股票公司配资从前端客户获取、中期反欺诈核查

中国网财经9月12日讯在日前举办的中国国际服务贸易交易会-第七届中国金融科技论坛上，百融云创高级副总裁陈立宇从科技公司的视角，深入剖析了银行智能化转型的实践路径与核心观点，强调了大模型在银行业务场景中的关键作用及价值衡量标准。

陈立宇指出，大模型作为通用人工智能(AGI)发展的重要基石，其核心能力体现在强大的生成能力、泛化性语言理解能力、高效的少样本学习与上下文学习能力，以及知识关联与推理能力四个方面。

“然而，大模型的‘推理’本质上仍是基于海量数据的统计概率预测，与人类基于逻辑理解的推理存在本质差异。”陈立宇提醒，思维链技术虽能提升模型对复杂任务的理解与处理能力，但其本质仍属于提示词工程范畴，需客观认识其局限性。

面对银行智能化转型中大量的成本投入，如何衡量其价值成为关键问题。陈立宇提出了AI Agent需像人一样完成KPI的观点，并强调银行智能化转型应聚焦三大痛点：推动业务流程AI化、实现业务Know-how AI化、建立AI价值交付的标准化评估体系。

”以信贷业务为例，从前端客户获取、中期反欺诈核查，到授信审批与贷后管理，每个环节均需特定岗位人员承接执行。业务流程AI化的核心，就是通过人工智能技术替代或辅助人工完成这些标准化、重复性的业务活动，实现流程效率的提升。“陈立宇表示。

在他看来，AI技术的应用效果，不能仅以技术参数衡量，核心要看是否能“规模化交付价值”——即AI方案能否在大规模业务场景中稳定落地，持续为银行降本、增效、控险。

”例如，我们当前正为多家金融机构提供AI驱动的贷后管理解决方案，这一需求的背景与当前银行业面临的“三低一高”挑战密切相关：在市场利率下行、息差收窄、整体收益承压的同时，不良资产风险受宏观环境影响呈现一定上升趋势。“

据他介绍，作为在香港上市的一站式AI科技领航者，百融云创服务了8000多家商业机构。

在具体实践中，百融云创通过训练贷后管理专属大模型，成功打造了包括智能客服Agent、声纹识别Agent、后台质检Agent在内的九大智能体。这些智能体实现了业务流程的精细化分工与协同作业，显著提升了业务处理效率与客户满意度。

陈立宇透露，在某银行信用卡M1阶段(逾期1-30天)的运营实践中，该方案成功减少了10名人工坐席配置，产能提高3倍，投诉降低95%，充分展现了AI技术在成本优化上的规模化潜力。

此外，陈立宇还介绍了百融云创在信贷报告和尽调报告生成方面的创新实践。他指出，信贷报告Agent能够复制人类专家的思考和工作逻辑，从多维度分析数据，形成有助于决策的深度报告。而尽调报告生成产品则通过多个智能体协作，实现了数据OCR录入、财务报表交叉核对等关键环节的自动化处理，大大提高了报告生成的准确性与效率。