AI大模型在券商业务中的场景应用大有可为，但券商大规模使用AI大模型仍面临数据安全性、合规性及稳定性等多个方面的痛点。在业内人士看来，未来随着相关技术的不断成熟和应用场景拓展，相关痛点将逐步解决，券商与AI大模型将纵深融合。

　　面临多个痛点

　　作为金融机构，券商拥有高价值的领域数据资产，在布局AI大模型过程中，面临合规性、安全性等多重挑战。

　　国金证券研究所计算机行业首席分析师孟灿表示，AI大模型的应用可能需要将数据传输至外部服务器进行处理，而券商所涉及处理的是高度敏感和机密的数据，数据安全成为一个关注的焦点。此外，许多证券公司的数据治理体系尚未完全建立或优化，这意味着数据可能存在分散、不一致或质量不高的问题。由于大型语言模型高度依赖数据的质量和结构，这些问题可能导致模型性能不佳或产生误导性的输出。

　　“证券行业涉及大量敏感数据，包括客户信息、交易数据等，在处理数据时可能会泄露敏感信息。”国泰君安表示，同时，金融行业数据具有复杂性和多样性，AI大模型在训练过程中可能出现过拟合现象，同时存在AI大模型幻觉问题，难以满足金融行业对数据、内容准确性的高要求。

　　此外，证券公司IT稳定性要求与新技术日新月异变化之间存在矛盾。孟灿表示，证券公司信息系统的稳定性要求很高，将AI大模型集成到证券公司现有的IT架构和工作流程中可能遇到技术挑战，包括系统兼容性问题、成本问题和合规性问题，而且新技术的引入也会干扰现有工作流程的稳定性和效率。

　　国泰君安还强调，AI大模型的训练和推理过程需要强大的计算资源作为支持。如果算力供应不足或不稳定，可能导致模型训练时间过长、推理速度过慢等问题，影响模型在实际应用中的效果。

　　加强数据治理

　　针对数据安全风险，国泰君安认为，需要加强数据治理，明确数据源的范围、目的和用途，确保数据来源合法合规，在数据全流程中确保数据的安全性和隐私性，防止数据泄露和滥用。准确性方面，可结合训练微调，并通过加强合规监测等方式规避AI大模型幻觉所带来的相关问题。

　　孟灿认为，券商需不断夯实数字技术应用的安全基础：制定应急处置预案，常态化开展应急演练，及时有效处置突发事件；深入研究开源软件治理，建立健全开源软件评估体系，妥善应对开源风险；建设行业网络和信息安全态势感知平台，防范化解数据隐私和安全风险。

　　为解决AI大模型的合规性、安全性等问题，国金证券原创性地提出“AI友好”型组织以及“AI友好”业务流、数据流的设计理念，如可重复验证的场景，包括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，这类场景的追求目标是将暂且只能由人工执行的流程，通过“AI友好”设计为“AI可重复验证”，通过自动化执行不断提升AI的应用力度。

　　国泰君安也多措并举建立输出内容的可控技术架构，实现内容的可信、可控输出。包括建立可信的输出内容仓库，赋能AI大模型可信数据源；AI大模型与小模型结合，并辅以Agent平台和实时API接口，控制AI大模型结构化输出；建设AI大模型对结构化、非结构化、半结构化数据的统一支持，将异构数据一体化一站式处理变成现实，实现数据能力的全面提升。