《ICBC&華為&北京金融科技產業聯盟:2024大模型驅動的數字員工3.0建設應用白皮書(51頁).pdf》由會員分享,可在線閱讀,更多相關《ICBC&華為&北京金融科技產業聯盟:2024大模型驅動的數字員工3.0建設應用白皮書(51頁).pdf(51頁珍藏版)》請在三個皮匠報告上搜索。
1、版 權 聲 明本白皮書版權屬于中國工商銀行股份有限公司、華為技術有限公司、北京金融科技產業聯盟,受法律保護,轉載、引用或其他方式使用本白皮書的原文或觀點,應注明來源。中國工商銀行股份有限公司、華為技術有限公司、北京金融科技產業聯盟保留對違反以上說明和相關權益的行為追究相關法律責任的權利。大模型驅動的數字員工3.0 建設應用白皮書中國工商銀行金融科技研究院華為技術有限公司數字金融軍團北京金融科技產業聯盟2024年9月大道不孤,眾行致遠。習近平總書記多次作出重要論述,指出發展新質生產力是推動高質量發展的內在要求和重要著力點。這是在世界百年未有之大變局和中國現代化建設的新階段,對高質量發展的把脈定向
2、。中央金融工作會議要求,金融要為經濟社會發展提供高質量服務,做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章。銀行業應全面深化數字技術的金融應用,以人工智能為重要抓手推進產業創新和解鎖新質生產力,以高質量金融服務推動經濟高質量發展。因時而變,隨事而制。數字員工3.0作為人工智能大模型與銀行業務深度融合的新型業務應用載體,正在重塑銀行業的服務模式和創新能力。為更好推動數字金融高質量發展,助力人工智能+金融生態建設,由中國工商銀行金融科技研究院牽頭,聯合華為技術有限公司數字金融軍團、北京金融科技產業聯盟傾力編撰發展新質生產力,開啟數字金融新紀元大模型驅動的數字員工3.0建設應用白皮書
3、,旨在為金融機構把握機遇,應用以大模型為核心的數字員工3.0新型技術,實現金融業務高質量發展,提供全面而深入的實踐參考。創新求變,行穩致遠。隨著數字化與智能化轉型的浪潮洶涌而來,人工智能技術的革新層出不窮。數字員工的建設與創新應緊跟技術進步的步伐,同時契合我國金融行業的發展脈絡,并充分體現人機的和諧協作。本書立足于當前金融科技發展前沿,從底層的大模型技術、中間的應用范式能力構建、到上層的應用場景落地,同時融匯全域安全和全生命周期身份管理,詳細描繪數字員工的技術棧和實現路徑,深入探討數字員工應用于智能客服、智能營銷、智能風控、智能運營等多個實踐案例以及對其管理和安全管控方面的思考,為讀者提供豐富
4、的參考。道阻且長,行則將至。本書凝聚中國工商銀行、華為技術有限公司、北京金融科技產業聯盟多年來在數字員工體系建設和應用領域的思考和實踐經驗,是各方多年合作的智慧成果。展望未來,我們相信,通過持續的技術創新和實踐探索,以人工智能大模型為核心的數字員工將成為推動銀行業數字化轉型的重要力量,為打造一個更加智能化、高效率、廣泛覆蓋的高質量金融服務體系提供強大動能。在此,我們期待與各方攜手,共同打造新質生產力,邁向數字金融新紀元!序 言序言 一、概念篇:數字金融更上層樓,數字員工邁入新篇 011.1 立足新發展,數字金融是數字經濟發展的新質生產力 031.2 貫徹新理念,數字員工是數字金融的重要應用載體
5、 041.2.1 從自動化到擬人化,大模型成為數字員工重要技術支撐 041.2.2 從簡單模擬到個性交互,數智技術賦予數字員工數字人格 061.3 剖析新優勢,數字員工3.0助力銀行邁入數字金融新紀元 081.3.1 從判別到生成,數字員工應用出現新形態 081.3.2 從單點能力到通用能力,數字員工應用駛向復雜縱深領域 091.3.3 從+AI到AI+,數字員工助力數字金融邁入新紀元 09二、藍圖篇:積極應對機遇挑戰,構建新型架構藍圖 112.1 數字員工3.0建設的機遇和挑戰 132.1.1 應用挑戰:數字員工3.0的業務價值自證 132.1.2 技術挑戰:大模型使能金融數字員工面臨四大挑
6、戰 142.1.3 管理挑戰:數字員工尚未形成體系性的身份管理機制 152.1.4 安全挑戰:數字員工全生命周期仍面臨安全風險隱患 162.2 數字員工3.0架構藍圖 172.2.1全域場景賦能,構建良性生態 172.2.2全棧技術融合,打造全能基座 182.2.3全維人格納管,塑造身份體系 182.2.4全轄安全防護,確保合規運營 19三、應用篇:全域場景價值賦能,重塑應用百花齊放 203.1 數字員工3.0的價值場景識別 213.1.1 場景挖掘:科技主動前移業務一線 213.1.2 場景落地:業務深度介入開發運營 233.2 數字員工3.0的典型應用示例 243.2.1 對客輔助,質效提
7、升的新動能 253.2.2 對內賦能,輔助決策的新幫手 313.3 打造開放共享的數字員工人才市場 38四、技術篇:全棧融合百模千態,建設敏捷創新工廠 394.1 技術框架:“三大支柱、一條產線、全量資產”414.2 三大支柱:技術融合,夯實數字員工智慧基石 424.2.1 算力:異構算力融合,按需開展算力利用和建設 424.2.2 算法:多樣智能融合,賦能數字員工生產力躍升 444.2.3 數據:全模數據融合,激活數字員工認知核心 494.3 一條產線:研運一體,革新數字員工研發模式 524.3.1 建設創新工廠,以敏捷化研發中心打造數字員工能力基石 534.3.2 建設能力樞紐,以標準化服
8、務中心加速數字員工上崗運行 584.4 全量資產:統一納管,使能數字員工持續進化 624.4.1 打造全面高效的資產中心,持續供給數字員工生產資料 624.4.2 構建共建共享的運營機制,全面推進數字員工快速發展 65五、管理篇:遵從勞動分工本源,創新數字員工管理 665.1 獨立身份,賦予個性人格 685.2 權責清晰,明確組織管理 695.3 專業設崗,實現任務專辦 705.4 科學管理,分層統一納管 715.5 數字運營,持續提升能力 725.5.1 數字員工評價指標體系 725.5.2 數字員工能力運營 73六、安全篇:科技向善堅守本心,安全可信夯實根基 756.1管理有序,制定數字員
9、工安全合規管理制度 786.1.1 制度先行,明確安全頂層設計 786.1.2 優化組織,形成安全統籌協同 796.1.3 人才建設,強化安全意識技能 79目錄6.2全域守護,構建數字員工安全技術能力體系 806.2.1 數據安全,強化數據管理保護策略 806.2.2 模型安全,加強大腦自身價值對齊 816.2.3 業務安全,實現應用安全合規約束 826.2.4 以評促建,多維多輪衡量安全水平 836.3 安全運營,建立數字員工“早發現、早處置”風險防控體系 846.3.1 早發現,建立實時監測防線 846.3.2 早處置,形成閉環管理機制 85七、展望篇:數字員工未來已來,技術革新穩中求進
10、877.1 數字員工應用廣闊,層次多元潛力深遠 897.2 緊跟技術創新趨勢,需求驅動動態升級 907.3 強化人才隊伍建設,人機協同和諧發展 927.4 做好安全風險評估,完善監管合規機制 937.5 結語 94圖1:數字員工的技術演進 05圖2:智能體框架介紹 06圖3:數字員工的能力分級 07圖4:AI+時代人機協同 10圖5:數字員工3.0架構藍圖 17圖6:兩階六步數字員工建設方法論 21圖7:三種挖掘數字員工高價值場景方法 22圖8:繪制全場景賦能地圖示例 23圖9:數字員工應用場景選擇二維象限法 23圖10:數字員工人才市場框架 38圖11:數字員工技術架構 41圖12:大規模算
11、力基礎設施架構 43圖13:輕量化算力基礎設施架構 43圖14:模型“選、育、用”三維建設思路 44圖15:大模型測評框架 45圖16:大模型能力矩陣 46圖17:LoRA微調原理圖 48圖18:5+1數據知識體系 49圖19:智能化數據治理流水線示意 50圖20:研運一體產線框架 52圖21:數字員工三層開發流水線框架 53圖22:五維協同智能體能力 54圖23:大小模型協同的三種模式 55圖24:動態規劃流程圖示例 56圖25:靜態編排流程圖示例 57圖26:數字員工編排流程圖 58圖27:插件定義示例 59圖28:數字員工能力統一管理框架 59圖29:基于智能體的數字員工服務調控框架 6
