推荐语

探索AI大模型如何重塑银行业务流程和提升服务质量。

核心内容：
1. AI大模型在银行业的应用综述及其对数字化转型的推动作用
2. 大模型技术在人机交互、通用能力提升和数据处理方面的革新
3. 银行业大模型应用架构及典型实践案例分享

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

1、       大模型在银行业的综述

作为⼈⼯智能运⽤的领先⾏业，银⾏业⾼度重视⼤模型技术的兴起，结合实际需求先⾏先试，积极挖掘新技术在⾦融业务中的应⽤场景，加速推动企业数字化转型和提升市场竞争能⼒。在另⼀⽅⾯，以⼤模型为代表的新⼀代⼈⼯智能技术对于当前⼈⼯智能全技术栈带来⾰新式的影响，在基础设施、数据准备、算法调优、安全可信等⽅⾯均提出了新的挑战，需要商业银⾏持续探索和优化建设路径，形成⾦融⼤模型的最佳实践。

以⽣成式⼤模型为代表的新⼀代⼈⼯智能技术将极⼤地加速⾦融业数字化转型，有效提升商业银⾏的市场竞争能⼒。

⼀是在⼈机交互形态上，⼤模型技术解锁图、⽂、⾳的多模态综合交互能⼒，可以通过多轮次的⾼拟⼈化的沟通，基于上下⽂不断深⼊理解⽤⼾的任务诉求，为⽤⼾提供个⼈助理式的信息和任务处理范式，将极⼤地提升⽤⼾体验和服务效率。

⼆是⼤模型⼀专多能的通⽤能⼒，助⼒低成本地适配具体场景的任务，极⼤地提⾼⼈⼯智能技术的规模化应⽤能⼒，释放数据要素的乘数效应和倍增效应。

三是⼤模型（对商业银⾏⽽⾔尤其是⼤语⾔模型）的⽣成式能⼒已成为数据处理的新引擎，在信息的处理、搜索以及创作⽅⾯进⼀步释放⽣产⼒，为数字银⾏发展注⼊全新动能。

⼤模型场景实践，全流程嵌⼊助⼒业务提质增效。⾦融⾏业是数字化、智能化的先⾏者。在⼤模型的技术浪潮背景下，头部商业银⾏积极开展技术验证和试点，已经积累相当的经验，以下结合近年来银行领域的典型实践来介绍⼤模型的银⾏业应⽤场景和业务价值。

2、       银行业大模型应用架构

金融业大模型应用场景当前存在较大的同质性，场景分布仍然以通用工具、前台业务提升、中台精益管理、后台经营决策四大领域进行区分，相较2024年初，各领域应用进一步细分与完善。根据我们的行业观察：

通用工具类一般为机构首个建并推广的大模型应用场景，由于审慎原则，此类工具更多聚焦内部工作流程的嵌入；

前台业务提升类、中台精益管理类为当前聚焦领域，由于可解释性与ROI，多为实验室场景，少部分试点以传统AI为主、人机协同形态部署；

大模型深度融入后台开发能力，全面提升数据治理、代码管理等领域能力；在部分头部机构，代码类应用成为首个颠覆式创新场景；

知识图谱/知识库+大模型的方式为当前主要投产技术路线，单Agent已有小规模试点，基于流程编排类的多Agent协同仍处于实验阶段，Agentic AI将成为下一代AI应用的主体承载形式；音频、视频生成和任意模态转换成为新兴领域，预计2025年多模态协同场景将逐步涌现；

轻量化模型的推出表明模型向移动端和资源受限设备优化的趋势，大模型在多模态、轻量化等方面持续创新，展现出深远的潜力和应用前景；

受新兴AI的影响，以传统小模型为主的场景蓬勃发展，复杂场景下的大小模型融合成为主流解决方案，人工智能全要素再一次提到战略地位；

由于相关技术仍处于高速发展期，短周期内的代际变革仍可能会出现，建设方式与路径将随其变化，部署方式将始终坚持核心系统及其数据不出域的基本原则，按需调整策略。

3、       银行业典型大模型场景

3.1 客户服务

基于⼤模型技术，可根据客⼾的需求、基本情况等学习更多知识，并结合语境智能判断⽣成⾼质量易于客⼾理解的话术，给出准确的专业解答，提⾼解决率与客⼾满意度。不过鉴于⽬前⼤模型在⽣成内容可控性⽅⾯的问题，存在科技伦理等⻛险，因此短期内不建议直接对客使⽤，⽽是以⼀线客服⼈员助⼿的形式，⼈机协同提升服务质量和效率。

