15
②创新能力的场景泛化 - 旧场景的升级
2 破除虚妄:大模型在金融业的场景边界
客户维系:基于大模型所具有人类思维,同时依靠其知识补全能力和多
模态信息解析能力,对企业的客户管理行为进行整合分析,并给出客户
维系的建议性举措,提升客户管理能力,增强客户粘性。
场景举例:自动挖掘潜在客户,存量客户拜访提示等
智能合约:引入规则信息和利益导向,基于大模型起草或审查合同条款
审查合同,快速甄别潜在的利益冲突条款,并加快合同流程,有助于规
避潜在风险、提升合同撰写的均质化水平。
场景举例:自动生成金融服务合同、交易合同自动审查
行业研究:基于大模型的知识推理能力,让原先的行业研究模型具备理
解分析图表、舆情、往年数据等更广范围信息的能力,得出更加可靠的
行业研究结论,提升行研报告的均质化水平。
场景举例:投资、基金、券商行业研究报告智能化撰写
投资决策:依托于大模型的数学推理能力,赋予原先以计算为核心的投
决模型更加丰富的多维参考信息和更加动态的衡量标准,全面提升模型
的决策能力,让模型能够输出更加详尽的决策过程而不只是答案。
场景举例:交易决策建议,固定资产投资建议等
数字人:“大模型+数字人”的服务用户形态极大概率成为金融服务的
主流方式,以期通过其提供的7×24小时智能自助服务拓展营销与服务
渠道,使得用户获取金融服务入口发生潜在迁移和变化。
场景举例:金融企业内部服务的“数字员工”,服务客户的“数字客服”
智能外呼:基于大模型打造智能聊天机器人,可在线上渠道通过文字交
流辅助客户咨询或办理业务,大模型的引用使得文字与语音更加“人性
化”,增强共情能力与理解能力,进一步链接客户。
场景举例:在信贷流程中,依托AI信贷员和用户交谈以收集高效材料
以开/闭卷问答能力为核心
以数学推理能力为核心
以文本生成能力为核心
以知识推理能力为核心
风险管理:基于大模型多模态解析能力,全面释放金融结构化和非结构
化数据资产价值,在以往“经验规则+统计/机器学习模型”的基础上
引入多模态计算能力,更好的识别风险、预警风险与控制风险。
场景举例:审查客户风险时,基于客户的结构化数据、可利用的图片数
据、相关舆论信息进行综合解析与建模判断
知识管理:基于当前知识引擎,利用大模型的能力实现识别、特征提取、
聚合与重组,变革企业知识管理与知识获取方式,推动高效率与全覆盖
进程。
场景举例:企业项目经验查询,标签关联分析等
金融行业的数字化程度在全行业中相对领先,拥有高价值的领域数据资产,是大模型率先落地的垂直领域之一。大模型将依托其多种能力为金融行业带来原有
业务场景的升级,持续丰富业务内涵,提升现有数字化基础的效能与形式体验: