> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bigmodel.cn/llms.txt
> Use this file to discover all available pages before exploring further.
# 金融应用
> 金融行业大模型应用的背景、业务需求、解决方案
## 场景介绍
金融行业拥有良好的 AI 应用落地基础——数据质量较高、内部业务流程及系统流程较为规范，同时金融机构也是科技创新的积极探索者、行动者。随着大模型技术不断取得突破，金融机构在大模型应用过程中已完成了诸多有意义的建设；作为国内卓越的大模型公司，智谱在这个过程中也承担了重要的引导者、陪伴者的角色——协助金融机构完成大模型时代的技术转型，在技术变革的浪潮下始终保持优秀的行业竞争力。
## 业务需求
基于智谱在金融行业的落地实践和行业观察，我们详细梳理了金融行业大模型应用场景。主要分为营销客服、产品运营、风险管理、业务支持四大类。通过对四大类共67 个细分场景的分析（详见下表），我们发现大模型在金融领域的应用呈现以下特点：
* 应用广度：覆盖了从前台营销到中台运营，再到后台风控的完整业务链条，展现了大模型作为技术基建投入的普适性和泛化能力，体现了“边际成本固定化”的趋势。
* 升级深度：相比传统方案，大模型方案在以下方面实现了质的提升：
* 个性化内容生成：从固定模板、关键词匹配等升级为动态生成的个性化内容，在个性化服务过程中优势显著（包括个性化问答、个性化培训、个性化营销等）
* 知识理解与压缩：在需要对海量知识进行总结的场景（如买方投研、投资尽调等），大模型可极大提升文本类知识的处理效率，并正在快速拓展至多模态数据
* 场景遍历性：作为对垂直小模型的补充，大模型可以零边际成本对中长尾问题进行遍历性的覆盖 各场景的业务要求、合规要求不同，现有的数据、系统建设情况不同，在实施落地中也呈现出由易到难的梯度，其中：
* 营销客服类场景：实施难度相对较低，在客服坐席、销售助手等场景已有较多成功案例，但机构普遍对大模型直接对客服务还较为谨慎
* 产品运营类场景：涉及核心业务，需要更严格的准确性保证；除了纯数据处理场景（包含广义的对文本、图片等数据进行加工处理），其他场景需要与内部业务数据、系统接口有较好的结合
* 风险管理类场景：合规要求较高，大模型可以充分发挥遍历性的优势，提高风控场景的召回，进一步降低风险
* 业务支持类场景：包括研发、通用办公、财务、人力资源等，其中研发编码辅助场景已经高度成熟，其他场景也已形成诸多可复用的应用方案
可以看到，大模型能力已经深入渗透到金融行业的各个场景——从对外服务到对内赋能，大模型为金融行业生产方式的变革打开了巨大的想象空间。当然，在实际落地过程中不可避免地会遇到一些阻碍，如：可用的数据不足、提示词构建和维护困难、业务流程的梳理成本高等，大模型本身的“幻觉”问题也会增加应用调优过程中的试错成本。但面对不可逆转的技术发展趋势，我们需要对短期的挑战抱有足够的耐心，以乐观的心态积极投入。在应用探索过程中选择合适的场景切入点和推进路径，就能在底层技术不断升级的同时持续收获实际的业务成果，奠定长期的竞争优势。
首先，可以优先选择传统方案尚未覆盖或覆盖不足、历史数据积累质量高、对应的业务问题具备通用性的场景，例如：知识问答类、营销文案生成类、智能客服类、合规审核类等场景；不仅满足了上述要求，也能充分发挥大模型在语言理解和个性化文本生成方面的独特优势。简言之，在高ROI场景上的成功有助于建立企业内部对于大模型应用推广的信心。
当“低垂的果实”被摘完，金融机构需要思考如何继续深入挖掘大模型的业务价值。在场景的推进路径上，我们建议的方式包括：
* 从外挂式的大模型应用演进为嵌入式的大模型应用（参考上图，从第一、二象限下移到第三、四象限），这伴随着对企业内部资源的深度应用（需要企业具备良好的数据资源、系统工具资源，需要能对业务流程有较好的梳理，同时可开放接受变化）；
* 从固定的流程编排类应用演进为模型自主调度的开放式应用（参考上图，从第一、四象限左移到第二、三象限），这伴随着本地模型能力对企业私有数据的有效训练和学习，并能够仿照人的工作方式自主地调度企业内部的数据资源和工具资源。