3.1.1 坐席助⼿提升客⼾服务体验

⽬前，商业银⾏主要通过⼈⼯客服和智能客服两种⽅式为客⼾提供咨询服务。⼈⼯客服存在⼯作强度⾼、处理和响应时间瓶颈等痛点，⽽智能客服尚不能直接解答客⼾所有问题。为全⾯提升对客服务能⼒，在远程银⾏业务中将知识搜索与⼤模型技术结合，实现基于实时通话向坐席⼈员主动推送答复话术或知识的能⼒。同时，利⽤⼤模型也可快速分析客⼾致电咨询⽬的，以及时掌握业务咨询热点，提升服务质效。

3.2 办公协作

⼤模型技术的崛起，为办公空间带来了变⾰的契机。“智慧办公”也将逐步改变传统的办公习惯。利⽤NLP⼤模型的⽂本⽣成、问答能⼒，全⾯升级办公模式，提供邮件、会议等智能办公助⼿，实现数据资源⾼效使⽤，加强安全保障精细化管理，⾼效提升内部管理效率。

3.2.1 智能办公助⼒办公模式⾼效化

全⾯升级办公模式，利⽤⼤模型的⽂本⽣成、问答能⼒，围绕邮件、会议、材料、⽇常事务等⽅⾯，探索依托银行内部即时通信办公、企邮等智慧办公⼯具的交互体验，助⼒全⾏办公领域智能化。⾏内员⼯可利⽤⼤模型⽂本⽣成能⼒，提升材料编写效率，实现提纲⽣成、⽂档⽣成、中英双语翻译等⽂档撰写任务。同时，也可利⽤⼤模型简化⽇常事务⼯作，如⼀句话即可办理建会议、定会议室、记录⽇程等事务，对接⾏内不同专业领域知识，查知识、查讯息、查指标，随时为⽤⼾答疑解惑等。

3.2.2 智能助⼿赋能⾯试流程智能化

银⾏每年会对收到的数⼗万封⼈员简历，通过HR⼈⼯筛选招聘员⼯。在简历初筛环节，传统⼈⼯筛选⽅式需耗费⼤量⼈⼒，且难以对应聘者⼀对⼀沟通。为提⾼初筛效果，利⽤⼤模型的⽣成能⼒，⾃动⽣成千⼈千⾯的⾯试题，⾃动化实现线上问答评判、⾯试报告⽣成，减轻⼈⼯筛选简历压⼒，提升初筛效果。此外，在真⼈⾯试环节，不同⾯试官的提问标准不同，导致⾯试效果受限。为提升⾯试的专业化⽔平，利⽤⼤模型来⽣成更专业、更深⼊的⾯试题。同时，模型还能根据⾯试者的答题结果形成综合评价报告，为HR⼈⼯分析应聘者的情况及能⼒提供了便利。

3.2.3 ⾦融市场咨询分析、⽣成⾃动化

针对⾦融市场业务，全⾯应⽤⼤模型的核⼼信息提取、智能⽂本⽣成、上下⽂联想等能⼒，塑造⾦融市场投资、融资、资⾦交易的⽅案计划制定、交易执⾏、存续管理、⻛险监测的全价值流。在咨询分析⽅⾯，利⽤⼤模型的⽂本⽣成能⼒，实现投研等⾦融市场各类报告的⾃动⽣成，为⾦融市场交易员构建更加⾼效的交易研判利器。其中，研报⽣成时效从⼩时级缩短⾄分钟级，资讯覆盖⾯从⼗余篇扩展⾄全市场数百篇，报告⽣成采纳率可达88%以上。

3.3 运营管理

在运营管理⽅⾯，商业银⾏可基于⼤模型对知识⽂档理解，实现智能问答、智能查询等能⼒。通过前沿技术将有限的⼈⼒资源从重复性⼯作流程中解放出来，推动智慧⼈⼒、信息管理、科技管理等内部业务处理管理条线的智能化提升，持续优化⾦融业务⽀持效率。例如，⼿⼯对业务信息采集、录⼊等存在效率低、⼈⼒成本⼤等问题。运⽤⼤模型的语义理解、语义分析等技术可实现⼯单分析、信贷⽂本分类、客⼾信息⼀站式录⼊、关键信息抽取等多个业务场景运作的⾃动化，⼤幅度降低⼈员⼯作量和运营成本。

