IBM利用生成式AI推动银行业数字化转型

作者简介：陈剑，IBM 大中华区科技事业部金融行业架构师，资深 IT 专家。 深耕 IT 行业二十余载，积累了涵盖技术产品研发、解决方案架构、团队管理等领域的丰富经验。尤其在银行及金融行业拥有超过 15年的深入服务经验，精通银行系统构建、方案设计、应用开发、服务交付及团队领导，并曾担纲多个关键项目的技术负责人和团队领导者。

全球银行业转型之路与中国银行业的机遇

根据 IBM 商业价值研究院最新发布的《2025年全球银行和金融市场展望》报告，全球银行业正面临前所未有的挑战。利率波动、地缘政治紧张、以及金融科技公司带来的激烈竞争，使得传统银行的盈利能力承压。然而，挑战也伴随着机遇。报告指出，生成式 AI 和人工智能 (AI) 将成为银行业转型升级的关键驱动力，为银行带来客户体验升级、运营效率提升、风险降低和 IT 基础设施现代化的潜力。

生成式 AI 在金融行业的现状与发展趋势

生成式 AI 在金融领域的应用已初露锋芒。从智能客服机器人、个性化金融建议，到自动化后台流程和风险评估，生成式 AI 正渗透到银行的各个环节。然而，如同《2025 年全球银行和金融市场展望》所揭示的，目前银行业对 生成式 AI 的应用仍处于试验阶段。2024年，仅有 8% 的银行在全面性和系统性地开发和利用生成式 AI，而 78% 的银行则采取的仍是战术性方法，进行小范围的试点和尝试。

最近，DeepSeek R1 模型的推出和开源，也为金融业注入了一剂强心剂。开源降低了 AI 技术的使用门槛，使更多中小型银行也能参与 AI 创新。然而，开源也带来新的挑战，例如如何保障数据安全，如何针对金融行业的特殊需求进行模型定制等。

IBM 的观点与解决方案

IBM 认为，银行需要采取一种战略性、负责任的 AI 部署方法。IBM 在 生成式 AI 领域的核心观点是：开放性、可信性、针对性和赋能性。

开放性 (Open):IBM 认为，银行不应该被单一的 AI 供应商锁定。IBM 的 watsonx.ai 平台提供多种模型选择，包括 IBM 自研花岗岩系列模型(Granite)、开源模型 (如 Llama，Mistral，和最新的 DeepSeek R1) 以及与客户一起共同创建和调优的模型。这种开放性使得银行能够根据自身的需求和合规要求，灵活切换模型，避免受到单一厂商锁定和特定模型的限制。

可信性 (Trusted):金融行业对 AI 的可信度要求极高。IBM 的 watsonx.governance AI 治理平台，能够帮助银行加强 AI 开发和使用的整个生命周期中的企业数据和信息安全。通过公平性扫描、数据追踪和实时合规检查，watsonx.governance 可帮助银行建立部署可信、可更新且符合法规的人工智能系统。

针对性 (Targeted):银行业需要针对特定业务场景定制 AI 模型。IBM 提供了多个基于行业相关数据训练的基础模型，例如用于代码生成和现代化的模型、具有各种技能的 LLM 以及针对金融行业信息的模型。此外，IBM 还提供开源的 InstructLab 等模型微调技术和服务，帮助银行利用自身的数据训练出更具针对性、更加高效的 AI 模型。

赋能性 (Empowering):IBM 致力于赋能银行，使其能够掌控自己的 AI 转型。通过 watsonx.ai 平台，银行可以训练、微调、部署和管理 AI 模型，同时保留所创造价值的所有权。这种赋能性使得银行能够构建自己的 "AI 工厂"，加速创新周期，从简单任务的自动化转向复杂任务的自主决策、流程优化和行动 (Agentic AI)。

