第八屆數字中國建設峰會於4月29日至30日在福建省福州市舉行。峰會期間，由北京大學主辦的“數智賦能·金融創新”數字金融分論壇，深入探討了數字技術如何重構金融生態以及適應新時代需求的數字金融人才培養模式。

度小滿首席技術官張文斌以《Agent重塑客戶體驗與金融風險決策模式》為題進行了分享。他表示，以R1推理大模型發布為關鍵節點，大模型能力、通用工具能力以及AI在金融中的應用場景都發生了巨大的變化。在模型能力方面，從擅長語義理解與內容創造的生成式大模型，轉向具備復雜邏輯推理能力的推理大模型。通用工具也從專注效率提升和能力拓展的智能助手，升級為擁有自主決策與行動能力的Agent。

隨著AI能力的不斷提升和對AI需求的不斷增長，推理大模型在金融中的應用從客服助手、資料審核等“外圍”領域，深入到用戶體驗、風險決策等“核心”場景。張文斌認為，在客戶體驗上，AI Agent重構了交互模式，可以全流程對客戶進行線上引導，實時解答用戶疑問，有效避免了人工干預導致的體驗割裂。以信貸領域的用戶借款為例，他詳細對比了傳統流程與AI技術改進后的差異：以往，用戶在APP申請借款后，如果沒有自動通過審批，就需要進行人工審核，信審人員致電用戶要求用戶補充資料，需要重復問客戶很多問題，流程繁瑣且等待時間長，涉及多次跳轉和人工操作。而現在，借助AI技術，從授信、用信、增信到自動審批，全流程實現線上引導，就像給每個人配備了專屬客戶經理，保障了體驗的一致性。

在風險管理領域，相比傳統風控模式是將原始數據加工為結構化變量再處理，存在信息折損，推理大模型能夠充分理解全維度原始數據，提升數據使用效能，例如它可以基於用戶流水識別出疑似向高風險賬戶轉賬等小概率但高風險的行為。

對於大模型如何落地應用，張文斌建議：一是尋找“小切口”構建Agent，例如在風控場景中，先從信用評級相對弱的客群中篩選出優質客戶，深入特定場景、特定客群，基於特定目標研發差異化Agent，實現做深做透。二是先落地應用，利用產生的場景化數據反向優化模型，形成“場景應用-數據積累-模型迭代–效果優化”的“飛輪效應”。三是集中算力和人才，建立適應AGI時代的企業組織。通過集聚算力資源與專業人才，成立專項團隊加速AI應用落地﹔優先培育“AI覺醒人才”，發揮其示范效應，帶動全員融入AI轉型，實現組織能力的跨越式升級。

關注公眾號：人民網財經

分享讓更多人看到