3.3.1 ⽹点助⼿赋能业务流程⾃动化

在客⼾办理跨境汇款业务时，传统⼿⼯对业务信息采集、录⼊等存在效率低、⼈⼒成本⼤等问题。为解决复杂业务⽹点员⼯办理难、专业术语难以向客⼾解释、新业务流程⽹点员⼯不熟悉等痛点问题，银⾏⽹点员⼯智能助⼿，提供中英翻译、制度问答、⽹讯编写、⽂本创作等服务，⾯向全⾏数⼗万⽹点员⼯辅助业务办理，提升⼀线⼈员⼯作效率和⼯作合规性。中英翻译服务可对凭证中的英⽂内容翻译，翻译准确率达85%以上，服务客服经理万余⼈。制度查询服务可智能化⽣成便于员⼯理解的操作流程和术语解释，提升⽹点员⼯业务处理效率与服务质量，⽬前已在多家分⾏⽹点完成体验评测，问答准确率超83%以上。

3.3.2 ⼯单分析、⽣成⾃动化

银⾏每⽉需处理数⼗万件客⼾意⻅⼯单，传统⼈⼯智能技术已可满⾜简单、流转和办结等环节的需求。对于答复环节，需通过⼿⼯撰写、审核、修改⼯单处理报告，费时耗⼒。为全⾯提升投诉管理质效，在答复环节对原有模式进⾏创新，利⽤⼤模型可根据员⼯与客⼾电话核实情况撰写投诉处理报告。⽬前，⽇均⽣成近万份⼯单处理报告，⽣成答复摘要条理清晰，整体⽂字采纳率约80%，据初步测算，每年可节省数百⼈年⼯作量。

3.4 研究开发

相较于传统纯⼈⼯开发的⾼技术⻔槛和⾼⼈⼒需求，基于⼤模型技术可以辅助⼈⼯在智能代码⽣成、代码识别与检测、代码转⾃然语⾔和交互式研发等领域实现全⽅位能⼒突破，构建基于⼤模型的智能研发体系，覆盖从需求、设计、编码、测试、发布的研发全⽣命周期，全⾯提升⾦融数智化研发⽔平，⽴⾜⾦融领域助⼒国内智能研发技术逐步⾛向成熟。

3.4.1 智能研发助⼒研发数智化

智能研发属于特定细分领域的专业化应⽤，存在⾦融属性弱且⾃研难度⼤等特性。为全⾯提升数智化研发⽔平，通过引⼊垂直领域的商⽤⼤模型产品，构建基于⼤模型的智能研发体系，实现代码⽣成、代码识别与检测、代码转⾃然语⾔和交互式研发等全⽅位能⼒。⽬前，已建设基于上下⽂的代码预测补全、智能代码⽣成等能⼒，试点期间推⼴使⽤近千⼈，辅助编码近百万⾏，协助开发⼈员⾃动纠正输⼊性错误数万次。

3.5 ⻛险防控

在⻛险防控⽅⾯，商业银⾏可基于⼤模型实现⾏业研究、尽调、授信审批、内审等流程的⻛险识别、制度查询及辅助审核等功能的升级，打造涵盖信⽤⻛险、操作⻛险、合规⻛险、内部审计的全⾯⻛险助⼿，满⾜全⾯⻛险管控的更⾼需求，显著提升智能⾦融⻛险管理能⼒，有效满⾜⻛险防控创新发展的需要。

3.5.1 信贷全流程审批智能化

传统信贷业务模式主要依靠业务⼈员累积的经验，⼿⼯审核和评估信贷材料，此类⽅式效率低下且极易存在⼈为误差。为提升现有信贷系统智能化服务⽔平，银⾏利⽤⼤模型，建⽴贷前、中、后全流程服务。⽬前，知识答疑功能利⽤⼤模型，通过知识问答形式，为信贷系统⽤⼾提供信贷制度咨询服务，将信贷制度咨询从分钟级提升⾄秒级，每年⾄少可降本数百⼈年，助⼒新⼿信贷系统⽤⼾快速上⼿熟悉制度和系统操作。后续，银⾏将基于客⼾资料、调查审查报告、征信报告、互联⽹资料等，利⽤⼤模型识别潜在⻛险信息，提⾼信贷⼈员对业务资料的分析效率。

