▎案例1：招商银行基于大模型的数据分析实践

招商银行基于大模型开发DataGPT，提供大模型交互式数据分析问答能力，实现数据查询、图表绘制、深度分析等功能，实现门槛低、成本低、个性化的数据分析目标。

完整内容：招商银行基于大模型的数据分析实践

▎案例2：平安银行大模型应用探索

完整内容：平安银行大模型应用探索

▎案例3：民生银行“慧码”旅程指导方法实现代码大模型规模化应用

民生银行构建了研发辅助代码大模型，将智能代码助手分为6个级别，从无AI辅助到全自主自动化，以清晰地观察和规划代码大模型的发展。

当前，民生银行分阶段开展工具试点应用，并逐步推广。试点评估显示，AI代码占比达到20%-30%，生成采纳率超过30%，接近业界实践水平，通用类技术研发场景辅助效果显著，提升了研发效能。

面对银行的复杂流程，为了突破测试人员的个人能力和智力限制，提高测试人员效能，中信银行基于大模型技术和高质量数据资产，在软件测试领域打造了测试大模型“第二大脑”，探索大模型在软件测试生命周期各个环节的应用，辅助测试人员提升测试质量和效率。

完整内容：中信银行测试大模型建设实践

金融机构在反洗钱领域面临大量可疑交易报告的处理，这些报告需要人工进行调查、分析和撰写，耗时且效率不高。兴业银行自主研发了基于GPT-3.5模型的可疑交易报告智能生成模型AML-GPT，利用大模型和自然语言处理技术，专注于反洗钱领域的分析和报告生成，将基层员工从繁琐的手工报告中解放出来，处理可疑交易报告的时间大幅缩短，提高了工作效率。

案例选自：2024年生成式AI案例研究简报（7月） （276 个案例/324页PPT）

当前，浦发银行正在探索个性化营销类、风险信用评分类、报告生成类、客服/坐席支持类、代码生成类大模型应用。

以客服/坐席支持类应用为例，在传统规则库的基础上，浦发银行利用大模型辅助客服/坐席，实现显著提升：

第一，跨模态对话服务。大模型能够处理多模态数据，提供更智能化的服务，改善客户体验。

第二，自动化生成运营知识。通过自动化技术，减少了运营维护的工作量，提高了效率。

第三，基于大模型的检索。大模型的应用提升了知识检索效率，使得客服能够快速准确地找到所需信息。

完整内容：浦发银行大模型应用实践