12、0圖30:原子-組合-范式三層服務 61圖31:插件庫資產示例 62圖32:靜態編排流程.yaml文件示例 64圖33:動態規劃提示詞示例 64圖34:數字員工管理體系 67圖35:數字員工安全體系 77圖36:數字員工安全技術能力體系 80圖37:模型安全體系 82表1:數字員工設崗示例 71表2:數字員工評估指標體系(示例)73目錄0102大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元大模型驅動的數字員工3.0建設應用白皮書一.概念篇:數字金融更上層樓,數字員工邁入新篇0304大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金
13、融新紀元黨的二十大報告中提出“加快發展數字經濟,促進數字經濟和實體經濟深度融合”。數字經濟是繼農業經濟和工業經濟之后的主要經濟形態,是以數據資源為關鍵要素,以現代信息網絡為主要載體,以信息通信技術融合應用、全要素數字化轉型為重要推動力,促進公平與效率更加統一的新經濟形態。數字金融與數字經濟相伴相生,2023年中央金融工作會議提出要加速建設金融強國,做好數字金融等“五篇大文章”,提供高質量金融服務。數字金融是以數據技術雙要素為驅動,推動金融產品和服務模式創新重塑,與數字經濟發展相適應,全面服務經濟社會高質量發展的一種新金融形態,是金融數字化轉型的深化和提升。當前,數字金融正逐步融入到金融產品和服
14、務中,實現產品、流程、渠道、營銷、運營、風控等銀行業務主要領域的全鏈路賦能,形成新質生產力,適應數字經濟發展。人工智能是發展數字金融的重要引擎,是助推銀行從“數字時代”邁入“數智時代”的新動能?!敝袊嗣胥y行發布的金融科技(Fin-Tech)發展規劃(2022-2025年),指出要重塑智能高效的服務流程,更好支撐數字化業務快速發展。2024年3月,“人工智能+”首次寫入政府工作報告,為人工智能技術在千行百業的廣泛應用開啟新篇章。金融業作為數字化和智能化的先行者,具備人工智能應用豐富的場景舞臺和技術實施基礎。為高質量落實國家戰略目標,金融機構紛紛加大人工智能應用布局,隨著傳統人工智能技術的逐步成
15、熟和金融行業經驗的持續累積,智能金融應用正在進入規?;l展新階段。同時,生成式人工智能大模型的迅猛發展為數字金融帶來新的發展方向,創造更廣闊的應用前景。傳統人工智能技術與新興生成式人工智能的融合,推動數字金融向更高層次、更廣范圍發展,為金融行業帶來前所未有的創新機遇。在銀行業數字化智能化發展過程中,數字員工成為發展數字金融的重要應用載體,銀行通過數字員工的應用將勞動力、數據、技術等生產要素按照數字形態有機融合疊加,進一步推動銀行金融服務由傳統生產模式向數字化智能化生產力模式轉變。數字員工,也稱為數字化勞動力,是一種利用機器人流程自動化(RPA)、人工智能和其他技術來模擬人類工作行為的智能化IT
16、系統,能在特定領域輔助或替代人類完成相關任務。值得一提的是,數字員工的設立并非是對人類員工的替代,而是讓每個員工擁有貼身、智能的數字助理,提升人類員工的生產力和創造力,人機協同為企業創造更大的價值。該模式下,人類員工和數字員工共同組成協作團隊,人類員工承擔決策、監督、指揮的角色,數字員工圍繞人類員工承擔建議、執行的角色。通過上述過程,使得每個員工獲得成倍的工作效能提升,進而實現生產關系的變革和生產力的飛躍式創新。2023年大模型驅動的生成式AI技術爆發之后,數字員工也迎來全新的發展機遇在大模型技術驅動下,數字員工擁有“智慧靈魂”,智能化能力和擬人化水平大幅提升,開啟數字員工發展的新浪潮,成為推
17、動銀行數字化轉型、培育金融新質生產力的新型重要應用載體。1.2.1 從自動化到擬人化,大模型成為數字員工重要技術支撐數字員工概念源自流程自動化技術,伴隨人工智能技術的快速發展,數字員工經歷基于流程自動化的1.0時代、基于RPA+傳統人工智能應用的2.0時代、基于大模型和智能體的3.0時代三個發展階段,從1.0到3.0,數字員工的智能化水平快速提升,賦能的員工范圍和價值產出也越來越大。1.1 立足新發展,數字金融是數字經濟發展的新質生產力1.2 貫徹新理念,數字員工是數字金融的重要應用載體0506大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元數字員工1.0:
18、側重自動化,主要利用RPA自動化技術,模擬人類計算機操作行為,替代或者協助人類完成業務流程中的已設定規則、自動執行標準化、規則明確的重復性任務,如自動對賬、標準化報表自動化生成等,從而提高效率。RPA應用可看作數字員工的早期形態,部分企業也將RPA自動化應用納入數字員工范疇。數字員工2.0:側重智能化,在RPA技術之上,基于“看、聽、說、想、做”等傳統人工智能技術,打造具有面向特定工作的智能化數字員工。這一階段的傳統人工智能技術開始嘗試模仿人類的感知和決策過程,基于機器學習、自然語言處理、計算機視覺、語音識別等傳統人工智能技術,賦能數字員工處理相對復雜的任務,如智能問答、智能外呼、金融憑證影像
19、智能識別錄入等。從交互能力來看,該階段出現具有數字人形象、簡單語言語音交互能力且有一定人格化屬性的數字員工,但受制于傳統人工智能泛化能力有限,數字員工2.0往往按照人工預設腳本“照本宣科”,或基于問答對匹配知識庫答案回答問題,智能化程度有限。數字員工3.0:側重擬人化,隨著大模型和智能體技術發展演進,全能數字員工應用得以實現,該模式集成多樣智能大模型的能力,包括感知、記憶、規劃、執行、反饋、協同等高度擬人化能力,同時基于統一的智能體框架(如圖2所示),數字員工3.0可以融合調控數字員工1.0、2.0的各項服務能力,如把RPA能力當成工具調度起來,實現數字員工1.0的自動化和數字員工3.0的智能
20、化協同;如大小模型融合應用,也即數字員工2.0和3.0融合。數字員工3.0通過自然語言交互模式,為企業中的每個員工配備一個7*24小時的智能助理,能夠通過理解目標、拆解任務、感知環境、調控工具等方式,人機協同完成規律性較弱、專業性更強、復雜度更高的工作,如市場趨勢分析、資金資源調度、代碼編寫等。當然,數字員工3.0并非是對1.0、2.0的替代,而是在其基礎之上的演進和協作共生關系。數字員工1.0、2.0擅長處理規則明確、重復性高的簡單任務,算力消耗少,可解釋性好,性價比高。數字員工3.0得益于大模型強大的通用問題解決能力,能勝任處理規律性較弱、專業性更強、復雜度更高的任務,但受制于大模型黑盒、
21、計算復雜度高等因素,存在可解釋性弱、成本投入大等問題。同時,數字員工3.0可以作為超級應用,無縫融合調控數字員工1.0、2.0的各項服務能力,建立基于自然語言交互、極致體驗的智能化服務。因此,不同代的數字員工互為補充,共同推動業務流程的優化和智能化創新。1.2.2 從簡單模擬到個性交互,數智技術賦予數字員工數字人格擬人化的數智技術發展,賦予數字員工“數字人格”。在交互能力方面,數智技術幫助數字員工模擬人類的表達方式和行為模式,尤其是伴隨著人工智能大模型等技術的逐漸成熟,數字員工具備通過自然語言對話理解語境,學習和適應工作任務的溝通協作能力;在情感個性方面,通過為數字員工精心設計獨特性格、知識背
22、景和情緒表達,同時伴隨著語音克隆、數字人克隆等高度擬人化技術的成熟,使得面向不同領域的數字員工展示出千人千面的類人形象和個性化服務能力。目前,業界尚沒有對數字員工的人格化標簽進行標準化分類,本文試圖從人類員工工作的人力管理“員工-崗位-能力”三層關系模式出發,來綜合闡述這些多元豐富的數字人格。圖1:數字員工的技術演進圖2:智能體框架介紹0708大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元一是從服務對象視角來看,數字員工分為對客服務和對內賦能兩種群體。對客服務數字員工主要負責數字化的客戶服務工作,如使用智能問答自動答復客戶各類金融咨詢;對內賦能數字員工主要