3.5.2 可疑报告⽣成⾃动化

商业银⾏依托⼤数据及传统⼈⼯智能技术建成客⼾尽职调查、⼤额报送等七⼤功能模块的反洗钱系统，从机构、产品和客⼾等不同维度统计分析洗钱⻛险。其中，在可疑报送模块中的⼈⼯甄别环节，⼿⼯甄别可疑交易并编写可疑报告，需耗费⼤量⼈⼒成本。为提⾼⻛险甄别能⼒，在以案倒查要点分析环节，银⾏通过⼤模型对法律⽂书提取摘要，分析其中涉及客⼾的案件信息，将案件关联⼈员关键要素信息与客⼾信息进⾏⽐对，提供相关涉案信息供甄别⼈员参考。在可疑报告撰写环节，⼯商银⾏通过⼤模型总结⽣成能⼒，辅助⽣成可疑报告中的客⼾信息等相关章节初稿，供甄别⼈员参考，提升全⾏⼀线反洗钱甄别⼈员的案头⼯作效率。

3.5.3 智能员⼯助⼒内控合规智能化

在内控合规场景，针对合规制度、合规⼿册等⽂档知识的问答，传统⽅法主要通过⼈⼯翻阅相关资料以进⾏解答，费时费⼒。为提升解答效率，商业银⾏基于⼤模型上线内控数字员⼯“⼯毅控”，为全⾏员⼯提供内控合规各项⼯作的问答指南，包括规章制度、合规信息、员⼯违规处理规定等内容的在线问答，以及合规⽂化传导等常⽤功能服务，为内控合规相关知识答疑解惑和⼯作开展提供⽀撑，为基层减负赋能。此外，为贯彻落实建设的总体部署，银⾏打造了沟通交流平台，为基层员⼯提供内控合规⼯作智能问答和服务⽀持。平台⾃上线以来，赋能全⾏境内数⼗家分⾏机构⽤⼾，⾃动解答率达92%以上。

4、       ⼤模型应⽤范式“模板化”复⽤

商业银⾏围绕⼤模型核⼼能⼒，借鉴业界先进经验，基于⾦融业务实际需求和应⽤实践，创新打造适配⾦融⾏业的“1+X”⼤模型应⽤范式，融合感知、记忆、决策、执⾏、反馈五项功能于⼀体的低⻔槛智能体运⾏框架，沉淀可共享复⽤的范式能⼒，包含多模态知识检索、对话式数据分析、智能化⽂档编写、交互式智能搜索、陪伴式智能研发等多项⾦融即插即⽤的大模型⼯程化解决⽅案，⼤幅提升⼤模型在全行业规模化应⽤的效率和质量。

4.1 ⽂档编写

为解决⼀线⼯作⼈员⽇常办公⽂档编写数量⼤，引⽤资料多，编写步骤多，依赖领域经验、质量不⼀等问题，⽂档编写利⽤⼤模型信息抽取、摘要、扩写和总结分析能⼒编写专业⽂档初稿，⼤幅减轻员⼯⽂案撰写⼯作量，提升⽂案编写效率。该范式⽀持场景可归纳为三⼤任务：摘要提炼、内容扩写、分析研判。摘要提炼旨在利⽤模型对冗⻓的通话录⾳、会议录⾳、⻓篇⽂章等去除各类⼲扰信息提炼形成信息摘要，加速信息流转和处理。内容扩写旨在通过⼤模型将简单的事实陈述扩写成⻓篇资料。分析研判旨在对照专家编写研判报告过程，基于⼤模型的阅读理解能⼒对多种参考资料等进⾏阅读、素材抽取，并形成研判分析报告。

