【導語】AI賦能公募各平臺業(yè)務(wù)發(fā)展，未來機遇和挑戰(zhàn)并存

中國基金報記者 曹雯璟

人工智能已經(jīng)成為金融行業(yè)數(shù)字化轉(zhuǎn)型升級新引擎。目前，匯添富、中歐、鵬華、永贏、德邦等一批大中型基金公司，已經(jīng)將人工智能融入到投研、合規(guī)、風控、客服、營銷等每一個關(guān)鍵環(huán)節(jié)，加速推進大模型結(jié)合基金行業(yè)場景的落地應用。

多位業(yè)內(nèi)人士表示，目前，?cè)斯ぶ悄軐鹦袠I(yè)的影響已經(jīng)體現(xiàn)在方方面面，隨著人工智能技術(shù)的不斷突破和迅猛發(fā)展，公募基金已經(jīng)迎來數(shù)字化和智能化齊頭并進的時代。

強化各平臺賦能

人工智能開辟新思路

在金融領(lǐng)域，?cè)斯ぶ悄苡绕涫谴竽Ｐ图夹g(shù)的應用正受到前所未有的關(guān)注。今年以來，一批中大型基金公司通過深度整合人工智能、大數(shù)據(jù)等技術(shù)，加速投研、銷售、運營、合規(guī)、風控等多個業(yè)務(wù)領(lǐng)域發(fā)展和創(chuàng)新。

記者了解到，目前，一些基金公司結(jié)合業(yè)務(wù)痛點，在固收臺賬文本解析、研報解析、智能軟件研發(fā)助手等方面進行深入探索。例如，匯添富基金在固收臺賬信息提取探索中，嘗試使用微調(diào)的開源大模型，解析準確率可達到98 %以上，相比原來的人工手工處理及傳統(tǒng)正則表達式解析方式，不僅提升了業(yè)務(wù)人員的工作效率，也提高了臺賬復核準確度。

也有一些基金公司采用了“AI+基本面”的主動量化策略，以基本面多因子量化這一有效工具力爭增厚收益。鵬華基金表示，通過AI機器挖掘股票因子的效率明顯優(yōu)于人工，且能夠有效降低因子重合度，產(chǎn)生額外的阿爾法效果。目前，鵬華主動量化策略大致形成了以“基本面選股”為底層邏輯、“基本面、量價、另類”為核心維度的多因子框架，還包括ESG（環(huán)境、社會和公司治理）評級、輿情和專利等數(shù)據(jù)，其中較為重要的是輿情信息。

人工智能還觸發(fā)公募基金行業(yè)更多的業(yè)務(wù)場景變革。據(jù)中歐基金介紹，在交易風控方面，公司在傳統(tǒng)技術(shù)基礎(chǔ)上應用BERT和Siamese網(wǎng)絡(luò)、OCR等人工智能技術(shù)建設(shè)了一套成熟、完整的“智能交易對手管理系統(tǒng)”。在客戶服務(wù)方面，公司引入智能IVR系統(tǒng)，通過使用語音識別(ASR)、自然語言處理(NLP)和機器學習等技術(shù)自動、精準、全天候處理客戶查詢，減少人工客服依賴，大幅降低運營成本。在數(shù)字化營銷方面，公司搭建企業(yè)級大數(shù)據(jù)平臺，分析和挖掘海量用戶數(shù)據(jù)，構(gòu)建出客戶360度標簽畫像，極大提升營銷轉(zhuǎn)化率及客戶粘性。

德邦基金積極引入RPA（機器人流程自動化）、LLM（人工智能大型語言模型）、數(shù)字人等先進技術(shù)，通過“海納百川金融大模型聚合平臺”、“德邦知樹大數(shù)據(jù)分析平臺“、”德邦智能化物料生產(chǎn)平臺“等項目來為投研、銷售、運營各業(yè)務(wù)條線賦能。

永贏基金也在結(jié)合大模型的特點和公司的實際情況，嘗試在文件解析、語義識別、圖像識別等方面的應用，比如通過語義識別實現(xiàn)對聊天記錄快速整理成結(jié)構(gòu)化數(shù)據(jù)的需求；對員工證券申報記錄快速整理和匹配等應用場景等。

仍面臨諸多難點和挑戰(zhàn)

當前，越來越多的基金公司正積極運用AI新技術(shù)賦能各部門業(yè)務(wù)發(fā)展，但在實際工作過程中，?cè)悦媾R不少難點和挑戰(zhàn)。比如，不同知識庫的構(gòu)建結(jié)合、數(shù)據(jù)安全、人才培養(yǎng)、巨大的投入成本等。

