天壤韩定一:大模型小样本数据,AI驱动金融数字化|量子位·视点( 五 )


AI+金融 , 数据驱动业务转型和升级再和大家分享一些我们实际做的案例 。
天壤韩定一:大模型小样本数据,AI驱动金融数字化|量子位·视点
文章图片
第一个场景 , 是某银行的确权审批流程 。 网上业务流程开展涉及以下几个步骤:
检测办理业务的人和原来指定的人是否和银行记录的是同一个人、业务申请的签名和原来留在银行的签名是否是同一个人、公司办业务盖的公章和原来留在银行的公章是不是同一个 。 当三要素都匹配的时候 , 流程审核通过 。
原来银行业务花大量时间人工审核 , 几分钟才能审核一笔 , 现在结合各种AI能力和整个流程的自动化 , 可以非常快速地审核 , 基本上可以做到秒批 , 准确率也非常高 , 每一笔审核都不会漏检 。
疫情期间 , 银行财务人员的UKey放在企业办公室 , 但人被封在了自己家小区出不去 , 这时候银行开始开通视频授权进行打款业务 , 解决了大家的燃眉之急 , 背后都靠AI技术来提升整个流程效率和准确率 。
天壤韩定一:大模型小样本数据,AI驱动金融数字化|量子位·视点
文章图片
第二个场景发生在国际结算部门 , 比如国内某公司向国外某公司发货 , 对方未收到货时不会打款 , 但对公司来说资金周转非常重要 , 因此能否有装箱单或者发货单作为凭证 , 当打款风险很小的时候 , 银行进行贷款支持 。
银行业务中原本的单证审核依赖人工效率非常低 。 天壤利用小规模的数据去快速训练模型 , 再结合NLP的预训练模型小数据样本的调整 , 用一个模型快速识别3000种不同的表单 , 准确率超过95% , 减少了90%以上人力工作 。
天壤韩定一:大模型小样本数据,AI驱动金融数字化|量子位·视点
文章图片
第三个场景是在银行风控部门 。 风控部门涉及各种业务审核 , 最大诉求是希望使用模型来解决上百类复杂单证的识别问题 , 基于大模型和小数据训练我们可以快速地产出对应的上百种模型 。 几天产出一个AI模型 , 30天产出10个符合要求的模型 , 100个模型也只需要半年到一年的时间就可以完成 , 且准确率都非常高 , 极大地提高了整个风控部门的业务效率 。
“大模型+小数据”的技术框架 , 最大的亮点就是在能快速适配各种应用场景 , 通过非常好的预训练大模型、结合场景的小数据去落地 。
关于「量子位·视点」量子位发起的CEO/CTO系列分享活动 , 不定期邀请AI创业公司CEO或CTO , 分享企业最新战略、最新技术、最新产品 , 与广大AI从业者、爱好者探讨人工智能的技术理论与产业实践 。 欢迎大家多多关注~