4.2 智能搜索

智能搜索依托搜索、⼤模型等技术，提供⽹站数据获取、信息搜索和汇聚、答案提炼和总结等能⼒，⽀持⽤⼾通过对话⽅式，从海量互联⽹信息中搜集实时信息，并进⾏有效的组织和提炼答案，以答案和引⽤的形式为⽤⼾提供快速、可靠、全⾯的信息，解决⾏内信息搜索不准、外⽹信息获取不及时等问题，重塑搜索模式，提升搜索效率。该范式主要包括⽹⻚信息采集、问题解析规划及信息搜索、答案汇总⽣成三个环节。科技⼈员将获取的数据存储⾄库中，根据⽤⼾提问利⽤⼤模型解析⽤⼾意图，搜索问题关联信息，⽣成问题答案及来源，最终业务⼈员反馈问题答案。

4.3 知识检索

为解决⼀线业务⼈员⽇常办公查找、阅读、总结海量制度、规范查不到、耗时⻓等问题，知识检索利⽤知识库、搜索、⽣成式⼤模型等技术，提供海量⽂档的专业知识搜索和问答能⼒，实现⽂档内容检索问答，提升专业知识获取效率。知识检索主要包括知识准备、知识搜索、答案⽣成三个环节。业务⼈员将原始⽂档、FAQ问答对等知识向量化后存储⼊库，科技⼈员利⽤搜索⼤模型和⽣成式⼤模型分别完成知识搜索和答案⽣成，最终业务⼈员反馈问题答案。该范式适⽤于⼤量⽂档检索的场景，如信贷制度问答、⽹点知识问答、远程银⾏知识推荐等。

4.4 智能中枢

智能中枢通过将系统功能进⾏插件化，利⽤⼤模型拆解、调控能⼒，⽀持⽤⼾通过⾃然语⾔⽅式实现跨系统、系统内部各功能的调度控制能⼒，改变⼈机交互模式，解决各功能、数据服务分散在不同的系统发现难、调⽤难的问题。其中，插件的具体实现仍为传统应⽤开发，⼤模型主要负责理解⽤⼾的诉求，对插件进⾏选择、编排、调度，以完成任务分解、规划、实施。该范式体现的是⼤模型在逻辑推理、联想创作、分析规划等⽅⾯的能⼒，其使⽤场景⼴泛，涵盖从客⼾辅助到员⼯助⼿等多个领域，典型场景如数字员⼯、调度场景等。

4.5 数据分析

为降低⽤数赋智⻔槛，BI助⼿应⽤通过使⽤⾃然语⾔处理、⼈⼯智能和机器学习技术，基于数据分析师⽤数赋智场景中需求分析、数据加⼯、图表⽣成、数据洞察四个阶段，实现全流程端到端的数据分析能⼒建设。BI助⼿聚焦⾦融领域庞⼤的数据资产，通过将⾃然语⾔转换成数据分析的语⾔或代码，如对API的调⽤、对数据库的访问等，进⽽以图表、表格等形式展⽰，降低业务查数、⽤数⻔槛，加速业务流程审核。该范式为不具备SQL语⾔编写能⼒的⼀线业务⼈员提供了对话式数据分析解决⽅案，实现了报表查询、SQL⽣成、指标查询、图表绘制等，提升数据分析效率，降低数据分析⻔槛。

5、       银行的“数字员工”

银行作为信息与知识密集型行业，随着传统人工智能领域逐步成熟，以大模型为代表的生成式AI技术的快速崛起，让每个岗位配备专属的智能助手，每位员工都能拥有自己的数字分身，从而建立自然语言等全模态交互、人机协同的新业务模式，是大势所趋。

5.1 远程银行坐席助手

远程银行作为银行业线上客户服务的重要渠道，是连接银行与客户的重要桥梁，在为客户提供便捷线上金融服务的同时，人工客服面临着工作强度大、处理和响应时间瓶颈等诸多痛点。如对坐席人员业务能力要求高，针对客户多样化的问题，需要在知识库中的数十万条业务知识中搜索寻找对应答案进行解答；如转接电话体验不足，转接坐席之间沟通时客户需要等待，转接后客户需要重复沟通前序问题；事后工单登记复杂，不同业务工单记录格式及侧重不同，易出现信息遗漏、错记问题。

聚焦现有远程银行客户服务的业务全流程和业务痛点，通过数字员工辅助方式重塑远程客户服务业务全流程，围绕坐席通话前的了解诉求、通话中的解答问题、通话后的记录工单，分别打造转接前情摘要、知识随行、语音实时监测、工单自动填写等助手能力，实现实时通话向坐席人员主动推送答复话术、知识、情绪提醒等能力。