生成式 AI 的成功落地与实施，是一项复杂的系统性工程，其相关技术和能力建设必须遵循体系化方法进行推进。 IBM 可以通过以下产品和解决方案，帮助中国银行业利用好 AI 进行转型升级：

watsonx.ai：企业级 AI 开发和运行平台，赋能金融新。watsonx.ai 提供 AI 模型从训练到部署的全生命周期工具链，助力银行利用 Granite, Llama, DeepSeek R1 等模型，构建更强大的金融 AI 应用。

watsonx.data：智能数据平台，夯实银行 AI 数据根基。基于开放式湖仓架构，watsonx.data 帮助银行高效管理和分析数据，快速找到并准备 AI 模型训练所需数据，并支持向量数据库集成，为 AI 能力建设提供坚实的数据基础。

watsonx.governance：可信赖的 AI 治理平台，助力银行 AI 应用合规、公平、透明。watsonx.governance 协助银行建立完善 AI 治理体系，助力 AI 模型的使用合规，并兼顾公平性、透明性和可解释性的要求，降低 AI 风险。

watsonx Code Assistant (WCA)：银行开发提效利器。WCA 代码助手赋能银行开发人员，提升编程效率和应用现代化水平，加速软件开发进程，释放创新潜能。

watsonx Orchestrate：银行智能自动化引擎。作为 IBM 重点发展的 AI 智能体平台，watsonx Orchestrate 助力银行将 AI 能力深度融入业务流程，集成各类企业应用和系统，构建自动化工作流程，例如自动化客户服务、风险评估和 IT 运维等，提升运营效率和服务水平。

不仅如此，IBM 咨询顾问团队(IBM Consulting)更可为银行客户量身定制专业咨询服务，从 AI 战略制定、业务流程优化到技术人才培养，全方位护航银行 AI 转型之路。IBM 科技团队(IBM Technology)则以领先的基础设施、软件及服务，为银行 AI 战略落地提供坚实可靠的技术保障。

针对不同规模的银行，IBM 提供以下差异化的 AI 解决方案：

大型银行:大型银行通常拥有更丰富的数据和更强的技术实力，可以利用 watsonx 平台，构建自己的 "AI 工厂"，进行 AI 模型的自主研发和定制。

中型银行:中型银行可以与 IBM 合作，利用 IBM 提供的基础模型和微调服务，快速构建适合自身业务场景的 AI 应用。

小型银行:小型银行可以采用 IBM 提供的 SaaS 化的 AI 服务，实现快速试验和落地，降低 AI 的使用门槛和成本。

对中国银行业客户深入使用 AI 的行动建议

基于上述分析和 IBM 的观点，我们为中国的银行业客户在深入使用AI技术方面提出以下建议：

制定 AI 战略，锚定转型目标：银行需从战略高度重视 AI，确立清晰的转型目标，并使其与自身业务发展战略深度融合。

加强数据治理，夯实 AI 基础:数据是 AI 的基石。银行需要建立完善的数据治理体系，确保数据的质量、安全和合规。

采用混合云战略，灵活部署 AI 应用:结合不同落地场景的实际情况，采用不同的部署架构，在满足业务需求的同时，满足安全和合规要求。

拥抱开源，积极参与 AI 社区:开源是 AI 技术发展的重要推动力。银行应该积极拥抱和利用好开源软件，积极参与 AI 开源社区，学习和借鉴开源 AI 技术的经验，共同推动金融 AI 的发展。

关注 AI 伦理，确保 AI 的公平、透明和可解释:AI 的发展不能以牺牲安全和伦理为代价。银行需要关注 AI 伦理问题，确保 AI 的使用公平、透明和可解释，避免造成歧视和不公正。

加强人才培养，构建 AI 人才梯队:AI 的发展离不开人才的支撑。银行需要加强 AI 人才的培养，构建一支既懂金融又懂 AI 的复合型人才队伍。

共商生成式 AI 赋能金融业之大计

生成式 AI 正在重塑银行业。机遇与挑战并存，唯有积极拥抱 AI，才能在激烈的市场竞争中脱颖而出。我们诚挚邀请您参加 IBM 近期即将举行的面向金融行业客户的线上技术论坛，共同探讨生成式 AI 赋能金融业的战略与实践。让我们携手合作，共商生成式 AI 赋能金融业大计，共同开创中国银行业更加美好的未来!(完)

关于 IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。