国金证券股份有限公司首席信息官 王洪涛

  以大模型为代表的人工智能技术在证券行业的数字化转型中扮演着关键角色，成为将数据转化为知识的重要桥梁。为了平衡证券业务稳定性与前沿技术快速发展之间的矛盾，国金证券股份有限公司(以下简称“国金证券”)创新性地提出了“AI 友好”的理念，积极将大模型应用于AI 交互辅助助手、大模型财富业务和大模型投资管理等领域，赋能业务发展，为数字化转型提供新的抓手和驱动力，培养新质生产力，助力金融强国建设。

一、国金证券大模型建设概况

  证券行业因其丰富的数据资源、良好的数字化基础以及多元化的业务场景成为大模型落地的核心行业之一。国金证券是行业内最早探索大模型的机构之一，通过调动AI 算法、开发、业务人员共同探索大模型应用场景，汇聚AI 能力，构建了多模态大模型中台，充分利用AIGC 挖掘数据中的知识和信息;并以“AI 友好” 的经营理念为推动力，构建敏捷高效、标准规范、开放

  共享、安全可靠的智能金融服务能力，以业务需求为牵引力，赋能存量业务模式创新，推动证券业务创新发展，塑造新一代生产力。国金证券对证券行业数字化转型的新理解如图1 所示。

图1 国金证券对证券行业数字化转型的新理解

  国金证券多模态大模型中台(如图2 所示)的成功落地是多方面因素协同作用的结果，具有一定的自身特色：在“AI 友好”型组织建设方面，形成横向协同、纵向贯穿的AI 治理组织，以金融科技为支撑，全员参与，共同探索;在切入点方面：落地代码助手和AI 办公助手， 沉淀大模型的技术能力，掀起全公司数字化、智能化热潮;在大模型场景方面，涵盖了助手类、财富类、投资管理类等12 类应用场景。国金证券大模型建设情况如图3 所示。

图2 国金证券多模态大模型中台架构

图3 国金证券大模型建设情况

  近年来，国金证券形成了三大类10 个编程场景清单，用于编程辅助、测试辅助和设计评审;提出“由松至紧逐步耦合”的证券行业大模型建设思路，提倡采用外挂式、嵌入式和原生大模型相结合的方式来实现大模型的应用;在探索实践的基础上归纳总结方法论，并提出“AI 友好”治理理念，构建了更多“AI 友好”的管理、技术、业务生态体系，逐步形成“AI 友好”型企业组织， 从战略上注重共赢生态建设引领业务的发展，在本轮AI 革命中赢得竞争优势。

二、国金证券大模型全方位赋能各业务条线

  针对大模型的落地场景，国金证券通过对照监管条例、审视自身资源禀赋和业务场景，以及对投入产出比的初步评估，制定了大模型探索路径，聚焦效率和体验提升，为客户提供更高效和个性化的服务。目前，国金证券着重从两大方面探索大模型应用：一是智能投研，利用AI 算法对大量数据进行深入分析和模型训练，以生成更准确的市场分析和预测结果，帮助研究人员更深入地了解市场趋势、板块轮动和指数周期，做出明智的投资决策、制定风险策略，并提供优质的投资组合配置;二是基于大模型的交互式辅助应用，国金证券正在研究多种开源语言大模型的本地化部署和模型能力的集成整合，并积极探索商业化大模型的应用，包括AI 办公助手、AI 编程助手、数字人智能交互和AI 绘画等，显著提升员工的办公效率，降低企业运营成本。

  1. 以代码大模型为核心，构建智能化开发方案

  国金证券以aiXcoder 代码大模型为核心引擎，结合自身三十年金融行业软件资产沉淀及人工智能生态融合经验，构建了代码大模型的工程化应用框架。综合多种场景的测试结果，AI 编程助手整体提效约30%，在7 个编程场景中展现出比传统开发方式更快的开发速度，其中在日常工作占比较高的2 个场景中，按常识补全对象字段和上下文推理平均分别能提效40% 和30%，有效解决了代码质量参差不齐、单元测试覆盖率低、重复编码等开发痛点，大幅提高了开发团队编码整体生产力和创造力。

  2. 以AI 办公助手为应用切入点，推动数字化转型

  国金证券AI 办公助手集成国内外主流大模型，使员工可通过企业微信或OA 系统与大模型进行交互，大幅提升了办公效率。目前，AI 办公助手已在国金证券全面推广，自2023 年11 月上线以来，全公司5000 余名员工每日平均使用AI 办公助手超1500 次。