远程银行坐席助手重塑该群体工作模式，助力人工坐席全面实现数字化“武装”，提升覆盖全渠道、全流程的客户服务能力，打造更高效、更有温度的服务体验。其中情绪、敏感词等语音实时监测，有效辅助人工坐席直观感知客户沟通状态，提升服务风险意识；转接前情摘要、知识随行、知识工单的能力，大幅提升坐席人员质效，在账户受控等重点场景实现使用坐席通话时长压降显著。

5.2 网点员工智能助手

在运行管理领域，网点作为数字化转型最小作战单位，存在基层业务人员复杂业务办理难、新业务流程不熟悉、自助终端菜单多功能深操作不便等痛点问题。例如，复杂业务不会办，在日常业务处理中，新员工面对外汇等复杂问题，以及老员工处理不常见业务时，往往不能即时获得有效解答，这不仅影响业务处理效率，也影响客户体验。自助终端操作复杂，导致客户不会操作，经常需要现场客服经理辅助办理，这导致客户自助办理占用厅堂资源多，同时一定程度影响客户体验和效率。

聚焦网点日常服务运营中遇到的制度查询不便、复杂业务处理困难、客户体验不足等痛点，打造集业务问答、外文翻译、客户菜单导航等三大功能为一体的网点智能助手，构建网点智能化对客服务新模式。

网点员工智能助手面向客服经理、客户经理、运营主管、网点负责人等各岗位20余万一线员工，切实为网点人员赋能减负。其中网点业务问答，以溯源的方式形成可信的问答知识，回答网点员工业务操作、规章制度等问题，节省制度查找时间，提升网点员工业务处理效率与服务质量。外文翻译提供在线文本翻译功能，并支持输入内容语种识别，帮助网点员工更好地应对涉外业务场景。客户菜单导航有效提升客户业务办理效率，缩短网点智能终端用户平均等待时长。

5.3 对公营销智能助手

做好对公业务是银行服务实体经济的重要工作之一，服务好对公客户、及时获客、活客是一线营销人员的职责，然而一线营销人员也面临着对公产品业务知识全面掌握难、获客方式传统、文案工作耗时长、经营指标数据获取不便捷等工作痛点。如对公客户根据自身业务需要，提出不同的金融服务复杂需求时，客户经理需要检索对公产品的介绍或产品对应的案例，找出适合当前客户业务场景的产品进行推荐。因对公涉及的产品类型较多，产品本身也较为复杂，在该服务过程中，对客户经理的对公业务专业知识储备要求较高，且客户经理检索适合客户的产品时间较长，整体服务效率较低，影响客户的体验感。

聚焦对公客户服务日常工作痛点，利用大模型“对话式”交互、智能检索、数据分析等技术能力，融合小模型、大数据分析成果，以对公营销通平台为统一入口，打造对公营销通“数字专家”新模式，支持一线营销人员一站式检索产品知识，获取营销机会，查询营销进展，定位系统功能联动业务办理等，提升发现、挖掘、跟进、转化客户服务和管理能力，提高对公客户营销服务质效。

对公营销智能助手面向全行10万+对公营销人员，与传统的“人工检索”、“专业分析师分析数据”模式相比，对公营销智能助手应用大模型技术提供“智能问答”、“对话式查数”功能，大幅提升对客服务效率。自应用以来，对公结现产品营销时长压降明显，产品签约测试上线准备时间大幅缩短。

5.4 网络金融运营助手

随着互联网经济的蓬勃发展，线上渠道的运营管理日益重要，高质量的运营工作不仅有助于业务人员达成特定的业务目标，同时也是用户获取权益及产品信息的重要途径之一。当前，银行业面临用户属性多样、产品逻辑复杂以及客户接触渠道多元化等挑战，这要求业务人员必须具备数据分析、灵活运用内部运营工具、制作宣传海报及宣传文档等多样综合技能，运营工作综合性强、难度大。同时，鉴于互联网服务水平存在地域性差异，将企业内优秀的运营工作经验有效地在各分支机构之间进行传播，对于提升整体运营服务质量及用户服务体验也尤为必要。