23、服務于企業內部的綜合辦公、業務處理等領域,協助或替代企業員工處理各類事務,提升工作質效,激活經營活力。二是從擔任崗位視角來看,數字員工的承擔崗位呈現出綜合化、專業化兩種發展趨勢。綜合化崗位數字員工通常作為員工超級助手存在,承擔一個領域或者多個領域的多種崗位,通過自然語言交互,能夠調控后端多種專業技能,從而具備文檔編寫、知識問答、程序編寫、數據分析等多種能力,輔助或替代人類員工解決各類問題。專業化崗位數字員工聚焦具體崗位,旨在替代或協助人類員工處理崗位要求的一類或多類工作任務,如數據錄入、交易處理、賬戶維護等。綜合崗位數字員工由于具備較強調控能力,可通過對話交互模式調度各種專業崗位數字員工能力串
24、聯完成更為復雜的金融交易執行。三是從勝任能力視角來看,數字員工具備“輔駕”、“代駕”兩種代表性能力形態。本文結合智能體應用演進趨勢,將輔駕到代駕的能力發展分為L1-L5五個等級。L1級數字員工作為工具被人類手工調用;L2級數字員工能夠執行被人類分解的任務,比如RPA每天定時批量處理財務報表自動下載;L3級數字員工能自主拆解及分配任務,閉環執行,人類員工、數字員工協作完成業務工作;L4級數字員工能提供達到人類專家水平的定制化服務;L5數字員工具備自主智慧,能夠獨立完成工作。當前業界的數字員工能力主要集中在L2及L3兩個層次。圖3:數字員工的能力分級數字員工3.0的核心理念是“擬人化”、“自主化”
25、與“共享化”,這三大核心共同構建一個全新的數字勞動力模型,而不再局限于簡單的任務自動化與智能化。數字員工3.0以更貼近人類的方式進行交流和互動,融合共享跨系統、跨組織的知識與資源,通過模擬人類員工的決策過程并不斷自我優化,有效應對復雜業務問題。數字員工3.0作為數字員工技術的最新發展階段,重新定義數字員工的能力邊界,將數字員工的智能化水平、任務處理能力、學習適應能力和交互能力帶向新的高度,形成人機協作的新模式。1.3.1 從判別到生成,數字員工應用出現新形態傳統人工智能在金融領域的應用主要集中于分類、聚類、回歸任務,如信用評估、交易反欺詐判定、憑證影像識別、備付金準備預測等。但傳統人工智能技術
26、局限于特定的狹義人工智能范疇,能力有限。生成式AI的出現,讓數字員工具備強大的文本生成、圖像生成甚至代碼生成能力,為金融行業帶來全新的應用場景,為金融行業數字化轉型注入新動能,也壯大百模千態的數字員工生態。例如,在投資研究領域,數字調研助手可以自動生成高質量的研究報告,不僅提高效率,還能為分析師提供新的洞察角度,在產品設計方面,數字設計助手可以根據客戶需求和市場趨勢,快速生成創新的金融產品方案;在風險管理領域,數字風控助手可以自動預估各種極端市場情景,幫助金融機構更好地進行壓力測試和風險評估,顯著提升工作效率和決策質量。在生成式智能的催生下,數字員工涌現的能力可以創造出全新的、乃至人類可能未曾
27、想到的解決方案,并催生出顛覆性的金融產品和服務模式。1.3 剖析新優勢,數字員工3.0助力銀行邁入數字金融新紀元0910大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元1.3.2 從單點能力到通用能力,數字員工應用駛向復雜縱深領域在金融領域,專業崗位如信貸經理、風險管理人員等,需處理大量的信息和數據,并進行深入分析和處理。傳統AI在處理結構化數據方面表現出色,但在理解復雜的非結構化信息(如文本、圖像等)方面能力有限,導致以往數字員工應用往往是點上的淺層次創新。生成式大模型的出現,顯著提升AI的語言理解和知識推理能力,幫助數字員工深入到智慧金融的方方面面處理和
28、解決更復雜的任務和問題。例如在決策支持方面,研報分析助手理解和整合來自多個來源的復雜信息,包括新聞報道、社交媒體、企業公告等,從而提供更全面、更深入的市場洞察。在客戶服務方面,客服機器人不再局限于簡單的問答,而是能夠進行深入多輪業務咨詢,理解客戶的復雜需求,提供個性化的金融建議。依托大模型深度理解能力的突破,數字員工將輔助金融從業人員更加得心應手地處理金融領域的復雜問題,從而提升金融機構在客戶服務、業務運營、風險管理、技術創新等方面的智能化水平。1.3.3 從+AI到AI+,數字員工助力數字金融邁入新紀元傳統的智能化金融應用往往是在現有業務流程中嵌入AI功能,即“+AI”模式,該模式下AI往往
29、是業務流程的附屬部分,并未深層次改變業務流程模式。生成式AI的出現,推動業務應用模式向“AI+”轉變,即以AI為核心重塑整個業務流程和交互方式,通過對話式交互方式串聯復雜分散的業務流程,AI不再僅僅是業務流程的附屬部分,更是行業創新發展的主要驅動力和調度協作中樞,使得人機交互變得更加自然和無縫,用戶不再需要通過復雜的表單或菜單來操作金融系統,而是通過自然語言與智能助手進行流暢對話,即可完成信息查詢、業務辦理、投資建議等一系列操作,以AI+重塑業務流程,顯著提升業務處理效率和體驗。在AI的浪潮中,數字員工不僅僅是一種工具,它們與人類員工形成互補,開啟人機協同的新紀元。二是傳統的流程性工作和簡單的
30、非線性場景任務逐漸交由數字員工處理,這不僅提高工作質效,更釋放人類員工的潛能。人類員工的工作重心隨之向更高層次的領域轉移,包括高階認知、社交情感和技術創新等方面。這種轉變使得人類的“高階價值”得以充分彰顯,將高精尖人才從繁瑣的日常事務中解放出來,轉而投入到更具創造性和戰略性的工作中。這種人力資源的重新配置不僅優化銀行的人才梯隊結構,更促進人力資源體系改革。通過將人類智慧與數智技術有機結合,銀行業正在培育和強化自身的數字基因,為未來的發展奠定堅實基礎。圖4:AI+時代人機協同一是數字員工3.0的崛起,標志著“數字分身”的大規模應用成為可能,數字員工3.0將為每位銀行員工提供多個“數字分身”,徹底
31、改變人機協作的模式。員工能夠創造和定制專屬的數字助手,形成“1個自然人+N個數字員工”的新型智能團隊。這種革命性的變革,使得每個員工能夠獲得成倍的工作效能提升。由此,人類員工和數字員工共同組成的協作團隊,成為商業銀行突破效能瓶頸的關鍵資源。1112大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元二.藍圖篇:積極應對機遇挑戰,構建新型架構藍圖1314大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元2.1 數字員工3.0建設的機遇和挑戰2.1.1 應用挑戰:數字員工3.0的業務價值自證數字員工3.0真正價值在于規?;?、高效賦能
32、業務價值創造,但數字員工3.0在金融場景的規?;瘧脽o先例可循,挖掘高價值場景、實現場景落地解決實際問題等方面面臨挑戰。一是高價值場景挖掘,業界缺少端到端的場景挖掘和智能化流程設計的業務賦能方法論。傳統數字員工智能化水平有限,一般從某個具體流程痛點出發,賦能點狀需求。數字員工3.0依托大模型,具備較強的感知、記憶、規劃、執行、反饋、協同等能力,在涉及多重能力、多重交易的條線級和領域級賦能具備較好的可行性,因此,各銀行機構需要在數字員工3.0建設應用中,從傳統的點狀賦能方法轉向端到端的業務智能化賦能方法論,提升人工智能全鏈路應用業務價值。二是場景高效高質量落地,業界缺少可解決業務實際問題的數字員
33、工綜合型應用解決方案,規?;x能效率質量仍有待提升。數字員工3.0根據自然語言交互,調控大小模型、數據服務、業務交易等各類服務,如按照傳統應用集成硬編碼,研發成本高,存在功能集成難、研發周期長、方案可復制性差等痛點。因此為提升賦能質效,加速規?;?,按照金融業務共性需求,提煉形成貼近業務、開箱即用、低門檻的綜合型應用解決方案成為賦能關鍵。2.1.2 技術挑戰:大模型使能金融數字員工面臨四大挑戰數字員工3.0的核心技術是大模型。目前大模型產業仍處于新技術發展初期,在金融大模型垂類領域更是缺少技術實踐與經驗積累,賦能數字員工時在算力、數據、算法、應用等方面存在挑戰。數字員工3.0需要大算力。隨著
34、大模型參數量的增加,對算力基礎設施需求呈指數級增長,金融機構在建設算力底座時面臨諸多挑戰。首先,若進行全面體系化建設,需要大量資金投入和高技術門檻,短期難以快速實現高預期目標,需要較長周期,各類型機構需要結合自身發展制定基礎設施發展策略。同時算力呈現多元異構化,如何完成多種不同類型的算力設施適配和異構算力的統籌管理調度給各機構在應用中帶來挑戰。數字員工3.0需要大數據。高質量非結構化數據是數字員工3.0成功應用的基石。但所需數據量巨大且對多樣性、多模態要求高,這對金融行業數據在采集、清洗、管理、使用等方面提出更高要求。同時,非結構化金融數據內容多樣、解析復雜,這極大阻礙非結構化數據資產的價值實