\*注：场景颜色由浅到深代表实施难度由易到难
可以看到，随着大模型能力逐步完成从Chat到Act的演进，结合智能体方案的应用将进一步释放大模型的潜力。通过智能体技术，大模型不再局限于单一的对话互动，而是能够主动调用工具、访问数据并执行复杂的业务流程。这种演进既可以是从外挂式应用向业务流程深度嵌入的纵向拓展，也可以是从预设流程向自主调度的横向延伸。例如，在公司尽调场景中，智能体可以自主调用网络检索工具获取最新信息，并结合内部数据形成分析报告；在消保审核场景中，智能体可以同时处理文本和图像内容，自动联动多个审核环节，显著提升业务效率。
## 解决方案
我们选取了四个有代表性的且不依赖私有数据的金融应用场景，为大家展示大模型结合智能体方案在金融行业的应用范围和潜力。注：要实现最佳的应用效果，需要进一步基于金融机构内部的数据和业务习惯对此类应用进行调整，如有相关需求欢迎扫码联系智谱大模型解决方案专家。
### 公司尽调助手
应用介绍：公司业务尽调助手，用于公司信贷、一级投资、二级投资等需要获取公司最新业务、行业情况并进行针对性的尽调分析的场景，借助web search工具的海量实时信息获取和大模型的总结能力，为用户提供及时、全面的公司业务与行业发展情况分析。 \
\*注：接口中使用的网络检索信息已经过大模型筛选，但对于AI生成内容的相关性和准确性仍需保留自己的专业判断。
### 理财顾问陪练
应用介绍：理财顾问陪练，帮助理财顾问通过实战演练提升专业能力，可用于产品销售话术打磨、投资者适当性管理、客户常见问题应对等需要提升客户服务质量和专业能力的场景。借助大模型的对话互动和上下文学习能力，为理财顾问提供个性化的实战模拟和培训指导，全面提升投顾团队的服务水平和专业素养。\
\*注：接口中的人物对话和对话评分由大模型生成，对于AI生成内容的相关性和准确性需保留自己的专业判断。
### 金融消保审核
应用介绍：金融产品和服务的消费者权益保护审核，用于产品说明书合规性检查、营销材料审核等需要对文本、图像进行合规性审查和风险识别的场景，借助大模型的自然语言理解、图像理解能力，结合消保法规知识库，为银行等金融机构提供快速、准确的消保合规建议，有效降低消费者权益保护风险。 \
\*注：接口中使用的知识库信息已经过大模型筛选，但对于AI生成内容的相关性和准确性仍需保留自己的专业判断。
### 金融监管动态分析
应用介绍：金融监管政策追踪与分析，用于实时掌握监管机构最新政策动态、金融同业机构业务发展动态，并进行系统化梳理和深度分析。借助web search工具的实时信息获取、大模型的信息处理和分析能力，结合结构化的分析框架，为金融机构提供及时、专业的监管及同业动态分析服务，助力机构把握政策导向、防范合规风险。 \
\*注：接口中使用的网络检索信息已经过大模型筛选，但对于AI生成内容的相关性和准确性仍需保留自己的专业判断。
## 方案亮点
**技术成熟度与落地可行性并重**：基于智谱在金融行业的深度实践，所提供的解决方案已经过多家头部金融机构的实际验证。从 67 个细分场景的梳理分析中提炼出的实施路径，充分考虑了不同金融机构的技术基础和业务特点，确保方案具备良好的可操作性和可复制性。
**渐进式演进路径设计**：方案充分考虑了金融机构的实际情况，提供了从"低垂果实"到深度应用的渐进式路径。通过外挂式到嵌入式、固定流程到自主调度的两个维度演进，帮助机构在控制风险的同时逐步深化大模型应用，避免了技术变革中的"大跃进"风险。
**业务价值与合规安全的平衡**：在追求业务效率提升的同时，方案始终将合规安全置于首位。特别是在风险管理和合规审核场景中，充分发挥大模型遍历性优势的同时，通过多层验证机制确保输出结果的可靠性，实现了技术创新与审慎监管的有效平衡。
**智能体技术的前瞻性应用**：方案不仅关注当前的chatbot模式应用，也前瞻性地布局了agent模式应用。通过工具调用、数据访问、流程执行等能力的整合，将大模型从单纯的对话工具升级为业务流程的智能执行者，为金融机构的数字化转型提供了更大的想象空间。