围绕解决运营过程中客群圈选和路径决策困难，运营方案缺少大数据分析支持、内容物料准备耗时长、效果跟进缺少个性化工具等业务痛点，依托大模型技术打造网络金融运营助手，在运营工作各个环节提供智能决策、效果分析、总结规划等能力，提升运营人员工作效率，为手机银行等互联网用户提供更适配的个性化运营方案、触达内容，从而提升银行运营工作效果，加速客户服务质效提升。

网络金融运营助手，辅助工作人员精准开展运营工作，为运营活动提供客户精准触达能力。模型通过对用户的全生命周期与使用习惯进行数字化沉淀与加工，将用户消费习惯反哺到运营工作中，实现数据对业务的即时赋能和数据驱动智能化决策，有效提升客户营销服务的质效。

5.5 投诉处理智能助手

银行业高度重视消费者权益保护工作，把客户投诉处理工作做的好不好作为践行金融工作政治性、人民性的重要检验标准。银行在客户投诉处理过程中，还面临着一些困难和痛点。例如，银行受理客户投诉分派处理时，一旦工单首次分派不准确很容易引发处理时间较长等情况，影响客户服务体验，甚至导致客户再次进行投诉。再如，员工投诉处理工作量较大，投诉处理过程中需逐一联系客户并撰写处理报告，耗费大量时间与精力，且人工撰写报告容易出现信息遗漏等问题。

利用人工智能大模型技术对投诉处理流程进行重塑，打造集问题智能分类、知识智能检索、报告智能撰写三大功能为一体的投诉处理智能助手，辅助员工提升对客服务能力，为基层员工减负、为投诉处理赋能，推动客户投诉处理数字化、智能化转型。

投诉处理智能助手面向总行、一级分行、二级分行、支行和网点等各层级机构的投诉处理人员，有效辅助员工提升对客服务能力。其中问题智能分类，通过对外部机构转办投诉准确进行识别分类，推动纠纷快速受理，有利于提升客户满意度，有助于提高投诉监测质效与投诉管理水平。知识智能检索，帮助员工更加快速、规范化解纠纷，有助于及时解决客户业务诉求，提升基层分支机构投诉处理能力与处理质效。报告智能撰写，有效减轻工单处理压力、显著提升投诉处理效率、真实还原纠纷处理过程。

5.6 金融市场交易助手

金融市场外汇交易是企业重要的金融工具，企业可以通过外汇衍生品如远期合约、期权等工具来对冲货币风险，实现套期保值。这有助于企业降低因汇率波动带来的不确定性，保护企业免受不利汇率变动的影响。银行可以为客户在银行间市场进行风险对冲，其中询价交易模式可以为企业客户提供更好的服务和优质的价格，因此询价交易成为众多企业客户选择外汇业务的首选交易渠道。传统银行的询价交易，需要先线下电话沟通，再线上流审批、报价，存在交易效率低、体验差等痛点，难以快速为企业客户锁定市场报价。

金融市场交易助手创新交互式智能询价的解决方案，以对话框为统一入口，使用大模型自动识别对话信息，完成交易要素提取、录入、风险识别等交易全流程，通过群聊交互对话完成客户背景审查、对话交易、知识问答、菜单导航、询价进度等关键流程，实现询价交易全流程效率提升，有效解决以往总分行人工询价存在的交易效率低、体验差等痛点问题。

金融市场交易助手通过AI重塑业务模式，实现支行、分行、总行多方交易员在同一交易对话框中通过对话完成价格磋商，运用大模型智能识别交易话术，生成交易意向单达成交易，改变原有先通过线下沟通，再流程逐级询价、报价的业务模式。这是AI介入业务开展的一种尝试，重塑业务流程，大幅缩短代客询价交易时间，有效提升银行报价的市场竞争力。目前已服务全行2万余名交易员和客户经理，覆盖即期结售汇、远期结售汇、即期外汇、远期外汇等业务产品，对客交易效率提升显著。

5.7 对公信贷风控助手

在信贷业务中，信贷客户经理、审贷员等业务人员涉及尽调报告、审查报告、贷后检查报告等大量文档编写工作。传统的报告编写主要依赖于专业人员手工操作，存在以下具体痛点：一是报告编写耗时，业务人员需要花费大量时间收集、整理和分析内外部数据信息，再将其转化为一份详尽的报告。二是信贷风险分析受人为因素影响大，不同信贷人员由于其经验、专业水平、风险偏好等差异，对风险的评估判断会存在不同的标准和结果。