35、現。銀行業如何在結構化數據治理基礎上,進一步盤活海量非結構化數據資產,并與結構化數據形成協同增效,是數字員工3.0金融應用的關鍵突破點。數字員工3.0需要強算法。數字員工3.0應用涉及多任務、多時效等特點,單個模型能力并不能覆蓋需求,因此,在應用中需要充分發揮金融領域數據優勢和不同類型模型的優勢,大小協同,博采眾長,融合應用。但目前構建多維度大模型矩陣和大小模型協作模式,業界尚未形成相關方法,需要進一步提煉形成全面、靈活、高效的人工智能模型應用方法論。數字員工3.0需要高質效。數字員工在銀行的深化應用,亟需探索形成一套面向銀行業的高標準、低門檻、共享共建的應用模式,實現數字員工批量化組裝、高性
36、能運行。數字員工3.0是綜合型智能應用,一是研發強調低門檻、敏捷化、貼近業務,需要將零散的數據準備、模型訓練、技能研發、數字員工組裝等研發工具鏈進行有效串聯,形成低門檻的數據-智能-應用三鏈融合的敏捷研發能力,同時在實踐中,需要形成基于大模型的數字員工3.0,相較于傳統的數字員工產生巨大的差異性,在任務勝任期望、技術支撐復雜度、人格化管理、安全可信等方面均提出新要求。從業界來看,數字員工3.0尚處于起步階段,缺少可借鑒、可復制的行業實踐和方法論指導,對標金融應用的可靠、安全、穩定、規范的高標準要求,數字員工3.0需要各銀行機構從深化技術創新、規模業務應用、優化管理流程、確保應用安全等方面體系化
37、規劃,指導應用實踐。1516大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元技術轉變成金融行業生產力的范式解決方案,提升研發和賦能質效;二是應用強調共享復用,為更好達到“站在巨人肩膀上”上的應用效果,需要建立一種分層共享共建的新型研發模式,依托同一底座,在進行個性化應用的同時,確保各項研發成果之間的有機共享,共性能力提升都能帶動整體賦能水平的提升,避免重復造輪子。2.1.3 管理挑戰:數字員工尚未形成體系性的身份管理機制數字員工本質上仍是基于AI算法和編程語言設計的IT程序,缺乏人類的情感和意識,這使得對其施加人格化管理變得復雜。同時,現有的人力資源管理體系
38、是面向人類社會建立的,由于數字員工的行為工作模式、責任歸屬、培訓升級等需求,與人類員工截然不同,現有體系很難直接應用于數字員工?;谏鲜鰡栴},業界已開展數字員工人格化視角的管理體系研究,但數字員工的身份管理是一個跨學科、多領域協同的系統性工程,目前業界整體仍處于起步試點階段,缺少體系化的管理機制和成熟參考案例,特別在數字員工的獨立身份、分層管理、量化評價等方面亟需體系化厘清和突破。一是需要解決數字員工獨立身份的問題。目前,業界雖然開展數字員工的形象、名稱、崗位、性別等人格化屬性設計,但更多是便于宣傳和加深用戶記憶,如何將數字員工真正融入到企業人力資源體系,需要在制度、系統等層面進行配套支持并明
39、確部門分工、崗位設置、權限管控,目前此類實踐業界較少,無體系化參考案例。二是需要解決數字員工分層管理的問題。一方面,隨著基于大模型的數字員工3.0應用興起,目前業界出現較多數字員工概念,如數字員工、數字助手、智能副駕、智能助理等,企業在構建數字員工管理體系時,需要科學厘清不同數字員工概念關系,形成統一管理話術。另一方面,數字員工按照什么維度設立,和崗位、具體工作任務間的關系怎么建立精細化管控,仍有待實踐明確。三是需要解決數字員工評價體系構建的問題。傳統數字員工應用普遍圍繞勞動密集型場景建設,聚焦機器換人或智能增效指標進行評價。隨著大模型技術賦能復雜的智力密集型場景,需要對數字員工評價體系進行升
40、級。2.1.4 安全挑戰:數字員工全生命周期仍面臨安全風險隱患金融業務對于服務穩定、安全可靠、嚴謹審慎等方面有著高要求,數字員工的高安全性與高可靠性是金融領域應用準入的先決條件。從數字員工全生命周期來看,目前在數據的隱私保護、模型的價值觀對齊、應用的抗攻擊等方面仍面臨安全風險。一是數據隱私安全風險。一方面,訓練大模型需要海量數據,如敏感數據未經充分脫敏,數字員工應用中存在泄露隱私數據的隱患,這就要求在數據收集和處理過程中,必須采取嚴格的隱私保護措施,以保障數據安全。另一方面,數字員工應用可能涉及客戶信息、交易數據等敏感數據的調用和處理,存在數據泄露風險,因此,企業在應用數字員工時,必須采取嚴格
41、的功能權限控制、數據訪問控制和加密措施。二是模型價值對齊風險。與傳統的機器學習方法相比,大模型具有更豐富的多樣性和隨機性,也存在模型幻覺、涉政涉敏等算法內生風險,對數字員工的安全、公平和可信度產生影響。為確保數字員工能夠生成積極、正向和合規的內容,必須在算法設計層面采取措施,從智能源頭上植入正確、合理的價值觀。三是應用攻擊風險。數字員工存在生成內容不合規隱患,需要對輸入請求和輸出合成內容進行審核,確保應用內容安全。同時,黑客可能會利用數字員工作為跳板,進一步入侵銀行內的其他系統,造成更廣泛的數據泄露和業務流程中斷,因此,企業需要建立強大的網絡安全防護體系,定期進行安全審計和漏洞掃描,確保數字員
42、工的網絡安全。1718大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元2.2 數字員工3.0架構藍圖聚焦上述建設挑戰,銀行機構應著力于應用、技術、管理與安全四大領域,按照“全域場景賦能、全棧技術融合、全維人格納管、全轄安全防護”目標,打造面向數字金融的數字員工3.0體系,實現數字員工高質量、規?;?、精品化、全鏈路的應用建設。圖5:數字員工3.0架構藍圖2.2.1全域場景賦能,構建良性生態為更好實現數字員工3.0的價值最大化,按照“方法先行、全域推廣、生態共建”的思路,推進銀行各業務領域的高質量賦能。一是建立一套高價值場景挖掘和落地方法論,有效發掘并識別數字員
43、工的高價值應用,發現堵點、挖掘爆款、重塑流程,指導業務應用。二是實現數字員工在銀行各個業務領域的端到端、規?;瘎撔聭?。對外,打造統一的對客服務數字員工,為交易查詢、產品咨詢、獲客活客、客服答疑、輔助老年群體無障礙金融服務等眾多場景提供沉浸式交互體驗,進一步促進金融服務的便利性和可得性,為建設人民滿意銀行提供新動能。對內,建立差異化的專業業務處理的對內賦能數字員工,提升各專業業務辦理和日常辦公的工作質效。三是打造開放共贏的數字員工人才市場,讓業務更好觸達各類數字員工能力和應用最佳實踐案例,支持通過人格化的招聘、上崗等操作,實現數字員工快速賦能應用,助力增強企業的數字基因靈活創新活力,形成良性生
44、態。2.2.2全棧技術融合,打造全能基座為打造百模千態的數字員工,數字員工3.0需要支持多項工作能力的融合應用,因此在技術上,整體采用全棧技術融合模式,按照“三大支柱、一條產線、全量資產”的建設思路,融匯貫通各類人工智能技術,全面滿足數字員工研發運行技術支撐。一是異構融合,夯實人工智能三大支柱。數字員工依賴的算力、算法、數據呈現多元異構特性,為保障能力的統一供給,按照云數智融合架構,構建統一的AI云原生底座,融合異構算力、異構算法、多模數據,實現AI軟硬件基礎設施的標準化供給,提升數字員工3.0的整體智能化工藝水平。二是研運一體,打造數字員工一體化產線。研發態,打造研發高效的生產中心,封裝數-
45、智-用三鏈融合的敏捷研發能力,建立以智能體為核心的數字員工組裝流水線,高效滿足全領域數字員工生產。運行態,建立擬人逼真、統一標準的數字員工服務中心,實現異構智能服務的統一標準化,沉淀豐富多樣的數字員工技能。三是共享共建,建設統一納管的資產中心。實現數字員工相關的知識、技能、工作流程的統一納管,形成數字員工技能研發、組裝的統一“零配件供應中心”。2.2.3全維人格納管,塑造身份體系將數字員工作為銀行機構員工體系的一部分,納入全行人力資源管理體系進行一體化管理。在此基礎上,一是參考人類員工管理模式,結合數字員工自身特點,建立針對性的管理機制和配套管理系統,實現數字員工人格化管理;二是科學設崗,從對
