AI for Process

6月26日，作為「數(shù)云原力®2025」大會重要組成，首場「AI for Process」系列活動圓滿結(jié)束。圍繞“AIGC在典型金融業(yè)務(wù)場景探索和實踐”和“金融領(lǐng)域AI數(shù)據(jù)應(yīng)用洞察與突圍”兩個熱點話題。來自行業(yè)多位資深金融科技專家結(jié)合銀行落地案例和行業(yè)技術(shù)趨勢，展開深入交流。

神州信息新動力數(shù)字金融研究院AI研發(fā)部副總經(jīng)理吳乾坤、神州信息金融產(chǎn)品技術(shù)部技術(shù)總監(jiān)溫濤、神州信息信貸解決方案BU技術(shù)總監(jiān)徐世強和特邀OpenCSG CTO 王偉，展開深入討論。神州信息新動力研究院副院長薛春雨主持本場圓桌。

圓桌現(xiàn)場

AIGC對金融軟件研發(fā)工藝帶來哪些變化？

神州信息溫濤：AIGC正在重構(gòu)金融軟件研發(fā)工藝體系，通過人機有效協(xié)同，定義新的研發(fā)范式。例如，通過Agent（智能體），實現(xiàn)業(yè)務(wù)功能代碼、單元測試代碼、功能測試用例的自動生成，大幅提升研發(fā)質(zhì)量與效率。

OpenCSG王偉：B端場景復(fù)雜度高、流程整合度高、容錯率更低，不能簡單復(fù)制C端Agent經(jīng)驗。OpenCSG聚焦在B端AI Coding Agent，與神州信息的合作已經(jīng)取得了階段性成果。后續(xù)我們將從AI Agent橫向擴展到AI Process流程，實現(xiàn)從需求、設(shè)計到研發(fā)、測試和交付等全流程工藝進化。

神州信息薛春雨：AIGC不僅僅是簡單的人工替代，更重要是推動研發(fā)工藝和流程的重塑、優(yōu)化和升級。目前，AIGC在金融場景應(yīng)用，正在從代碼生成、單元測試、知識問答等領(lǐng)域，向全周期延伸。

AIGC對銀行信貸帶來的新變革？

神州信息吳乾坤：AIGC正從流程優(yōu)化、風險研判、交互智能三方面深度賦能銀行信貸場景。在流程智能化方面，授信調(diào)查時突破數(shù)據(jù)孤島，整合企業(yè)財報、交易流水、輿情等多源異構(gòu)數(shù)據(jù)，快速自動生成邏輯嚴密的調(diào)查報告，替代人工梳理，大幅度提升調(diào)查效率。智能填單上，能依據(jù)客戶信息自動填充表單，規(guī)避人工錄入誤差，實現(xiàn)授信辦理效率的提升。風險智能研判方面，依托大模型構(gòu)建的智能風控體系，可深度貫穿信貸業(yè)務(wù)全流程，實現(xiàn)動態(tài)風控閉環(huán)。貸前，基于海量多維數(shù)據(jù)，精準識別高風險客群，篩除資質(zhì)存疑主體，從源頭把控風險；貸中，實時分析非結(jié)構(gòu)化的新聞報道，監(jiān)測企業(yè)經(jīng)營波動、信用數(shù)據(jù)異動，快速預(yù)警潛在風險點；貸后，持續(xù)追蹤資產(chǎn)、信用等信息變化，結(jié)合風險監(jiān)控指標動態(tài)調(diào)整策略，對風險企業(yè)精準觸發(fā)縮減授信、追加擔保等動作，為優(yōu)質(zhì)客戶優(yōu)化授信方案。大模型讓風險研判從靜態(tài)滯后轉(zhuǎn)向動態(tài)前瞻，精準施策守護資產(chǎn)安全，重塑信貸風控效能。交互服務(wù)方面，大模型基于客戶信用評分、行業(yè)風險等級與銀行政策，為用戶提供個性化的信貸方案。根據(jù)客戶畫像動態(tài)調(diào)整溝通策略，實現(xiàn)客戶與銀行服務(wù)交互的“個性化”，提升客戶智能化體驗。

神州信息徐世強：針對銀行貸前盡職調(diào)查領(lǐng)域的三個痛點，即非標數(shù)據(jù)解析、一鍵生成盡職調(diào)查報告和交易真實性驗證。神州信息推出了相應(yīng)解決方案，通過RAG、多源引擎融合、大模型智能體任務(wù)編排等方式，解決人工核驗準確性、人工評估主觀性和抽驗覆蓋率低等問題。