大模型在对公信贷领域的智能化应用，围绕信贷全流程，打造集信贷制度查询、报告编写、数据分析等能力于一体的专属信贷风控助手，运用大模型在自然语言处理、逻辑推理方面的优势能力，提升业务效率和风险管理水平。

依托人工智能大模型对海量素材的深度理解能力，能够自动遵循既定大纲完成报告初稿的撰写，提升信贷全流程各类文档编写过程中的资料查找、数据分析、内容编写的便捷性和智能化程度。业务人员仅需对文稿进行审核和补充完善，便可完成报告的编制工作，有效提高工作效率，使业务人员从重复而繁重的流水线作业中解脱出来，转而投入到更具价值的工作中去。

5.8 商户审核智能助手

商户审核是银行和支付机构在开展收单业务过程中的一项重要工作，主要目的是确保商户的经营活动真实、合法，防范业务风险。然而商户审核业务存在耗时耗力的痛点，每逢营销旺季，总行、分行会接到大量的商户审核任务，对于每个商户的建档申请审核，审核人员需要审阅大量文字和图像审核资料，包括各类证件、账户证明、商户收单业务申请书、调查审批表、征信信息查询和使用授权书、商户经营影像和风险信息等。同时，结合外部信息和业务经验对商户风险进行判断，决策商户准入和管控策略，工作具有一定难度。

针对商户审批过程中需筛查核验大量文字和影像资料相关痛点，基于OCR、多模态大模型的大小模型融合技术，打造商户审批智能助手，实现实时智能生成商户预审批报告。

商户审批智能助手，有效解决商户审核业务耗时耗力的痛点，降低商户审批成本，提升商户审批质效。

5.9 综合办公服务助手

综合办公服务是企业提高工作效率和团队协作能力的重要保障，对银行业而言亦是如此。传统的办公服务模式下，员工在使用各类办公工具开展工作时，面临着协同成本高、交互操作繁琐等痛点。例如在会议场景中，在参加国际化会议时经常需要有配套的翻译服务，以便更好理解与会各方的发言，会后也需要花费大量时间进行会议纪要的整理；例如在差旅场景中，员工在提交出差申请、预定机票酒店、填写报销单据等环节，需要花费大量的时间；又如在文档编写场景中，员工需要寻找合适的文档模板、查阅各种参考文档、拟定文档大纲等，整个过程费时费力，而写出的文档质量也参差不齐。

针对日常办公所面临的协同成本高、人工操作繁琐等痛点，以办公数字员工建设为主线，以智能中枢应用范式为核心，采用大小模型协同模式，构建智能化交互新范式，为每一名员工配备专属贴身的数字化、智能化的办公助手，围绕会议、差旅、文档等典型办公场景进行重点赋能与创新进化，简化日常工作事务操作路径和时间，提升员工日常办公的质效。

依托大模型、智能体、自然语言处理等各项AI技术的综合应用，为员工提供找人、创建会议、提交出差申请、知识问答、文档辅助编写等40余项智能服务，增强数字员工在银行办公产品体系内的辨识度，助力综合办公、人力资源、财务管理等领域的数字化转型。

5.10 金融研究智能助手

金融研究工作是商业银行进行战略决策、谋划战略转型的重要基础，在传统的金融研究工作中，研究人员需要通过各种渠道获取大量的研究数据作为参考，再通过对海量数据分析形成相应的观点研判，并汇总输出相应的研究报告。在过程中，由于研究所依赖的信息通常较为分散，需要花费大量的时间精力进行搜索，同时编写研究报告时也面临缺少好的创作思路、成稿费时费力等痛点。

依托千亿级大模型，建设面向研究人员的金融研究智能助手，面向研究人员提供智能推荐、智能搜索、智能创作等能力，实现研究工作的全流程智能化升级，推动研究工作从信息化向智能化升级。

金融研究智能助手上线后，有效赋能研究人员，实现宏观、行业、同业等多领域研究信息的智能推荐、智能搜索，以及金融研究报告的智能创作，建立起“AI+数据+研究员”的研究新范式，实现以数字化手段提升研究质效的目标。