INSTABASE 全球金融服务负责人阿迪蒂·苏巴拉奥（Aditi Subbarao）在“纽约金融服务人工智能峰会——生成式人工智能在贷款发放中的应用”上的发言

Instabase金融服务负责人阿迪蒂·苏巴拉（Aditi Subara）通过一个即兴问答，将迈克尔·法拉第的科学贡献与埃隆·马斯克具有深远影响的技术应用进行了对比。这突显了将人工智能的潜力转化为金融服务领域切实商业价值的目标，这与马斯克通过特斯拉所产生的影响如出一辙。

Instabase 帮助企业将非结构化数据转化为可操作的洞察，从而解决数据分散的问题。人工智能就像电动机一样，依赖于数据。而大多数企业数据都是非结构化的。 金融服务领域的早期人工智能主要专注于流程优化，将原本由人工完成的任务自动化。起初，人工智能仅从单个文档中提取数据，但如今生成式人工智能已能整合并分析来自多个文档的数据。贷款发放便是这一趋势的典型例证：人工智能会汇总工资单、银行对账单和雇佣证明中的数据，从而确定借款人的收入情况。

人工智能的潜力不仅限于文档处理，更在于通过整合内部和外部数据来构建全面的视图。下一阶段的目标是在建立安全保障措施的前提下实现自动化决策。企业拥有海量的数据源和众多潜在的人工智能应用场景，应重点关注那些在数据处理上耗费最多时间且影响重大的领域。本文概述了一个由三大支柱构成的框架：运营数据处理、特定数据查询以及知识检索，旨在帮助系统性地识别跨职能部门的人工智能应用场景。

通过自动化从各类文档中提取和整理数据，可以提高贷款发放等流程的效率。人工智能能够创建聊天机器人来查询静态数据集（例如承保指南或费用政策），这彰显了其灵活性。像ChatGPT这样的技术进步使人工智能能够与数据进行交互、回答复杂查询并提供更深入的洞察，从而提升数据分析能力。有效的AI解决方案需要将语言模型与视觉识别及版式感知能力相结合，以全面处理复杂的企业数据。

这些对于确保人工智能的准确性和可靠性至关重要。人工智能系统应经过严格审查，并配备置信度评分和人工审核机制。并非所有任务都需要复杂的人工智能解决方案，因此组织应根据收益与风险权衡来决定在何处应用人工智能，避免过度依赖大型语言模型。应用人工智能涉及识别合适的使用场景，在运营、查询和知识管理等职能中系统性地应用人工智能，并确保进行全面的测试和治理。

人工智能在贷款发起方面的能力包括从复杂文件中自动提取数据，并将这些数据转换为结构化数据，供贷款发起系统、定价引擎或风险管理系统等下游系统使用。 Instabase在新冠疫情期间的一个案例很好地说明了这一点：一家美国银行因参与薪资保护计划（PPP）贷款项目而面临贷款申请激增的情况，该行利用Instabase在六天内构建了解决方案，将处理能力从每天10,000笔贷款提升至每小时10,000笔，充分展示了人工智能在显著提升运营流程生产力方面的潜力。

为组织内的特定功能构建专用聊天机器人，例如查询承保指南。聊天机器人负责处理固定数据查询，并提供精准的答复。借助对话式人工智能，用户可以与数据进行交互，就特定文件或数据集提出问题，并获得详细且符合上下文的回答。

健全的治理框架、数据安全政策以及严格的测试流程对于验证人工智能的输出结果至关重要。各组织必须确保人工智能模型准确、透明且可追溯，能够解释其运作原理，并追溯数据来源和计算过程。

人工智能的战略应用需要审慎选择应用场景，在组织的各个职能部门中推广应用，并确保进行全面的测试和治理。通过聚焦对业务影响最大的领域，利用人工智能提升运营效率、实现特定数据查询，并整合健全的治理框架，企业便能充分发挥人工智能的全部潜力。