46、客服務和對內賦能兩方面,建立數字員工的分層分類體系,明確分工、崗位、權限;三是創新數字員1920大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元工效能評價,支持持續檢驗和提升其工作表現,充分挖掘并提升其工作價值。2.2.4全轄安全防護,確保合規運營數字員工應用的安全性與可靠性是金融應用賦能紅線,不容有失。圍繞數字員工全生命周期,本文建議從安全管理、安全技術、安全運營三個方向體系化建立金融數字員工安全合規能力,保障數字員工業務場景可控可用。一是做牢安全管理。圍繞數字員工生命周期的各類風險,首先,建立安全評估、安全監測、安全事件應急處置和違法違規處置等安全責任落
47、實規范、流程,指導實踐工作。其次,建立技術業務組成的數字員工安全運營團隊,建立數字員工協同安全運營機制,明確各方職責工作。最后,建立數字員工安全防控的常態化安全培訓,筑牢員工安全意識,強化應對能力。二是做精安全技術。聚焦數據安全、模型安全、應用安全三大環節,通過加強采、洗、管、用等環節的數據安全性、完整性、隱私性,強化模型輸出的安全性和可追溯性,構建應用輸入輸出內容審核能力,并建立安全防火墻機制,形成全域安全防控能力。同時,將數字員工安全檢測納入銀行的紅藍攻防體系,具備常態化的數字員工應用安全攻防演練能力和安全測評整改能力,以攻驗防,以攻促防,持續強化數字員工安全能力。三是做好安全運營。通過常
48、態化配套快速定位問題根源、制定執行處置方案、實施效果跟蹤反饋三種安全問題解決措施,建立“早發現、早處置”的風險防控體系,形成高效、可靠的問題處置閉環機制,提升數字員工的安全性和可靠性,為企業數字化轉型提供堅實的安全保障。三.應用篇:全域場景價值賦能,重塑應用百花齊放2122大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元據國際數據公司IDC(International Data Corporation)預測,到2025年,超過80%的銀行將建設和應用數字員工,承擔90%的客服和業務咨詢等服務。并隨著生成式人工智能技術日益成熟,數字員工能看懂文字、聽懂語言、做
49、懂業務將成為趨勢,勝任工作范圍將逐步從簡單重復性工作演進到決策類工作。工商銀行基于業務科技融合的實踐經驗,提煉出一套兩階段六步驟的數字員工業務賦能方法論,旨在指導數字員工3.0的金融業務場景高價值挖掘和規?;瘜嵤?。階段一聚焦于場景挖掘,通過深入業務一線,從崗位全旅程出發,感受真場景,理解真痛點,形成全鏈路賦能場景地圖;階段二聚焦于場景建設,業務深度介入方案設計、數據梳理、運營迭代,讓業務人員能更直觀、專業地對未來工作流進行重塑,確保數字員工3.0應用成效。3.1 數字員工3.0的價值場景識別圖6:兩階六步數字員工建設方法論3.1.1 場景挖掘:科技主動前移業務一線1、場景分析:一個原則,三種方
50、法“一個原則”:數字員工的應用場景挖掘必須堅持一個核心原則,始終將業務價值的實現作為首要目標,以崗位為中心,打造數字員工實體能力,以確保數字員工部署與業務實際需要緊密銜接?!叭N方法”:圍繞價值目標,從戰略分解、業務流程、行業實踐三個角度識別應用機會點,繪制全場景賦能地圖。圖7:三種挖掘數字員工高價值場景方法一是自頂而下基于戰略目標分解進行識別。戰略規劃為企業中長期發展指明方向,明確價值目標。各部門應針對戰略細化目標并制定支持戰略的具體措施,并通過衡量現有能力與戰略目標之間的差距,識別改進和應用數字員工的場景方向。該方法包括KPI分解、業務痛點收集、現狀目標差距分析、數字員工賦能方向映射四個步
51、驟。二是自底而上基于業務流程進行識別。該方法的核心在于識別業務流程中的痛點,有被動聆聽和主動牽引兩種方式。通過科技團隊被動聆聽業務團隊需求以識別差距,以及科技團隊主動牽引,利用新技術場景規劃經驗來發現業務流程的優化潛力,進而評估數字員工的高價值應用場景。該方法包括識別角色、識別關鍵場景、識別工作流、識別業務服務四個步驟。三是從外向內基于行業實踐進行識別。通過借鑒行業最佳實踐并與自身現狀對比,從外部視角審視并指導業務發力點的識別。無論是技術驅動還是業務創新,企業都能借助外部標桿發現并彌補自身的短板。2、地圖繪制:三個階段,兩大價值基于上述方法,將業務部門的需求匯總后可完成場景地圖的繪制。建議從全
52、局視角落地應用價值最大化出發,分析事前-事中-事后三階段的用戶全旅程,歸納人員關鍵特征,分析形成核心痛點,以便找到真用戶、真入口、真場景。2324大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元圖8:繪制全場景賦能地圖示例繪制全場景賦能地圖并不意味著所有場景都需要立即開發。鑒于不同場景的實現周期和復雜性差異,銀行應根據業務價值度、用戶受眾面兩大價值維度,將各業務應用場景進行劃分,據此確定近期和中遠期實施的相關業務應用場景,分階段有序推進業務場景的智能化建設。3.1.2 場景落地:業務深度介入開發運營1、方案規劃:需求原型更直觀業務團隊應積極介入原型設計,通過
53、對已有應用的充分體驗,設計出端到端業務模式的新原型??萍紙F隊則通過編寫交互式對話腳本來定義系統功能,并梳理所需的業務與數據服務。2、數據梳理:知識運營更專業 業務團隊提供高質量的范例數據,科技團隊則利用數據合成技術擴大數據規模,同時提供智能標注工具,結合自動標注和人工復核,大幅提升數據準備效率,高效構建業務知識體系。3、研發部署:研發擴展更靈活業務團隊能夠自助組裝場景任務工作流,科技團隊快速響應需求變化,實現敏捷研發?;趯υ捠叫枨竽_本,科技團隊設計出可復用的智能化服務,支持業務流程的靈活組合。4、運營反饋:落地閉環更高效業務團隊通過多輪試用提供反饋,協同進行負例分析,并及時更新知識庫以提升大
54、模型的認知能力??萍紙F隊遵循“業務體驗友好,埋點精細化”的原則,實現全過程埋點,加速數據回流,以實現及時調優和深度融合協作運營。3.2 數字員工3.0的典型應用示例金融作為信息與知識密集型行業,隨著傳統人工智能領域逐步成熟,以大模型為代表的生成式AI技術的快速崛起,讓每個崗位配備專屬的智能助手,每位員工都能擁有自己的數字分身,從而建立自然語言等全模態交互、人機協同的新業務模式,是大勢所趨。目前,銀行機構正朝著“一崗一助手,一人一分身”的數字員工3.0方向發力。值得關注的是,國家高度重視大模型應用安全,國家網信辦生成式人工智能服務管理暫行辦法明確“利用人工智能生成的內容應當體現社會主義核心價值觀
55、”,遵循監管審慎要求,目前以大模型為核心的數字員工3.0相關場景需向網信辦和行業監管部門報批,備案通過后方能對客服務。為確保技術應用的合規性與安全性,目前,數字員工3.0在銀行業當前主要應用于輔助對客服務、內部賦能兩大領域,通過重塑業務流程與服務模式,提升客戶體驗與運營效率。圖9:數字員工應用場景選擇二維象限法2526大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元3.2.1 對客輔助,質效提升的新動能1、遠程銀行座席助手(1)場景描述遠程銀行作為銀行業線上客戶服務的重要渠道,是連接銀行與客戶的重要橋梁,在為客戶提供便捷線上金融服務的同時,人工客服面臨著工作
56、強度大、處理和響應時間瓶頸等諸多痛點。如對座席人員業務能力要求高,針對客戶多樣化的問題,需要在知識庫中的數十萬條業務知識中搜索尋找對應答案進行解答;如轉接電話體驗不足,轉接座席之間溝通時客戶需要等待,轉接后客戶需要重復溝通前序問題;事后工單登記復雜,不同業務工單記錄格式及側重不同,易出現信息遺漏、錯記問題。(2)技術方案工商銀行聚焦現有遠程銀行客戶服務的業務全流程和業務痛點,通過數字員工輔助方式重塑遠程客戶服務業務全流程,圍繞座席通話前的了解訴求、通話中的解答問題、通話后的記錄工單,分別打造轉接前情摘要、知識隨行、語音實時監測、工單自動填寫等助手能力,實現實時通話向座席人員主動推送答復話術、知
57、識、情緒提醒等能力。一是在對客服務通話前環節,借助大模型語義理解和內容生成能力,通過實時總結客戶與座席對話,生成前序座席與客戶溝通內容的主旨摘要,轉接座席在接聽電話之前就提前掌握客戶業務訴求,有效降低客戶等待與重復溝通成本,提升客戶體驗。二是在通話中環節,借助大模型知識溯源、語音情緒識別等技術實現客戶訴求預判、語音實時監測、知識隨行等功能?;诳蛻羧澜换バ袨閿祿?,精準判斷客戶意圖,為座席提前預判客戶在業務痛點、業務斷點、增值服務等方面的訴求;通過構建情緒監測、敏感詞監測等智能監測模型,實現全量全過程通話語音智能監測、異常通話實時干預;利用大模型語義理解、向量檢索等能力,實時總結客戶與座席對