  3.AI 文档撰写助手有效聚合和萃取信息，提高文字加工效率

  AI 文档撰写助手提供可灵活配置的报告模板，根据不同的需求自动化生成定制报告(研报摘要、高价值客户建议书、理财月报、员工日报和周报等)。AI 文档撰写助手1 分钟内就可生成人工操作2 天才能完成的报告，目前已生成超2.5 万份客户服务报告，节省了4000 万页报告的人工撰写成本，显著提升了员工工作效率和团队管理效能。

  4. 大模型智能挖掘产业链图谱，支持投研业务决策

  大模型产业链智能挖掘是国金证券研究所金融工程团队在证券行业首先提出的特色应用场景。研究所和科技团队积极合作，进行大模型自动生成产业链图谱的尝试，挖掘最新舆情中的标的、产业链板块、关联度等，分析产业链上下游发展现状，协助研究员快速地认知市场，提升投研的效率和质量。

  5. 大模型赋能量化投资，打造全新投资工具

  使用大模型进行全方位市场情绪分析，可以为发掘价值板块与标的、规避潜在风险提供决策辅助，同时能够实现策略代码的生成和逻辑解释，助力研究所做出更明智的投资决策。例如，近期国金证券利用大模型的舆情分析能力对负面股票进行风险提醒，该功能已在影子账户荐股中得到应用。

三、提出“AI 友好”的人工智能治理理念

  由于金融市场的复杂性和动态性，大模型需要实时更新和学习新的金融知识。与此同时，大模型的性能受到训练数据的限制，如何提高证券场景下大模型生成内容的质量仍有待探索。证券公司大规模应用大模型不仅面临数据治理和安全性等方面的挑战，还需面对IT 稳定性要求与新技术快速发展之间的矛盾。构建“AI 友好” 型组织以及进行“AI 友好”的业务流、数据流设计正是解决这些问题的有效方案。证券公司在制度流程和数据标准等方面以“AI 友好”的理念为导向，可发掘更多的可落地和嵌入的AI 场景，并通过“AI 友好”的管理、技术、业务生态体系，逐步构建“AI 友好”型的企业组织， 从战略上注重共赢生态建设，通过AI 治理机制充分调动生态企业的协作意愿，从而引领业务发展，在这场AI 革命中赢得竞争优势。

  1.“AI 友好”型组织的事务分类

  国金证券将“AI 友好”型组织的各种事务分为可重复验证的事务、可验证但不可重复验证的事务、没有标准答案的事务等三种类型(如图4 所示)。

图4 “AI 友好”型组织的事务分类

  一是可重复验证的事务，如合同是否符合某些合规性要求、身份证和人脸识别、软件运行是否符合预期等。可重复验证场景的目标是将只能由人工执行的流程通过“AI 友好”设计转变为“AI 可重复验证”。可重复验证意味着可以通过自动化执行不断实现对AI 的应用。国金证券提出的“AI 友好”是指选择“可重复验证” 的各类场景，分析其中的卡点环节，通过有意识的设计将目前只能由人工来校验的场景转变为AI 可以自动校验。例如，身份证从15 位升级到18 位，在原来15 位时如果错了一位，图像识别系统是无法识别的，但升级到18 位后，因为有了一个校验位，如果出错，AI 系统就能自动识别出来。这个简单的例子较好地体现了“AI 友好”。

  二是可验证但不可重复验证的事务，涵盖具有博弈性质或满足时间序列特性的场景。例如，针对股市的涨跌可以建立回测模型，但需认识到答案可能并非完全正确。在这一场景中，AI 可以大规模提升效率，低成本地构建大规模服务能力。

  三是没有标准答案的事务，如写作、图像和视频的生成等创意类场景，在这类场景中，AI 系统将成为员工的有力工作助手。

  2.“AI 友好”型组织构建实践与思考

  (1)融合业务，高效运作

  国金证券依托人工智能实现平台化、中台化、定制化协同推进，积极构建AI 技术能力，快速拓展大模型在多元场景的落地。在融合业务、高效运作的“AI 友好” 型组织形式下(如图5 所示)，算法、开发、业务人员共同协作，能够充分调动各方积极性，实现卓越的工作成效。平台化的基础架构确保了资源的高效整合和共享，中台化的设计使得业务逻辑和数据处理更加灵活与可扩展，定制化的方案则能够满足不同行业和客户的特定需求。通过这种高效的协同模式，国金证券不仅提升了AI 技术的开发效率和应用效果，还促进了跨部门的紧密合作与创新，助力整体竞争力的持续提升。

图5 融合业务、高效运作的“AI 友好”型组织形式

  (2)营造公司拥抱AI 的氛围

  在培训方面，国金证券组织了多次代码大模型的专题培训和WPSai、GPT 员工助手的全员培训;同时在公司内部搭建AI 社区，对AGI 技术实践与AI 应用知识进行宣讲，促进员工在AGI 领域的学习和成长。此外， 为了促进AIGC 与业务场景的融合，国金证券组织了多次头脑风暴会，联合各业务专家和技术人员，在研究所、投行、财富管理业务等板块发掘切实可行的应用场景。

