无法替代银行人的DeepSeek

对于业内人士来说，一件非常“恐怖”的事情是，作为一线基层员工，其实很多银行家并不是特别感冒甚至抵触科技创新。

没有他，有两个原因。第一，担心技术的升级，会导致自己被“取代”；第二，出于学习成本，觉得自己也“应该”做简单重复的事情。

当然，每次有关于AI是否会取代人类的争论，我都会给出自己的看法：

AI无法取代“社会属性”如此强大的银行家。

图表：银行前、中、后台应用大模型技术

众所周知，银行业在整个社会的行业属性是服务业。无论是一线业务岗位还是核心管理，与人打交道都是必不可少的。一些标准和规模不是DeepSeek看起来懂“与人打交道”的人能解决的。

而且，如果把这个问题抛给DeepSeek本身呢？

这是一个答案:“与其说AI会取代人类，不如说它会推动金融从业者向“AI强化人才”进化。具有人机合作能力、业务和技术跨界视野的专业人士将获得更多的职业发展空间。”

许多银行访问DeepSeek

作为一个数据密集型的银行业，它曾经是一个大型落地优先产业，现在DeepSeek出现了，很多银行也纷纷加码赋能。

工行实践科技自强战略，积极拥抱新技术变革。基于自主开发、全栈自主可控的大模型平台——工银智涌，率先在同行业引进DeepSeek系列开源大模型底座，向全行开放使用，全面提升智能服务能力，为全行高质量业务发展注入新动能。

图片：中国工商银行

2024年上半年，工行开始在行业内部署和试点应用DeepSeek系列开源模型。本次引进的DeepSeek最新开源模型具有行业领先的复杂推理能力，进一步丰富了工行大模型矩阵，为全行员工提供了更高效、更方便、更安全的AI生产力工具，完成了AI技术在全行的普及应用。

通过集成DeepSeek-V3和轻型DeepSeek-R1模型，邮储银行进一步提高了其自身大模型“邮智”的多模态处理能力和计算效率。DeepSeek的高效推理能力帮助邮储银行提高了反欺诈、案件分析等领域的风险识别准确性和质量，同时扩大了数字柜员的服务场景。

通过引进DeepSeek-R1和DeepSeek-V3模型，北京银行与华为合作，率先实现DeepSeek系列模型全栈产业化金融应用。北京银行在多个关键需求场景中试点应用，大大提高了服务效率和效果。

图片：北京银行

重庆农村商业银行宣布，借助腾讯云大模型知识引擎的能力，将“AI小渝”应用于DeepSeek模型智能助手，构建分钟响应智能客服系统，实现个性化资产管理建议，提升信贷评估和市场策略。

基于前期的丰富积累，重庆银行迅速利用DeepSeek大模型对智能客服知识库进行了深入分析，完成了更准确的语义理解、逻辑判断和多轮对话能力，验证了大模型提高了一线服务专业性和服务响应速度的有效性。

图片：重庆银行

2024年，苏商银行推出了DeepSeek系列技术，结合原有的大模型能力，在模型轻量化和高效推理方面取得了显著突破，推动了数字金融服务的智能化升级。通过DeepSeek-VL2模式模式，非标材料处理难题成功解决，信用审核全过程效率提高20%。

江苏银行：依托“智慧小苏”大语言模型服务平台，本地化部署微调DeepSeek - 多模式VL2模式，轻型DeepSeek - R1推理模型，各自用于智能合同质检和自动估值查账场景。

图片：江苏银行“智慧小苏”计划结构图

海安农村商业银行:在营销场景中使用DeepSeek，比如让DeepSeek从资本实力、市场份额、服务质量、风险控制、金融产品、社会责任等维度对海安农村商业银行进行分析总结。

