AIGC，将是金融业线上经营的未来增长引擎，为金融机构提供更极致的体验和个性化服务。

从用户角度来看，AIGC带来更智能、更便捷的体验。智能客服能够理解更复杂的语言，提供更精准的答案；个性化推荐系统可以根据用户喜好和需求，提供更有针对性的金融产品和服务；数字人可以全天候在线，提供更亲切、更人性化的服务。

对于银行来说，AIGC是一个能够赋能业务、提升效率的强大工具。AIGC可以帮助银行更精准地进行营销，通过分析用户数据，向不同群体推送个性化的金融产品信息，提高营销转化率。此外，AIGC还可以协助银行进行风险控制，识别潜在风险，帮助银行做出更明智的决策。

与此同时，AIGC还能为银行带来全新的业务模式。例如，数字人直播可以为用户提供更生动的金融知识讲解，更直观地展示金融产品，提升用户参与度和满意度。

围绕以上多个维度，本次分享将通过实际案例展示AIGC如何为金融科技带来变革。

演讲提纲：

1. 当前金融科技的发展趋势
2. AIGC在银行App设计中的应用
   • 自动化UI/UX设计的案例分析
   • 客户体验的个性化改善
3. AIGC在银行数智化营销策略中的应用
   • 定制化营销内容的生成
   • 客户行为预测与营销效果的提升
4. AIGC在数字人直播与客户互动中的应用
   • 数字人直播的技术实现与应用案例
   • AI客服与客户互动的效率和质量提升
5. AIGC对金融科技的革命性改变
   • 行业内的应用现状与未来趋势
   • 面临的挑战与解决方案
6. 结论与展望
   • AIGC在金融科技领域的重要性
   • 对未来银行业务发展的影响

听众受益：

• 理解生成式AI的应用：深入理解生成式人工智能在金融科技，特别是银行线上服务中的应用。我们将探讨其核心原理、成功案例以及实际效益，为参与者提供全面的认识。
• 理解AI在金融的发展：通过对生成式AI在银行业务中应用的深入分析，参与者将能够知悉未来走向，从而为自己的业务决策或研究提供前瞻性的指导。
• 探索AI在金融的创新：通过实践案例和经验分享启发参与者的创新思维，鼓励探索生成式AI技术在各自领域的应用潜力，推动业务创新和流程优化。

演讲提纲：

1. 背景
   • 数据平台发展整体介绍
   • 数据架构
   • 数字化转型与数据资产的关系
   • 数据资产运营理念
2. 数据资产内容体系建设
   • 数仓
   • 集市
   • 标签画像
3. 数据治理从理论到实践
   • 建立数据治理体系
   • 数据资产盘点
   • 制定数据标准
   • 解决数据质量问题
   • 运营体会
4. 数据资产常态化运营
   • 数智应用
   • 数据服务赋能应用系统
   • 分析服务赋能数据驱动业务运营
   • 资产ROE评估
   • 数据归档与销毁
5. 总结与展望
   • 建设成果
   • 挑战
   • 探索

听众受益：

• 通过介绍证券公司业务场景、数据体系、数据架构，理解证券行业数字化转型与数据资产的关系，了解证券公司数据整体解决方案。
• 通过介绍证券行业数据内容建设过程，深度掌握证券行业数据资产内容及建设方法
• 通过具体实践案例分享、经验，全面了解数据治理方法论与实践技巧
• 通过分享全生命周期的数据资产运营案例，掌握金融行业数据资产运营理念与方法论

在支付风险领域，AI发挥着不可或缺的作用，尤其在eBay交易风控业务中，其广泛采用AI模型来识别欺诈活动并保护用户的合法交易。AI模型的性能和准确性很大程度上依赖于准确标注的数据集的可用性。然而，传统的数据标注过程耗时长，成本高且效率低下，标注专家在数据标注过程中难以识别最具价值的数据样本，导致资源浪费，进而造成模型训练和迭代过程中的瓶颈。为了提升数据标注效率和质量，加速风控机器学习模型生产化，魏瑶及其团队为eBay交易风控开发了智能数据标注系统，该系统不仅便于标签的组织、跟踪和版本控制，并通过结合RLHF和Finetune 大语言模型，增强了人类专家与AI之间的协作，优化标注工作流程，利用微调的大语言模型来生成预打标，识别和分配关键数据样本给人类专家进行精准标注，从而在保持高对齐度的同时，大幅度降低标注的时间和成本显著提高数据标注的效率和质量。目前，该平台已经支持检测Off-Ebay交易中，标注量减少了90%，时间从几周缩短到1-2天，成本降低了90%以上。