匯添富基金表示，公募基金行業(yè)在金融科技的探索實踐中，主要面臨以下難點：一是數(shù)據(jù)安全。如何讓敏感數(shù)據(jù)在本地大模型上處理，非敏感數(shù)據(jù)調(diào)用通用大模型，兩者的結(jié)合特別需要深入思考；二是大模型幻覺控制。專業(yè)領(lǐng)域?qū)蚀_性的要求較高，通用大模型在專業(yè)領(lǐng)域很難達到，需要精準、復雜的邏輯控制大模型相關(guān)的任務(wù)鏈條，另外也需要專門的評估體系評測準確性、應用效果等；三是行業(yè)級的數(shù)據(jù)清洗支持。在微調(diào)大模型時避免不了需要大量的數(shù)據(jù)支持，公募行業(yè)特別需要專業(yè)的行業(yè)級數(shù)據(jù)支持；四是行業(yè)知識庫與本地知識庫的建立相結(jié)合，需要整個公司乃至整個行業(yè)的集體貢獻，大模型的進步需要建立在知識庫積累的基礎(chǔ)上。

業(yè)務(wù)融合應用和人才培養(yǎng)也是目前基金公司在金融科技發(fā)展中面臨的挑戰(zhàn)。永贏基金指出，一方面，當前環(huán)境下，業(yè)務(wù)發(fā)展和變化加快，需要金融科技在系統(tǒng)建設(shè)方面采用更加敏捷的方式，實現(xiàn)對業(yè)務(wù)的快速高效的響應；另一方面，在金融科技建設(shè)過程中，需要更多的復合型人才，能夠理解業(yè)務(wù)，將業(yè)務(wù)要求轉(zhuǎn)化成系統(tǒng)設(shè)計和實現(xiàn)，這樣的人才是很難在學校中通過學習計算機技術(shù)而培養(yǎng)出來的。

此外，成本問題也是難點之一。金融科技的成本投入是巨大的，這從行業(yè)頭部公司的報表中可以管中窺豹。德邦基金指出，對于行業(yè)中的大部分公司，需要通過拉長投入周期來稀釋成本。在這個長周期中，不僅要面對各種問題和挑戰(zhàn)，還需要平衡成本、短期訴求、長期戰(zhàn)略之間的關(guān)系，所以戰(zhàn)略聚焦和持續(xù)性就非常重要。這涉及到技術(shù)資源和業(yè)務(wù)訴求的平衡，必須有所取舍。

未來人機結(jié)合將更深度融合

人工智能的應用正成為推動公募基金行業(yè)向高質(zhì)量發(fā)展的關(guān)鍵力量。中歐基金董事長竇玉明認為，公募基金行業(yè)已經(jīng)迎來了新的變化——數(shù)據(jù)化和智能化的時代合流并進。未來，?cè)藱C結(jié)合會有更深度的融合，智能模型的出現(xiàn)會賦能偏長線的投資研究。依靠這些通用大模型的幫助，一些頂尖的研究員原來只能研究100只股票，現(xiàn)在可以覆蓋500只股票，使得研究的效率大大提高。對于基金經(jīng)理也會有相應的研究支持和賦能作用，誰能更好地利用這些工具誰就有希望在未來獲勝。

“展望未來，金融科技對公募基金業(yè)務(wù)的效率提升有著巨大的發(fā)展?jié)撃?，一定是建立在大模型與業(yè)務(wù)深度結(jié)合的基礎(chǔ)上的。”匯添富基金表示，首先是體現(xiàn)在基金行業(yè)的重點—投研領(lǐng)域，包括研報摘要、研報問答、研報翻譯等；其次大模型在提供輔助代碼插件、做代碼審查、輔助寫腳本和查詢語句等，也有著優(yōu)秀的表現(xiàn)，可以進一步提升業(yè)務(wù)效率；再次，大模型可以提供營銷材料擴寫、創(chuàng)意提示、通用的知識檢索、輔助辦公自動化等，?cè)嫣嵘麄€公司的效能。

在德邦基金 CT0李鑫看來，未來，公募基金在金融科技上大體還是圍繞“投研數(shù)智化、銷售一體化、運營自動化”與“全流程風控”這3+1的整體方向來發(fā)展。具體發(fā)力點有如下幾個：1）利用LLM和AI技術(shù)推動智能投顧發(fā)展，完善投顧業(yè)態(tài)建設(shè)；2）利用大數(shù)據(jù)分析提升投資決策的精準度；3）利用人工智能技術(shù)優(yōu)化客戶服務(wù)體驗。

編輯：艦長

審核：木魚