除银行外，包括广发证券、国泰君安证券、国金证券、汇添富基金、景顺长城基金等多家证券基金企业，最近也正式宣布已经完成了DeepSeek的本地化部署。

“不可替代”不等于金饭碗

但是，危机意识是必要的。

随着科学技术的发展，银行智能设备日新月异，从最早的ATM机、手机网银、网银到移动银行、智能柜台，越来越先进。

这些技术不仅促进了银行业务的智能化，也为客户提供了更多的便利。但是这么多年过去了，银行员工的数量和岗位的变化似乎并不是特别明显。

由于科技的发展，银行确实解放了一些柜台服务窗口和人力，但更多的是优化和调整岗位，越来越多的银行家承担着营销的责任，而不是直接被淘汰。因为银行的盈利模式和运营模式也在发生变化。

图表：部分头部银行大模型应用领域

虽然人工智能强大的学习能力和数据分析能力是人类所不具备的，但程序化设置的过程在创新和适应能力方面并不个性化。从这些方面来看，人工智能还有很长的路要走，特别是在情感和创新方面。所以，居安思危是对的，但也不必过分担心。另外，目前的技术一天万里，时代的发展是任何人都无法阻挡的，现在担心也没用。真的到了那一天，估计没有哪个行业能幸免。

DeepSeek可以为银行家做些什么？

对于金融行业来说，DeepSeek不是颠覆者，而是赋权者。金融行业，尤其是银行业，对安全合规性的要求比较高，但大模型导出仍然不可控，如果直接面对客户，仍然存在隐患。现阶段的使用场景仍然是大模型，负责生成内容，手动审核。

图片：基于AIGC的抵押贷款风险控制

对于传统金融机构来说，拥抱AI变革是必不可少的，估计的核心理念包括:一是降低成本，减少重复人力投入，释放员工专注于高价值任务；二是可控风险，实时监控市场和运营风险，防止巨大损失；第三，体验升级，提供个性化、即时化的服务，增强客户粘性；第四，创新驱动力，通过AI技术创造差异化竞争优势，抓住市场机遇。

以DeepSeek-R1为例，它具有高性能推理、强化学习驱动、长链推理支持等特点，尤其是在数学、编程和科学领域。这一特点更适合银行涉及大量数据处理和决策分析的场景。

举例来说，在风险评估领域，DeepSeek-R1能更好地整合客户多维数据，构建更准确的风险评估模型，更全面、更准确地评估客户的信贷风险、市场风险等。利用DeepSeek-R1强大的自然语音处理和高性能推理能力，智能客户服务和营销领域，可以更准确地了解客户的意图，更全面地评估发掘隐性需求，智能地推荐合适的金融产品。

图片：银行AIGC落地策略

当然，在这个阶段，DeepSeek并不完美。举例来说，尽管DeepSeek“看起来像是一个能够提供相对完整解决方案的专家，但是随着人们应用场景的不断增加，它也逐渐发现了许多“不可靠”的时刻。

目前，一些用户已经发现DeepSeek有一个严肃的“废话”。例如，在生成学术论文材料时，DeepSeek会生成不存在的材料，或者指向不相关的论文。在这种情况下，如果直接应用于严谨的银行业，就会产生不可控的后果，比如AI产生了扭曲的市场分析，客户根据AI的错误信息做出投资决策。

图片：人类与AIGC工具的合作方式

另外，由于行业的特殊性，金融通常比其他行业对数据的安全性要求更高，当地部署大模型可能会成为金融机构的普遍选择。DeepSeek-R1发布后，金融企业可以以相对较低的成本在当地部署一流能力的大模型，将当地数据与大模型相结合，打造企业专有模型，更有针对性地赋能每一个场景。

结语

从历史发展的角度来看，提高人力产出效率是技术进步的重要方向。作为一项新技术，人工智能的有效应用可以提高银行家的产出效率。当然，人工智能技术可能会取代人力。

只有高级投资经理、合规顾问、客户关系维护等涉及复杂决策、人际交往或创造性思维的岗位，仍然依赖于人类的经验和判断，才很难被大模型所取代。

当然，新技术也创造了新的工作需求， 将来，大概只有能够完全控制AIGC的银行家，才不会被AIGC所取代。

本文来自微信公众号“楼卓昊Fintech”，作者：楼卓昊，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com