AI如何構(gòu)建金融科技核心競爭力？

OpenCSG王偉：誰能在數(shù)智化轉(zhuǎn)型中率先將業(yè)務(wù)經(jīng)驗和數(shù)據(jù)沉淀轉(zhuǎn)化為AI Agent能力，并深度重構(gòu)業(yè)務(wù)流程，誰就能率先完成顛覆式革新，搶占先機。

神州信息溫濤：AI技術(shù)發(fā)展的趨勢是多元化，從上層應(yīng)用到基礎(chǔ)領(lǐng)域研發(fā)，逐漸滲透到場景各個流程，并在過程中形成數(shù)據(jù)資產(chǎn)的積累，進而助力更為垂直領(lǐng)域大模型構(gòu)建，賦能業(yè)務(wù)場景創(chuàng)新。

神州信息吳乾坤：多模態(tài)大模型行正在迎來大突破和快速應(yīng)用。通過大量智能體構(gòu)建，推動技術(shù)和業(yè)務(wù)的融合，全面推動金融機構(gòu)數(shù)智化轉(zhuǎn)型，加速金融業(yè)務(wù)模式革新與流程優(yōu)化，助力構(gòu)建更智能、高效且適配未來的金融生態(tài)。

神州信息徐世強：眾多頭部AI科技公司將發(fā)力研發(fā)AI服務(wù)平臺，將各種AI技術(shù)集成整合，提供客戶使用，客戶不用自己去搭建復(fù)雜的AI系統(tǒng)，也不用費勁去訓練那些高深莫測的算法模型，只要在這個平臺上，就能輕松調(diào)用各種AI功能。

神州信息薛春雨：從發(fā)展趨勢上來看Agent是當下競爭的重點，當然需要跟企業(yè)積累的業(yè)務(wù)知識、產(chǎn)品數(shù)據(jù)等進行深度融合；AI for Process是后續(xù)的一個主要方向，最終的競爭力將體現(xiàn)在數(shù)據(jù)方面，數(shù)據(jù)積累轉(zhuǎn)化為生產(chǎn)力。未來，金融機構(gòu)和金融科技企業(yè)要立足當下，構(gòu)建具有金融行業(yè)特色的Agent智能體，持續(xù)推動AI for Process理念的邁進。

來自神州信息金融產(chǎn)品部數(shù)據(jù)研發(fā)中心總經(jīng)理李慶剛、神州信息數(shù)據(jù)資產(chǎn)交付部總經(jīng)理張琨、神州信息金融產(chǎn)品部數(shù)據(jù)產(chǎn)品經(jīng)理王淑慧和金融科技專家原微軟中國公司CTO黎江結(jié)合銀行落地案例和行業(yè)技術(shù)趨勢，展開深入交流。

圓桌現(xiàn)場

國內(nèi)外AI數(shù)據(jù)應(yīng)用的差異性？

金融科技專家黎江：從國內(nèi)外AI數(shù)據(jù)應(yīng)用趨勢看，存在較大差異性。首先，側(cè)重點不同。國內(nèi)銀行更注重AIGC在降本增效領(lǐng)域的應(yīng)用。而國外更為重視在數(shù)據(jù)價值深度的挖掘，通過對業(yè)務(wù)規(guī)則的探索，實現(xiàn)業(yè)務(wù)邊界和模式的突破。其次，合作模式不同。國內(nèi)更為傾向以自研或者自己主導為主，國外機構(gòu)更為青睞外部合作。最后，從技術(shù)部署上，國內(nèi)外存在一定差異，國外機構(gòu)更為青睞和云服務(wù)廠商在數(shù)據(jù)分析等領(lǐng)域合作。而國內(nèi)銀行由于監(jiān)管要求，更為強調(diào)本地部署，側(cè)重內(nèi)部管理或者內(nèi)部員工使用，面對業(yè)務(wù)場景的較少。尤其在數(shù)據(jù)基礎(chǔ)能力建設(shè)及平臺化方面存在一定差距。