58、話,動態判斷客戶意圖,自動進行知識檢索,并實時推送給座席,省去座席手動知識檢索工作,提升服務效率與業務解答精準度,提高客戶遠程服務體驗。三是在通話后環節,借助大模型理解和生成能力,基于客戶與座席溝通情況和客戶訴求,根據工單登記要求,實現工單模板自動選擇、工單類別自動勾選、工單內容自動生成,座席僅需修改和復核即可成單,有效壓降座席工單登記時長及信息要素錯記漏記情況,切實提升座席工作質效。(3)應用成效遠程銀行座席助手重塑該群體工作模式,助力人工座席全面實現數字化“武裝”,提升覆蓋全渠道、全流程的客戶服務能力,打造更高效、更有溫度的服務體驗。其中情緒、敏感詞等語音實時監測,有效輔助人工座席直觀感知
59、客戶溝通狀態,提升服務風險意識;轉接前情摘要、知識隨行、知識工單的能力,大幅提升座席人員質效,在賬戶受控等重點場景實現使用座席通話時長壓降顯著。2、網點員工智能助手(1)場景描述在運行管理領域,網點作為數字化轉型最小作戰單位,存在基層業務人員復雜業務辦理難、新業務流程不熟悉、自助終端菜單多功能深操作不便等痛點問題。例如,復雜業務不會辦,在日常業務處理中,新員工面對外匯等復雜問題,以及老員工處理不常見業務時,往往不能即時獲得有效解答,這不僅影響業務處理效率,也影響客戶體驗。自助終端操作復雜,導致客戶不會操作,經常需要現場客服經理輔助辦理,這導致客戶自助辦理占用廳堂資源多,同時一定程度影響客戶體驗
60、和效率。(2)技術方案工商銀行聚焦網點日常服務運營中遇到的制度查詢不便、復雜業務處理困難、客戶體驗不足等痛點,打造集業務問答、外文翻譯、客戶菜單導航等三大功能為一體的網點智能助手,構建網點智能化對客服務新模式。2728大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元一是業務問答,基于大模型技術提供對話式搜索體驗,能夠深度理解用戶搜索意圖,結合多輪對話能力,針對復雜的業務辦理、專業術語解釋以及新業務流程熟悉等問題,智能化地生成操作流程和術語解釋,大幅節省制度查找時間,提升網點員工的業務處理效率和服務質量。二是外文翻譯功能,利用大模型翻譯能力提供英、德、法等多語
61、言在線翻譯能力,解決網點面向外籍客戶、處理外匯業務等場景下外文翻譯難、翻譯不準的痛點問題。三是客戶菜單導航,通過大模型技術,客戶可語音與助手對話,調控智能終端服務,支持業務菜單輕松找、賬戶數據快速查、簡單業務便捷辦等場景,解決客戶到店柜面排隊久、自助服務操作難的痛點,為客戶提供便捷、易用的金融服務體驗。(3)應用成效網點員工智能助手面向客服經理、客戶經理、運營主管、網點負責人等各崗位20余萬一線員工,切實為網點人員賦能減負。其中網點業務問答,以溯源的方式形成可信的問答知識,回答網點員工業務操作、規章制度等問題,節省制度查找時間,提升網點員工業務處理效率與服務質量。外文翻譯提供在線文本翻譯功能,
62、并支持輸入內容語種識別,幫助網點員工更好地應對涉外業務場景??蛻舨藛螌Ш接行嵘蛻魳I務辦理效率,縮短網點智能終端用戶平均等待時長。3、對公營銷智能助手(1)場景描述 做好對公業務是銀行服務實體經濟的重要工作之一,服務好對公客戶、及時獲客、活客是一線營銷人員的職責,然而一線營銷人員也面臨著對公產品業務知識全面掌握難、獲客方式傳統、文案工作耗時長、經營指標數據獲取不便捷等工作痛點。如對公客戶根據自身業務需要,提出不同的金融服務復雜需求時,客戶經理需要檢索對公產品的介紹或產品對應的案例,找出適合當前客戶業務場景的產品進行推薦。因對公涉及的產品類型較多,產品本身也較為復雜,在該服務過程中,對客戶經理
63、的對公業務專業知識儲備要求較高,且客戶經理檢索適合客戶的產品時間較長,整體服務效率較低,影響客戶的體驗感。(2)技術方案工商銀行聚焦對公客戶服務日常工作痛點,利用大模型“對話式”交互、智能檢索、數據分析等技術能力,融合小模型、大數據分析成果,以對公營銷通平臺為統一入口,打造對公營銷通“數字專家”新模式,支持一線營銷人員一站式檢索產品知識,獲取營銷機會,查詢營銷進展,定位系統功能聯動業務辦理等,提升發現、挖掘、跟進、轉化客戶服務和管理能力,提高對公客戶營銷服務質效。一是利用大模型知識檢索技術構建結算金融智能顧問能力,提供交互式、可溯源的對公產品推薦及產品知識檢索咨詢服務,依托數字專家“快速、準確
64、、全天候”的優勢,解決一線營銷人員“查找資料困難、不會辦”的痛點問題,為營銷減負,為基層賦能。二是利用ChatBI技術打造對公數據交互式分析能力,結合數據中臺沉淀的近千個對公營銷數據指標,提供自然語言交互式的數據查詢服務,更有針對性地服務好用戶。(3)應用成效對公營銷智能助手面向全行10萬+對公營銷人員,與傳統的“人工檢索”、“專業分析師分析數據”模式相比,對公營銷智能助手應用大模型技術提供“智能問答”、“對話式查數”功能,大幅提升對客服務效率。自應用以來,對公結現產品營銷時長壓降明顯,產品簽約測試上線 準備時間大幅縮短。4、網絡金融運營助手(1)場景描述隨著互聯網經濟的蓬勃發展,線上渠道的運
65、營管理日益重要,高質量的運營工作不僅有助于業務人員達成特定的業務目標,同時也是用戶獲取權益及產品信息的重要途徑之一。當前,銀行業面臨用戶屬性多2930大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元樣、產品邏輯復雜以及客戶接觸渠道多元化等挑戰,這要求業務人員必須具備數據分析、靈活運用內部運營工具、制作宣傳海報及宣傳文檔等多樣綜合技能,運營工作綜合性強、難度大。同時,鑒于互聯網服務水平存在地域性差異,將企業內優秀的運營工作經驗有效地在各分支機構之間進行傳播,對于提升整體運營服務質量及用戶服務體驗也尤為必要。(2)技術方案工商銀行圍繞解決運營過程中客群圈選和路徑
66、決策困難,運營方案缺少大數據分析支持、內容物料準備耗時長、效果跟進缺少個性化工具等業務痛點,依托大模型技術打造網絡金融運營助手,在運營工作各個環節提供智能決策、效果分析、總結規劃等能力,提升運營人員工作效率,為手機銀行等互聯網用戶提供更適配的個性化運營方案、觸達內容,從而提升銀行運營工作效果,加速客戶服務質效提升。一是在客群圈選環節,利用大模型+智能中樞應用模式,大模型調用傳統小模型完成客群圈選工作。運營人員通過“對話”交互模式輸入運營目標,運營助手將結合當前運營目標決策建群方式與路徑,并解釋說明推薦原因,解決一線人員建群方式選擇難點,降低工具學習成本。二是在活動部署環節,綜合利用知識檢索、智
67、能中樞、文檔編寫等大模型應用范式,整合歷史運營活動經驗,協助運營人員串聯部署運營工作中各個環節,為用戶推薦權益方案、觸客方式,并完成觸客內容撰寫工作,以結果為導向實現銀行內運營經驗共享,提升運營工作部署效率。三是在用數分析環節,利用ChatBI打造自然語言交互式數據分析能力,賦能運營人員分析地區、客戶群體、運用活動轉化結果、業務表現等多方面數據訴求,降低運營人員用數難度,明確數據挖掘工作方向。(3)應用成效網絡金融運營助手,輔助工作人員精準開展運營工作,為運營活動提供客戶精準觸達能力。模型通過對用戶的全生命周期與使用習慣進行數字化沉淀與加工,將用戶消費習慣反哺到運營工作中,實現數據對業務的即時
68、賦能和數據驅動智能化決策,有效提升客戶營銷服務的質效。5、投訴處理智能助手(1)場景描述銀行業高度重視消費者權益保護工作,把客戶投訴處理工作做的好不好作為踐行金融工作政治性、人民性的重要檢驗標準。銀行在客戶投訴處理過程中,還面臨著一些困難和痛點。例如,銀行受理客戶投訴分派處理時,一旦工單首次分派不準確很容易引發處理時間較長等情況,影響客戶服務體驗,甚至導致客戶再次進行投訴。再如,員工投訴處理工作量較大,投訴處理過程中需逐一聯系客戶并撰寫處理報告,耗費大量時間與精力,且人工撰寫報告容易出現信息遺漏等問題。(2)技術方案工商銀行利用人工智能大模型技術對投訴處理流程進行重塑,打造集問題智能分類、知識