演讲提纲：

1. 引言
   • 机器学习模型训练的挑战：数据标注的重要性与难点
   • eBay支付风控领域，机器学习模型数据标签的主要来源
   • LLM自动化数据标注的影响和价值
2. 智能数据标注系统介绍
   • 用户界面和操作流程
   • 用户和权限管理
   • 数据管理
   • 自动化标注技术
   • 质量控制和审核流程
   • 系统集成与扩展性
3. 基于LLM自动化数据标注的核心技术
   • Reinforcement learning with human feedback
   • Finetune高精度的大语言模型
4. 成功案例分析：基于买卖家聊天消息检测Off-Ebay交易
   • 问题定义和挑战
   • Smart Label 的应用和效果
   • 注释量、时间和成本的降低
5. 总结和未来展望
   • 回顾内容
   • 潜在金融服务应用领域探讨
   • 持续改进与迭代的可能性

听众受益：

• 了解机器学习模型训练中数据标注的重要性及传统方法的局限性；
• 了解eBay支付风控智能数据标注系统设计和实现；
• 探索人工智能与人类专家之间的协作机制，形成标注系统和机器学习模型的持续优化和发展

金融行业业务运营高度依赖数据体系，具有数据量巨大、用数人群和数据应用众多的特点，不少金融企业至今已有 10 年以上的数字化建设投入期，现在无不面临“数据量不断增长、看数用数人群不断泛化、数据需求爆炸性增长”与“数据风险敞口越来越大、数据成本越来越高、数据效率越来越低”的挑战。为实现更敏捷高效的数据协同与管理，众多金融企业正在规划与建设 DataOps 体系。如何回归高效交付高质量数据的目标，借助以算子级血缘技术为基石的主动元数据管理实现“数据优先即业务优先”的金融 DataOps 体系？

演讲提纲：

1. 金融行业 DataOps 体系建设的背景与挑战
   • 工具生态和链路复杂性剧烈膨胀的现代数据架构加剧数据协同与管理困境
   • DataOps 要突破现代数据架构困境，实现“数据优先”架构
2. 建设“数据优先”的金融 DataOps 体系
   • 一个目标：实现"数据优先即业务优先"，高效交付高质量数据
   • 两个实现
     • 从"人盯人"升级成"事盯人"，实现敏捷数据协同
     • 从"人治"升级成"机治"，实现主动数据管理
3. 主动元数据平台是 DataOps 体系新支点和制胜关键
   • 变传统元数据的被动等待为实时在线、主动触发，推动 DataOps 工作流高效运转
   • 智能构建“控制流”，作为 DataOps 体系的感知决策中心，驱动工作流和数据流的敏捷流转和持续迭代
4. 主动元数据平台的核心技术突破：算子级血缘
   • 算子级血缘提供精细、准确、全面、实时数据血缘信息，实现主动元数据的基础
   • 衡量算子级血缘关键指标：解析准确率、分析召回率、分析打扰率
5. 基于算子级血缘的主动元数据平台在金融行业的落地实践
   • 招商银行
   • 杭州银行

用户受益：

• 回顾从“传统数据架构”到“现代数据架构”的发展历程，并认知其局限
• 了解“数据优先”架构理念，进而校准企业 DataOps 体系建设目标与方法
• 了解“主动元数据”的定义、原理、价值，与其如何构建 DataOps 感知决策中心，驱动工作流和数据流的敏捷流转和持续迭代
• 了解“主动元数据”的核心技术——算子级血缘在头部金融企业的前沿实践