量，以及业务部门的最新沟通进展，这都有助于提升江苏苏宁银行的市场反应速度与业务创新步伐，更好地应对瞬息万变的市场环境。”黄进向记者指出。

  值得注意的是，随着今年AI大模型技术异军突起，越来越多银行纷纷试水大模型技术应用，江苏苏宁银行也不例外。

  黄进告诉记者，目前江苏苏宁银行已将大模型技术应用在智能客服场景，未来还将推广至辅助研发、文本生成、催收、智能投顾等领域。

  记者获悉，随着越来越多银行开展大模型研发，有些专家担心若银行大模型自动生成内容高度“同质化”，很容易造成数据与算力等方面的浪费。尤其在算力方面，各家银行每年的平均投入达到数百万元，合计起来可能造成巨大资金资源的“浪费”。

  黄进对此认为，各家银行的大模型技术研发方向，可能会因为业务场景不同而有所差异，但若要减少大模型生成内容“同质化”所带来的资源浪费，相关部门不妨组建一个权威机构，整合各方数据与算力资源进行大模型研发，到时银行根据自身业务需求“使用”大模型技术，或许能达到事半功倍的效果。

  数字化征途的挑战与破局

  《21世纪》：江苏苏宁银行是如何规划自己的数字化发展方向与实施路径？

  黄进：自诞生起，江苏苏宁银行便开启了数字化征途，充分借助科技赋能提升业务效率与服务体验，力争实现“科技使金融更简单”的使命。

  针对数字化的发展方向，江苏苏宁银行明确了两个方向，一是自主可控，即能够自主研发的科技，我们就自主研发；二是聚焦那些能很大程度赋能业务效率提升的科技，比如大数据风控、人工智能等。近几年我们在这些金融科技领域的投入相当大。

  目前，我们感受到这些科技投入已带来相当可观的“回报”。首先，江苏苏宁银行已积累庞大的数据并形成数字资产，将营销管理、客户管理、产品设计、流程设计、员工管理、执行力管理等众多业务流程通过数字化方式组织起来，转化成面向客户和员工的前端产品服务，持续提升金融服务体验与客户满意度；其次，数字化技术给银行带来的明显的降本效果，目前江苏苏宁银行的成本收入比为21.93%，支撑我们开展差异化发展策略，做大做强小微普惠等细分市场业务。

  《21世纪》：在数字化发展过程，江苏苏宁银行主要遇到哪些挑战？如何妥善解决？

  黄进：银行数字化发展过程所遇到的挑战，是多方面的。对中小银行而言，有些挑战显得尤其突出。

  一是金融科技人才培养与招募的挑战。不同于“北上广深”云集众多金融科技人才，江苏苏宁银行不但需要自主培养留住金融科技人才，还得努力争取一些顶尖人才的加盟。在招募一些具有高超金融科技研发水准的特定人才时，我们得开出“相当高的薪酬”。

  二是数据质量和准确性的挑战。一直以来，数据质量与准确性是银行数字化转型的关键，但银行在数据收集、存储与使用等方面往往存在一些问题，比如数据不准确、缺失、重复等。为了解决这些问题，江苏苏宁银行一直致力于加强数据治理，建立完善的数据质量监控和校验机制，同时加强数据源头把控，确保数据的准确性和完整性。

  三是技术架构和系统稳定性的挑战。随着数字化转型加速，江苏苏宁银行同样面临技术架构和系统稳定性方面的挑战。要解决这些挑战，江苏苏宁银行需持续加强技术研发和投入，采取高可用性的技术架构和备份方案，同时加强系统的监控和维护，确保系统的稳定性和可靠性。

  四是数据安全性和隐私保护的挑战。随着国家对数据安全保护的监管日益严格，数据安全性与隐私保护的挑战日益突出。江苏苏宁银行对此一方面需加强网络安全和隐私保护的措施，采用多层次的安全防护体系和加密技术，另一方面得加强员工的安全意识和培训，确保客户信息和交易数据的安全性和隐私保护。

  大模型应用侧重“实用导向”

  《21世纪》：今年以来，AI大模型突然成为银行金融科技创新征途的“热门词汇”，江苏苏宁银行如何布局AI大模型在场景金融服务方面的应用？优先会在哪些业务场景引入AI大模型技术？

  黄进：年初以来，我们注意到AI大模型技术正迅速崛起，且我们判断AI大模型将在众多银行业务场景发挥降本增效的作用，于是我们成立了行级金融大模型项目组，挑选了一批科技研发能力较强、业务思维相当活跃的人员，共同研究如何将AI大模型更好地应用在银行业务场景里。

  目前，我们已率先将AI大模型技术应用在智能客服场景，因为它能明显提升银行智能客服在线问答的智能化程度。此外，我们正在研发AI大模型在辅助研发、文本生成环节的应用，前者能辅助银行研发人员写代码，并开展一些自动化测试，提升业务数字化的研发效率；后者则能提升银行人员写报告的效率，有助于提升银行内部的沟通效率。

  未来，我们还会尝试将AI大模型技术应用在催收、智能投顾等场景。比如在催收环节，我们可以通过大模型技术“分析”银行与逾期贷款人的沟通信息，研判后者的还款意愿，作为优化催收策略的一项辅助工具；再如在智能投顾场景，我们也可以使用大模型技术分析银行与客户在财富管理方面的沟通信息，分析后者的投资需求，提供一些有价值的投顾建议。