神州信息李慶剛：從數(shù)據(jù)架構(gòu)架構(gòu)的角度看，一般的數(shù)據(jù)決策過程會涉及到：數(shù)據(jù)平臺系統(tǒng)、數(shù)據(jù)分析和智能平臺 analytics and business intelligence (ABI) 、數(shù)據(jù)科學和機器學習平臺 data science and machine learning (DSML) platforms以及特定的應(yīng)用系統(tǒng)。決策過程漫長，數(shù)據(jù)準備時間長、不能適應(yīng)業(yè)務(wù)快速變化。如何解決決策過程漫長，數(shù)據(jù)準備時間長、不能適應(yīng)業(yè)務(wù)快速變化等問題。決策智能平臺(DIP)是一個很好的方案，該平臺有幾個特點：一是平臺可從多源異構(gòu)數(shù)據(jù)中實現(xiàn)采集、聚合與標準化處理以及數(shù)據(jù)清洗，提升數(shù)據(jù)高質(zhì)量；而本體模型包括底層數(shù)據(jù)集、也包括決策模型（規(guī)則、AI模型等），使之處于數(shù)字資產(chǎn)的頂層，成為對外暴露出來的操作層；二是運用多種技術(shù)，實現(xiàn)知識建模。支持多種技術(shù)，如業(yè)務(wù)規(guī)則、優(yōu)化算法、機器學習、自然語言處理（NLP）和知識圖譜，用以建模決策知識。三是將決策場景和數(shù)據(jù)結(jié)合。通過人機交互的方式，通過可視化方式實現(xiàn)決策流程。我們觀察到一些銀行，利用大模型的能力，由業(yè)務(wù)人員根據(jù)客群情況，通過自然語言的方式與系統(tǒng)交互，利用底層的基礎(chǔ)數(shù)據(jù)，獲得營銷用例的客戶清單，并基于營銷客戶清單開展營銷活動。這已經(jīng)是決策智能的雛形了。

AIGC在金融合規(guī)領(lǐng)域的挑戰(zhàn)？

神州信息王淑慧：知識庫建立是大模型應(yīng)用基礎(chǔ)。大模型預(yù)訓練中用到的都是公共知識，它的參數(shù)里存儲了通用知識，這些知識遠遠不足讓它在銀行內(nèi)部發(fā)揮作用。所以我們需要把銀行內(nèi)部的私有數(shù)據(jù)轉(zhuǎn)化為“知識庫”，供大模型調(diào)用。銀行制度是一種重要的銀行知識傳統(tǒng)知識庫的構(gòu)建是將制度切塊，然后向量化存儲，用于各種應(yīng)用場景，比如合規(guī)問答機器人，外規(guī)內(nèi)化，產(chǎn)品營銷等。在前期的項目經(jīng)驗中，這種知識庫，對于跨制度的回答，效果不夠理想。這時需要借助知識圖譜結(jié)構(gòu)化的構(gòu)建知識庫。

神州信息張琨：首先，AIGC生成的內(nèi)容復(fù)雜多樣，針對不同類型的內(nèi)容制定合適的合規(guī)標準和規(guī)則難度極大。其次，監(jiān)管法規(guī)不斷變化，跨國業(yè)務(wù)還需適應(yīng)不同國家和地區(qū)的法律法規(guī)。最后，AIGC可能涉及數(shù)據(jù)安全風險及隱私泄露問題，企業(yè)處理大量敏感數(shù)據(jù)的過程中，也會面臨著非法攻擊和數(shù)據(jù)泄露的風險。如何面對這些挑戰(zhàn)？

從技術(shù)層面來看，企業(yè)應(yīng)該制定數(shù)據(jù)治理“治金石”效應(yīng)，以數(shù)據(jù)為核心在一套工藝下建設(shè)好高質(zhì)量的數(shù)據(jù)集。同時，對AI生成內(nèi)容添加水印或元數(shù)據(jù)標簽，明確版權(quán)歸屬。從法律與行業(yè)協(xié)作的角度出發(fā)，企業(yè)應(yīng)積極制定確權(quán)管理機制，明確屬主owner，推動數(shù)據(jù)授權(quán)標準化流程。

金融領(lǐng)域AIGC在多智能體挑戰(zhàn)？

神州信息張琨：在金融機構(gòu)中，大模型的應(yīng)用場景廣泛，但其應(yīng)用成本較高，且涉及的安全合規(guī)問題較多。首先，在應(yīng)用成本方面，金融機構(gòu)訓練大模型需要大量算力資源。尤其是處理千億級參數(shù)的大模型時，算力需求呈指數(shù)級增長，成本投入也相應(yīng)增加。

金融客戶往往通過構(gòu)建一體化云原生的異構(gòu)算力平臺來管理和調(diào)度多元異構(gòu)的AI算力資源；在數(shù)據(jù)層面，應(yīng)圍繞“盤、析、治、運、用”閉環(huán)流程，構(gòu)建大模型訓練和持續(xù)提升的數(shù)據(jù)閉環(huán)；在大模型方面，其基模可以采用第三方開源模型，包括業(yè)界主流的開源模型以及正在做共建和聯(lián)創(chuàng)的產(chǎn)業(yè)大模型，各個基模之間可以無縫切換，具有靈活的適配性，而對于金融大模型平臺，包括NLP、CV、多模態(tài)等大模型，主要是通過組件化（例如微調(diào)組件、RAG組件等）方法快速優(yōu)化各類開源模型和商業(yè)模型，以實現(xiàn)各類金融場景的接入。