69、智能檢索、報告智能撰寫三大功能為一體的投訴處理智能助手,輔助員工提升對客服務能力,為基層員工減負、為投訴處理賦能,推動客戶投訴處理數字化、智能化轉型。一是聯系客戶前,對于外部機構轉辦的投訴,借助大模型語義理解能力準確判斷客戶意圖,精準進行問題分類,推動相關投訴根據分類情況準確分派至相應分支機構,有助于相關糾紛得到快速受理。二是聯系客戶時,借助人工智能技術對員工通話過程的情緒、語速、敏感詞等進行實時監測,利用大模型語義理解、向量檢索等能力,動態監測客戶反映的問題,實時進行知識檢索,并及時推送給相關員工,提升服務效率與業務解答準確率,不斷提升客戶體驗。三是聯系客戶后,借助大模型理解和生成能力,通過
70、實時跟蹤客戶與座席對話,生成與客戶溝通情況的相關總結,員工僅需要簡單修改和復核即可形成投訴處理報告,減少報告撰寫時長,同時解決信息錯記漏3132大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元3.2.2 對內賦能,輔助決策的新幫手1、金融市場交易助手(1)場景描述金融市場外匯交易是企業重要的金融工具,企業可以通過外匯衍生品如遠期合約、期權等工具來對沖貨幣風險,實現套期保值。這有助于企業降低因匯率波動帶來的不確定性,保護企業免受不利匯率變動的影響。銀行可以為客戶在銀行間市場進行風險對沖,其中詢價交易模式可以為企業客戶提供更好的服務和優質的價格,因此詢價交易成為
71、眾多企業客戶選擇外匯業務的首選交易渠道。傳統銀行的詢價交易,需要先線下電話溝通,再線上流審批、報價,存在交易效率低、體驗差等痛點,難以快速為企業客戶鎖定市場報價。(2)技術方案 工商銀行打造金融市場交易助手ChatDealing,創新交互式智能詢價的解決方案,以對話框為統一入口,使用大模型自動識別對話信息,完成交易要素提取、錄入、風險識別等交易全流程,通過群聊交互對話完成客戶背景審查、對話交易、知識問答、菜單導航、詢價進度等關鍵流程,實現詢價交易全流程效率提升,有效解決以往總分行人工詢價存在的交易效率低、體驗差等痛點問題。一是對話式體驗,支持支行、分行、總行多方交易員在同一交易對話框中通過對話
72、完成價格磋商,運用大模型識別用戶意圖,并智能識別交易話術,生成交易意向單達成交易。二是數字人實時審計和質檢,防范交易、操作風險。在交易對話全過程中,ChatDealing自動提取關鍵要素,完成反洗錢檢查、價格偏離度控制、客戶背景審查等,滿足事前事中的風險控制要求,節省客戶經理跨系統操作的時間。三是智能詢價助手引導式輔助業務辦理。ChatDealing具備客戶畫像生成、價格行情實時查詢、報告輔助編寫、智能報價等能力,為交易決策提供技術支撐,真正達到溝通在線、業務在線、風控在線的組織狀態。(3)應用成效金融市場交易助手ChatDealing通過AI重塑業務模式,實現支行、分行、總行多方交易員在同一
73、交易對話框中通過對話完成價格磋商,運用大模型智能識別交易話術,生成交易意向單達成交易,改變原有先通過線下溝通,再流程逐級詢價、報價的業務模式。這是AI介入業務開展的一種嘗試,重塑業務流程,大幅縮短代客詢價交易時間,有效提升工商銀行報價的市場競爭力。目前已服務全行2萬余名交易員和客戶經理,覆蓋即期結售匯、遠期結售匯、即期外匯、遠期外匯等業務產品,對客交易效率提升顯著。2、對公信貸風控助手(1)場景描述 在信貸業務中,信貸客戶經理、審貸員等業務人員涉及盡調報告、記的問題,有效為員工減輕工作量。(3)應用成效投訴處理智能助手面向總行、一級分行、二級分行、支行和網點等各層級機構的投訴處理人員,有效輔助
74、員工提升對客服務能力。其中問題智能分類,通過對外部機構轉辦投訴準確進行識別分類,推動糾紛快速受理,有利于提升客戶滿意度,有助于提高投訴監測質效與投訴管理水平。知識智能檢索,幫助員工更加快速、規范化解糾紛,有助于及時解決客戶業務訴求,提升基層分支機構投訴處理能力與處理質效。報告智能撰寫,有效減輕工單處理壓力、顯著提升投訴處理效率、真實還原糾紛處理過程。3334大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元審查報告、貸后檢查報告等大量文檔編寫工作。傳統的報告編寫主要依賴于專業人員手工操作,存在以下具體痛點:一是報告編寫耗時,業務人員需要花費大量時間收集、整理和
75、分析內外部數據信息,再將其轉化為一份詳盡的報告。二是信貸風險分析受人為因素影響大,不同信貸人員由于其經驗、專業水平、風險偏好等差異,對風險的評估判斷會存在不同的標準和結果。(2)技術方案工商銀行積極探索大模型在對公信貸領域的智能化應用,圍繞信貸全流程,打造集信貸制度查詢、報告編寫、數據分析等能力于一體的專屬信貸風控助手,運用大模型在自然語言處理、邏輯推理方面的優勢能力,提升業務效率和風險管理水平。一是信貸制度查詢,基于檢索增強RAG技術、視頻內容理解、信息抽取等技術,支持對文檔類、視頻類等各類信貸制度、教材的快速問答和定位,提升信息收集效率。二是報告編寫,綜合利用傳統NLP小模型和生成式AI大
76、模型技術,自動抽取關鍵信息,應用財務數據生成財務結構分析報告初稿,按模板自動生成盡調報告初稿等文檔。三是數據分析,利用ChatBI技術,通過自然語言對話模式,自動轉為查數SQL,快速生成可視化分析圖表,實現便捷用數。(3)應用成效 依托人工智能大模型對海量素材的深度理解能力,能夠自動遵循既定大綱完成報告初稿的撰寫,提升信貸全流程各類文檔編寫過程中的資料查找、數據分析、內容編寫的便捷性和智能化程度。業務人員僅需對文稿進行審核和補充完善,便可完成報告的編制工作,有效提高工作效率,使業務人員從重復而繁重的流水線作業中解脫出來,轉而投入到更具價值的工作中去。3、商戶審核智能助手(1)場景描述商戶審核是
77、銀行和支付機構在開展收單業務過程中的一項重要工作,主要目的是確保商戶的經營活動真實、合法,防范業務風險。然而商戶審核業務存在耗時耗力的痛點,每逢營銷旺季,總行、分行會接到大量的商戶審核任務,對于每個商戶的建檔申請審核,審核人員需要審閱大量文字和圖像審核資料,包括各類證件、賬戶證明、商戶收單業務申請書、調查審批表、征信信息查詢和使用授權書、商戶經營影像和風險信息等。同時,結合外部信息和業務經驗對商戶風險進行判斷,決策商戶準入和管控策略,工作具有一定難度。(2)技術方案針對商戶審批過程中需篩查核驗大量文字和影像資料相關痛點,工商銀行基于OCR、多模態大模型的大小模型融合技術,打造商戶審批智能助手,
78、實現實時智能生成商戶預審批報告。一是針對營業執照、商戶證件等證件類照片,利用OCR模型進行精準識別,快速抓取并解析證件照上的關鍵信息;再與商戶錄入的信息進行比對,確認信息的一致性,最后生成證照比對結果。二是針對企業經營照、門頭照等,結合圖片和文本相關的審核數據,使用多模態大模型對商戶經營情況進行分析推斷,基于多模態大模型的圖片理解能力,對商戶現場照片進行合規性檢查,生成商戶經營審核結論。三是綜合外部新聞和輿論數據,借助大模型的摘要生成能力將業務采集的法人、授權經辦人等外部風險信息生成商戶風險提示。3536大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元(3)
79、應用成效自推出商戶審批智能助手以來,有效解決商戶審核業務耗時耗力的痛點,降低商戶審批成本,提升商戶審批質效。4、綜合辦公服務助手(1)場景描述綜合辦公服務是企業提高工作效率和團隊協作能力的重要保障,對銀行業而言亦是如此。傳統的辦公服務模式下,員工在使用各類辦公工具開展工作時,面臨著協同成本高、交互操作繁瑣等痛點。例如在會議場景中,在參加國際化會議時經常需要有配套的翻譯服務,以便更好理解與會各方的發言,會后也需要花費大量時間進行會議紀要的整理;例如在差旅場景中,員工在提交出差申請、預定機票酒店、填寫報銷單據等環節,需要花費大量的時間;又如在文檔編寫場景中,員工需要尋找合適的文檔模板、查閱各種參考