  其实，对于AI大模型在业务场景的应用顺序，我们会坚持一个原则，就是会将大模型技术优先应用在那些能帮助银行切实解决金融服务痛点的场景，我们引入大模型技术绝不会为了“赶潮流”，而是要求它能真正解决银行业务发展的实际问题。

  《21世纪》：今年以来，众多银行都对AI大模型应用加大研发投入，会不会导致银行在区块链、元宇宙等其他新科技的研发投入减少？江苏苏宁银行是如何分配自身在各个金融科技研发的投入？

  黄进：无论是AI大模型，还是区块链或元宇宙，江苏苏宁银行对这些新科技的研发投入，只遵循一个原则，就是它是否拥有实实在在的应用场景，帮助银行切实解决业务痛点并达到降本增效目标。

  目前，我们在区块链+金融方面已有所突破，比如在中国人民银行江苏省分行指导下，江苏苏宁银行牵头开发的“江苏省反洗钱关注信息区块链系统”，解决机构之间反洗钱信息孤岛问题，目前江苏省十余家银行机构已接入该系统，提升洗钱风险的整体防范水平。该系统入选江苏省区块链产业发展试点示范项目名单。再比如江苏苏宁银行自主研发的“区块链+物联网”动产质押融资系统，解决了动产质押风控难题。依托良好的动产质押管理水平，这项业务整体不良率控制在0.2%以内。

  在元宇宙方面，我们曾尝试研究元宇宙的“沉浸式体验”能否进一步提升金融业务在线办理效率与客户服务体验。目前通过一段时间的研究，我们发现有些技术仍然相当“超前”，尚未找到合适的银行服务场景。

  所以，我们仍需秉承“把钱花在刀刃上”的理念，只要新科技能切实提升场景金融服务效率并有效解决业务痛点，我们就愿意增加投入。

  科研投入产出比的“权衡”与“考核”

  《21世纪》：您刚提到“要把钱花在刀刃上”，江苏苏宁银行这些年的科研投入，解决了江苏苏宁银行业务拓展过程的哪些痛点与瓶颈？

  黄进：江苏苏宁银行大力发展数字科技，一方面是让客户使用起来更简单，另一方面让员工操作更简单。我们的定位是“科技驱动的O2O银行”，注重线上线下融合发展，主动融入产业场景、交易场景、消费场景等，大力发展场景金融。

  在这个过程，银行主要面临的业务痛点与瓶颈来自两大方面，一是获客渠道方面，表现在触客难，线下风控素材采集的效率低下；数据风控识客难，产业场景中的人、企、物、场风险点众多，纯数据风控难以支撑；线上操作合规难，传统线上线下分离的展业模式存在信息缺失、操作风险高等问题；存量客户运营难，客户运营成本高，亟需贯穿全生命周期的风险运营能力。

  二是在客户营销方面，表现在客户洞察能力较弱，即银行在数据资产场景化应用的方式上比较落后，存在轻视客户体验、粘性、需求满足等情况，难以有效识别客户未满足的需求；业务及渠道之间协同不足，存在各个业务领域重复营销、营销效率较低的问题，容易给用户造成不好的体验；数据分析能力不足，面对海量的用户行为数据，缺乏强大的数据分析能力等。

  针对这些业务痛点瓶颈，江苏苏宁银行通过科技赋能，做出多项业务变革，比如我们推出了远程银行服务，借助视频服务技术、语音识别技术、OCR识别技术等技术，在严守安全性的前提下，把营业厅开在“云”上，让客户足不出户就可以享受银行“不见面，面对面”的线上金融服务，优化了银行业务流程，给客户提供便捷的智能化服务。

  与此同时，我们基于“数据+算法+平台+运营”的数字化模式，尝试引入智能营销手段，将按批次执行的营销活动转为常态化的按日自动化营销，实现基于模型的客户全生命周期管理，努力提升业务营销效率与精准性。

  《21世纪》：受经济环境影响，当前银行也致力于降本增效，对科研投入更注重“投入产出比”。江苏苏宁银行是如何在数字化技术研发投入产出方面取得平衡的？银行内部如何考核数字化技术研发过程的投入产出？

  黄进：围绕数字化技术的投入产出比评估，需要从两个方面综合权衡。一是科技立行是江苏苏宁银行一大发展战略。在战略层面，银行需要对科技研发进行战略性的投入，包括系统升级、新技术的应用尝试等，巩固银行在金融科技方面的优势；在具体业务操作层面，我们会与业务部门保持紧密沟通。事实上，我们的众多数字化产品服务，都是源于业务部门的具体业务需求，科技部门在这些业务需求基础上，评估大概的科技研发投入与预期效果，经银行高层批复后落实相关数字化产品服务研发工作。

  与此同时，我们也会持续跟踪这些数字化产品服务的研发实际成本与实际效果是否达到预期，若实际成本过高且效果不够明显，我们也会及时调整策略。

  目前，为了促进科技研发与业务需求的进一步融合，行内很多业务部门也有自己的科研预算与KPI考核方法，业务部门在使用这些科研预算让我们研发数字化产品服务时，也会对我们的交付成本、交付效率、交付质量等方面进行打分，从而促进彼此产生更好的协同效应。

  如果有些数字化产品服务达到超预期的良好效果，银行也会奖励相关科研人员，形成正向激励机制。

（文章来源：21世纪经济报道）