神州信息王淑慧：首先智能體可以代替員工完成一些標準化、重復(fù)性高的工作，如銀行業(yè)信貸領(lǐng)域盡調(diào)報告部分章節(jié)的撰寫等。重點針對這樣制式報告，可以預(yù)設(shè)workflow，讓智能體按照既定的順序完成指定的工作，可以調(diào)用工具去指定的第三方合作網(wǎng)站用API接口方式獲取指定定客戶的自身信息，如經(jīng)營范圍、財務(wù)狀況、集團及關(guān)聯(lián)關(guān)系等，去行內(nèi)某系統(tǒng)查詢在行內(nèi)的歷史合作情況，并把以上信息填寫進制式報告的指定位置，幫助信貸經(jīng)理完成繁瑣的基礎(chǔ)信息的查詢以及填寫。以上是workflow工作流，由人來規(guī)劃；針對更復(fù)雜的場景，可由大模型來做決策，拆解任務(wù)，每個子任務(wù)由子Agent完成。

AIGC對金融數(shù)據(jù)研發(fā)與應(yīng)用帶來的變化？

金融科技專家黎江：首先，數(shù)據(jù)應(yīng)用的核心關(guān)鍵在于“本體”，通過“本體”將分散的知識進行有機組織，形成整套的知識概念體系，才可以實現(xiàn)體系內(nèi)知識和概念的交叉應(yīng)用。通過完善的“本體”構(gòu)建，才能支持決策判斷和知識共享。其次，通過“本體”還可以將決策流程、決策場景和決策相關(guān)要素進行結(jié)合，實現(xiàn)“既要、又要、還要”等不同需求。最后，如何看待本體和大模型的關(guān)系。今天大模型作為工具能夠幫助我們構(gòu)建一套正向的反饋機制，幫各類數(shù)據(jù)應(yīng)用場景進行結(jié)合，通過模型持續(xù)學習，不斷提升數(shù)據(jù)的應(yīng)用價值。

從個人角度看，非常期待中國銀行業(yè)能夠像當年面對互聯(lián)網(wǎng)而成立了電子銀行部一樣，面對AIGC我們也同樣需要成立專門的部門，專注人工智能技術(shù)的應(yīng)用，推動智能決策的發(fā)展。

神州信息李慶剛：基于AIGC技術(shù)在國內(nèi)外的對比分析，以及近年來我們在知識庫建設(shè)與應(yīng)用、多智能體系統(tǒng)以及數(shù)據(jù)研發(fā)領(lǐng)域的項目實踐的分享，首先從技術(shù)的維度，有以下三個觀察：

混合人工智能將成為重要方向，即通過大模型、小模型與知識圖譜等技術(shù)的協(xié)同融合，顯著提升數(shù)據(jù)分析能力；

大模型與知識庫的深度結(jié)合將有效增強決策支持能力；

多智能體系統(tǒng)將成為大模型技術(shù)落地的主要載體。

值得注意的是，這些觀點Gartner預(yù)測的2025年技術(shù)趨勢高度吻合。其次，從大模型項目落地突破的角度，我們想提出兩點建議：

要認識到"知易行難"。剛才分享的三個案例在實施過程中都遇到了需要突破的難點，有些領(lǐng)域我們?nèi)栽诔掷m(xù)探索中，必須選擇適合自身的發(fā)展路徑。

建議充分利用生態(tài)，實現(xiàn)快速見效。大模型應(yīng)用本身就是創(chuàng)新過程，企業(yè)應(yīng)當善用市場上相對成熟的解決方案，借鑒最佳實踐，避免重復(fù)踩坑。比如可以選擇與神州信息這樣的專業(yè)伙伴合作，加速項目落地。

首場數(shù)云原力「AI for Process」直播活動圓滿結(jié)束，后續(xù)還有供應(yīng)鏈運營、政務(wù)服務(wù)及汽車制造等核心業(yè)務(wù)流程的實戰(zhàn)經(jīng)驗，直擊行業(yè)痛點，解碼AI助力各行業(yè)場景的破局密鑰。通過生動實踐延伸，以前沿洞察、技術(shù)突破與跨行業(yè)真實實踐為利刃，全力推動企業(yè)數(shù)智化轉(zhuǎn)型邁向更高階的「流程智能」時代。