  在应用AI 技术时，根据金融科技的发展调整管理制度和规范可能是IT 领导者需要面对的最具挑战性的工作，可以通过教育和提升技能来顺利推进这一过程。员工不愿意使用AI 工具的原因在于担心这些工具会比他们完成得更好，最终使其变得多余;而公司的目标则在于寻找和培养有使用意愿和有AI 技能的员工。首先， 教育是迈向“AI 友好”的第一步——教育可以帮助企业促进AI 的应用，对于一部分员工来说，AI 是一个黑盒， 在使用AI 的过程中只需关心AI 的输出结果，而无需关注决策的过程;对于另外一部分员工来说，AI 仅仅是一种辅助工具，并不能取代他们。其次，促进技能提升，为业务发展注入新活力——通过表彰那些接受AI 的员工来激励其他人效仿;成立AI 学院，教授员工AI 的基础知识，包括其工作原理、诸如机器学习或自然语言处理等术语的真正含义，以及员工如何在业务场景中使用AI。再次，在全公司范围内推广AI，引领创新潮流—— 除员工教育和技能提升外，IT 领导者还必须在整个企业范围内对AI 应用表示支持。为了加速AI 的应用，无论数据成熟度处于何种阶段，都建议证券公司通过已开展的最佳实践来推动特定组织内的变革。

  (3)给人力资源管理带来深刻变革

  自动化技术在成本节约和准确性提升方面展现出显著优势，明显超越了传统人工操作。AI 及自动化技术的应用已是大势所趋。如果不尽快应用这些技术，将造成客户体验不佳且成本居高不下等问题，使公司业务在激烈的市场竞争中失去立足之地，进而对公司的长远发展以及员工的职业发展造成不利影响。对于大部分员工而言，主动拥抱变化才是最优选择——如果自动化工具是辅助性质的，那么员工应迅速学习掌握，以增强自身的竞争力;如果自动化工具是替代性的，员工与公司应尽早筹划相关的培训和转岗计划，以免陷入被动。主动出击、先于他人采取行动，往往能够捕捉到更多的机遇，而被动等待直至最后被迫应对，往往会面临更为严峻的挑战和困境。同时，公司应当依据科技发展趋势来预判人才需求，识别可能出现人员过剩情况的岗位，以便合理调控招聘规模，这一做法既是对公司发展的负责，也是对员工利益的保障。

  (4)优化业务流程和制度，不断积淀实践经验

  大模型旨在让机器具备类似人类的思考能力，然而人类自身亦难以避免错误。为了避免这些错误，国金证券制定了相应的制度规范，实行多人复核的流程。即便如此，流程和制度仍无法完全杜绝失误。因此，国金证券制定了业务应急和补偿制度以及处罚措施。进一步地，国金证券正思考是否应该为AI 的使用制定相关的制度和复核流程。例如，采用多个大模型进行计算，以验证判断的一致性;在工作大模型程序的基础上再配套增加复核大模型程序;探索处罚和赔偿保证金制度等方案。此外，在各类文件和制度中尽量使用确定性语言也是对AI 应用的一种优化，尽可能明确“相关”“有关”等的含义，对于“多少”“大小”“严重程度”制定明确的标准。

四、总结与展望

  近年来，国金证券在AI 驱动和业务需求的双重推动下，致力于打造敏捷、标准、开放、安全的智能服务能力，以推动业务创新。这一智能服务能力将为业务变革和发展提供准确有效的信息和知识，提升企业的投资回报率，助力构建新质生产力。

  在证券行业，大模型技术的探索和应用是一个不断积累、开拓和优化的过程。作为通用技术，GPT 等大模型不仅具备强大的能力，还带来了显著的溢出效应。与互联网和移动互联网的发展历程相似，大模型技术将经历一个“长坡厚雪”的过程，逐步加快其渗透速度，最终引发深刻变革。

  大模型是近年来人类社会最重要的通用技术之一，其能力和应用范围不断延伸，未来有望带来应用爆发和效率革命，成为全行业的新型生产力，不仅能推动行业发展，还将对社会产生深远影响。

  未来，AIGC 和大模型技术将继续引领数字化转型和业务创新，重构行业格局，提升效率，推动社会进步。随着技术的不断优化和深入运用，AIGC 和大模型将成为驱动未来社会发展的核心动力。

  原标题：证券行业大模型引领产业变革： 打造“AI 友好”型组织，培育新质生产力