引發全網轟動的 ChatGPT 究竟如何商業化落地，是目前行業關注的重點。
聚焦在金融領域，已有一些機構開始初步實踐。比如，财通證券李躍博團隊采用聊天機器人 ChatGPT 撰寫了一篇醫美行業研究報告《ChatGPT 實測：提高外在美，增強内在自信——醫療美容革命》。
在這份由 ChatGPT 獨立撰寫的研報中，對醫美行業的定義、發展史、項目分類、産業鍊進行了詳盡描述，闡述了全球醫美市場發展動态、監管情況，介紹了當下輕醫美的崛起、中國醫美市場現狀及相關法律法規、合規要求，盤點了全球醫美行業主要參與者，甚至對疫情後中國和全球醫美市場進行了預測。
ChatGPT 的橫空出世，在驚豔衆人之餘帶來了一個更為現實的問題，在金融領域，其應用空間及場景的邊界是什麼、哪些猜想是可行的，哪些是不切實際的迷思？
機構多觀望，" 投研、投顧都還達不到要求 "
雖然輿論熱烈，但當真正談論起 ChatGPT 在金融場景下的應用，包括銀行、券商以及金融科技公司在内的多家機構均向钛媒體 App 表示對此十分謹慎，對于後續業務中是否會使用 ChatGPT 無法确定。
多家機構表示，ChatGPT 與其實際業務 " 關聯不大 "，這一技術要達到穩定輸出、成熟商業化的境界，還有很長的路要走。
與文本内容相關的營銷、宣傳、投研投顧是多數受訪者提到的值得期待的領域。
比如，招行信用卡已經基于 ChatGPT 撰寫宣傳稿件，寫出了 " 生命的舞台上，我們都是基因的載體 "、" 如果說基因給我們的生命帶來了基礎，那親情便是對生命的深刻賦予。它不由基因驅使，而是一種慷慨的選擇 " 等詩意十足的文案。
投研方面，業内首份采用 ChatGPT 撰寫的行業研究完成度頗高，但距離專業也還相去甚遠。财通證券團隊介紹，"ChatGPT 在文字表意、标題撰寫等方面均具有較高水平，但采用該種直接生成 + 翻譯模式形成的報告仍具有以下問題：在标點和術語方面存在明顯錯誤、無法得知引用數據來源及可靠性、部分複雜語句翻譯後表意不清晰。"
智能客服是部分受訪者看好的一大領域，有從業者表示，" 智能客服、智能催收都是 ChatGPT 在金融上很好的落地點，比現在這種 AB 判斷的智能語音要更貼近現實。" 但也有一家城商行智能客服部門負責人向钛媒體 App 表示，" 目前營業的智慧客服功能已經比較完善，且銀行客服強調規範化、制式化，ChatGPT 不會對其帶來變革式的影響。"
恒生電子首席科學家白碩則向钛媒體 App 表示，目前的 ChatGPT 主要呈現出了三大優勢和一點不足，
1、語言文本質量實現了質的飛躍；
2、意圖理解的能力巨大進步，尤其在多輪對話中的意圖識别、意圖生成能力很強。
白碩指出，ChatGPT 生成的文本之所以具備邏輯性，是基于 " 思維鍊 " 技術。機器通過接受人類的指導訓練，學會如何将零散的事件、觀點和證據裝配成缜密的叙述或論述，要在 " 論點 - 論據 " 這麼大的顆粒度上實現現場組裝，需要人類高強度的訓練，排除很多不可能正确的路徑和分支，這就是基于人類反饋的強化學習。
3、對于對話能力的掌控很強。ChatGPT 非常強調 AI 與人類社會之間的科技倫理，刻意避免在對話中冒犯人類。
" 幾乎看不到 ChatGPT 涉及任何敏感話題。這一點完全靠端到端的訓練是很難做到的。整個剔除過程更像是通過一個外挂的審查程序完成的。" 白碩表示。
在白碩看來基于這三大優勢，ChatGPT 實現了遠超 Siri、小冰等的用戶體驗。
與此同時，白碩認為，問題求解能力的不足是 ChatGPT 最大的短闆。正由于這一短闆，白碩認為，" 目前 ChatGPT 在投研、投顧、運維運營等方面的能力都還達不到要求。它不能隻是一個供大家調戲的流量黑洞。要想在垂直領域落地此類技術，必須與專業化地解決垂直領域實際問題的能力相結合。"
離落地還有多遠？
表面看，ChatGPT 是一個具備聊天、咨詢等能力的對話式機器人。但本質上，它是基于 AI 大模型而産生的應用。無論 NLP 學習範式如何變化，數據作為 AI 模型的 " 能源 "，都是至關重要的。
因此，要想 ChatGPT 真正落地金融業，則需要其具備解決垂直領域實際問題的能力，而要想具備這一能力，則需要垂類數據的 " 喂養 "。
白碩指出，ChatGPT 采用的是端到端的生成式大模型框架，可以從海量高質量文本學習中得到超強理解能力，但這一技術框架限制了其在垂直領域任務的表現，僅靠其自身的問題求解能力無法解決做專業問題。
在他看來，要想解決這一問題，讓這一技術在金融領域落地，需要先解決兩個方面：
第一個是預訓練問題：一方面是做加法，要用本領域的私有、專有數據對它進行增強樣本的訓練，補足通用模型在領域的短闆，這可能會牽涉到大量的人力物力進行标注和陪練，這些人還得懂業務；另一方面是做減法，要把垂直領域裡根本用不到的資源摘除，運維超大模型的成本極高。
第二個是專業應用系統的對接問題：需要考慮如何把專業性的應用系統，比如領域已經有的專業數據庫、專業知識圖譜和其他的資源，跟 ChatGPT 的意圖理解能力、語言生成能力以及場景掌控能力進行對接。
一位金融雲廠商相關負責人也向钛媒體 App 表達了類似觀點，一方面，金融機構對數據非常敏感，往往選擇私有化部署，但目前 ChatGPT 的超大模型對于資源的壓力極大，難以實現私有化部署。另一方面，超大模型在适配具體業務上比較困難，需要考慮效率和成本。
上述人士提到，ChatGPT 近日開放了 API 接口，雖然目前功能比較單一應用并不方便，但其建立開放生态一定是必然趨勢。
對于其未來發展，有從業者預判，在技術門檻下降後，将會出現垂類領域的 ChatGPT，如風險、運營态勢評估，專業分析等。有銀行從業者向钛媒體 App 表示，若是有成熟的 ChatGPT，如果價格合理，也許會考慮購買相關服務，但目前還為時尚早。
" 從營銷、客服、投研、投顧到低碼研發、智能運維和業務運營，ChatGPT 都對現有的模式有所沖擊，至少是觸動。但是道路還非常遠。" 白碩說到。（本文首發于钛媒體 APP，作者｜蔡鵬程）
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