80、文檔、擬定文檔大綱等,整個過程費時費力,而寫出的文檔質量也參差不齊。(2)技術方案針對日常辦公所面臨的協同成本高、人工操作繁瑣等痛點,工商銀行以辦公數字員工“工曉伴”建設為主線,以智能中樞應用范式為核心,采用大小模型協同模式,構建智能化交互新范式,為每一名員工配備專屬貼身的數字化、智能化的辦公助手,圍繞會議、差旅、文檔等典型辦公場景進行重點賦能與創新進化,簡化日常工作事務操作路徑和時間,提升員工日常辦公的質效。一是打造智能會議。會前,通過與工曉伴對話即可完成會議預定,并與辦公系統打通,實現會議通知即時發送與提醒,提升人機交互體驗;會中,通過語音轉寫及大模型翻譯能力,實現實時字幕與實時翻譯,顯著
81、提升參會體驗;會后,通過大模型摘要總結能力,實現會議紀要初稿智能化編寫,有效提升會議效率。二是推出智能差旅。事前,支持自然語言交互模式提交出差訴求,智能采集出差信息并提交出差申請;事中,通過工曉伴實時推送行程提醒;事后,主動提醒用戶進行差旅報銷,并協助收集報銷所需的各項票據數據,替用戶填寫并完成報銷。三是建設智能文檔。推出“幫我寫作”功能,支持快速撰寫公文、郵件、通訊稿等常見文檔。同時,提供智能大綱寫作模式,通過大模型生成文檔大綱,并基于大綱快填充形成全文初稿,提升日常辦公文檔編寫效率。四是提供信息搜索,快速獲取行內外資訊。對接知識檢索底層技術能力,與行外互聯網知識與行內網訊、規章制度等知識庫
82、對接,搜索用戶目標問題,結合大模型的語言潤色能力,為用戶整合關鍵信息,組合問題答案,生成用戶搜索問題的回答內容。同時,建設查人找人能力,結合知識圖譜的圖譜問答技術,關聯用戶信息,支持按姓名、統一認證號、機構、手機號、電話等多種方式找到用戶,滿足日常辦公查人找人需要。(3)應用成效工曉伴依托大模型、智能體、自然語言處理等各項AI技術的綜合應用,為員工提供找人、創建會議、提交出差申請、知識問答、文檔輔助編寫等40余項智能服務,增強數字員工在銀行辦公產品體系內的辨識度,助力綜合辦公、人力資源、財務管理等領域的數字化轉型。5、金融研究智能助手(1)場景描述金融研究工作是商業銀行進行戰略決策、謀劃戰略轉
83、型的重要基礎,在傳統的金融研究工作中,研究人員需要通過各種渠道獲取大量的研究數據作為參考,再通過對海量數據分析形成相應的觀點研判,并匯總輸出相應的研究報告。在過程中,由于研究所依賴的信息通常較為分散,需要花費大量的時間精力進行搜索,同時編寫研究報告時也面臨缺少好的創作思路、成稿費時費力等痛點。(2)技術方案3738大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元數字員工3.0作為一種新型勞動力,重構金融行業的生產關系,催生金融機構經營模式、服務方式和決策流程新形態。需要構建一個開放、共享、共建的市場平臺、運營機制,吸引技術提供者、應用開發者、業務需求用戶等共
84、同參與,共同推進數字員工3.0創新應用。3.3 打造開放共享的數字員工人才市場圖10:數字員工人才市場框架一是打造能力體驗中心,為技術和應用者搭建橋梁,支持技術開發者分享開箱即用、類ChatGPT對話式全能力智能技術服務,激發應用開發者創新靈感。二是打造共享共建的應用案例中心,通過分享應用案例、可視化展示等手段,實現全領域優秀應用實踐案例共享借鑒。三是建立動態反饋的運營機制,從技術、應用雙視角實現數字員工人才運行監測、評價迭代,逐步推動數字員工3.0應用準入和低效退出的機制,提升應用質效。工商銀行依托千億級大模型,建設面向研究人員的金融研究智能助手,面向研究人員提供智能推薦、智能搜索、智能創作
85、等能力,實現研究工作的全流程智能化升級,推動研究工作從信息化向智能化升級。一是智能推薦,通過整合內外部全量研究信息和研究成果,基于大模型文本分析能力進行自動打標與分類,面向不同研究人員、不同研究方向進行智能推薦,為研究人員和管理人員提供豐富、專業、高質量的研究信息參考。二是智能搜索,基于大模型提供對話式素材收集、問答體驗,按照“精準、高效、全面、智能”標準,打造智能搜索引擎,支持傳統關鍵詞檢索和自然語言語義搜索,提供快速精準的文字、圖片、視頻等多模態、全類型的研究數據搜索服務。三是智能創作,應用大模型為研究人員自動生成研究報告大綱,支持靈活調整,再根據大綱自動生成研報內容初稿,并提供糾錯、改病
86、句等能力,切實提高研究報告的創作效率與編寫質量。(3)應用成效金融研究智能助手上線后,有效賦能研究人員,實現宏觀、行業、同業等多領域研究信息的智能推薦、智能搜索,以及金融研究報告的智能創作,建立起“AI+數據+研究員”的研究新范式,實現以數字化手段提升研究質效的目標。3940大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元四.技術篇:全棧融合百模千態,建設敏捷創新工廠4142大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元數字員工3.0不僅具備多項工作能力,更能通過不斷學習提升自身技能,貼合匹配銀行業務流程的工作任務。其“
87、多面手”特性,已成為商業銀行突破效能瓶頸的關鍵資源。優化數字員工的生產打造和調度配置,也因此成為實施數字員工建設的重要目標。為實現數字員工3.0的規?;茝V,按照中臺模式,建設技術標準化、研發便捷化、能力擬人化及資產共享化的數字員工工廠,降低開發和應用門檻。一是技術標準化,建設算力、算法、數據“三大支柱”。通過對異構算力的融合調度、多樣智能的融合應用、多維數據的融合治理,實現金融大模型基礎支撐能力的標準化供給,為數字員工構建智慧大腦。二是研發便捷化和能力擬人化,建設研運一體的“一條產線”。通過低代碼/零代碼的創新工廠模式,標準化生產組件,封裝AI建模能力,實現敏捷化開發,降低開發門檻。服務中心
88、作為智能樞紐,提供擬人逼真的數字員工3.0能力組件,按需組裝,面向業務應用人員,提供分層分級、貼近業務應用的綜合型智能化解決方案。三是資產共享化,建設全量資產管理“資產中心”。統一管理知識、技能、流程等數字員工的各項技能和資產,通過能力的共建共享提升數字員工的業務能力,促進其持續演進。4.1 技術框架:“三大支柱、一條產線、全量資產”圖11:數字員工技術架構4.2.1 算力:異構算力融合,按需開展算力利用和建設大模型作為數字員工3.0的智力基礎,其參數量的激增對算力基礎設施提出更高的要求,大模型全面體系化的建設需要大量資金投入和高技術門檻,各類型金融機構應結合自身發展制定基礎設施發展策略。一是
89、對于大型機構,建議加快推進新一輪算力規劃和布局,開展面向通用人工智能的大規模算力技術設施規劃與建設,根據“綠色低碳、高效協同、云智融合”的思路統籌規劃,構建企業級智算中心。綠色低碳:打造符合國家“雙碳戰略”的綠色新基建,短期內,考慮到液冷機房建設周期長,優先采用高密風冷機柜部署風冷AI算力服務器模式推進建設;中長期來看,目前,AI算力服務器隨計算能力增長帶來單機耗電功率快速增長,傳統風冷技術難以滿足制冷需求,液冷技術因其更高的熱傳導性能和更低的能耗成本,成為智算中心散熱的必然選擇。高效協同:大模型的訓練和推理通常需要多卡甚至多機運行部署,需要使用高性能AI服務器、RDMA高帶寬網絡、多級高效存
90、儲系統等設施,組建規模在千級AI算力芯片及以上的算力集群進行大模型訓練和推理,推動算網存高效協同賦能,建設高效的大模型算力集群。云智融合:硬件層面,支持IaaS彈性部署,具備云化資源池化供給能力,支持CPU、GPU、NPU、MLU等異構AI算力混合部署,形成大規模異構算力集群,支撐不同場景的AI任務算力需求;軟件層面,基于PaaS容器化能力,通過云化算力調度引擎支持AI算力的池化調度、彈性伸縮和存儲加速等能力,實現AI算力的統一調度,并利用算力虛擬化技術提升算力利用率;運維層面,形成資源統一納管、統一監測、統一運營的標準化流程,支持分租戶資源隔離、訓練推理集群資源隔離,并建立故障快速診斷、故障
91、預測預警、斷點續訓等能力,滿足AI算力大規模集約化應用。4.2 三大支柱:技術融合,夯實數字員工智慧基石4344大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元圖12:大規模算力基礎設施架構二是對于中小機構,可優先建設推理小集群滿足業務應用,并視金融場景適配情況建設小規模的訓練資源滿足模型微調需求。這種算力部署模式相對輕量,面向實際應用需求,優先支持物理機形態或PaaS小集群模式,靈活部署相關數字員工應用的AI服務能力,快速賦能。同時,輕量化設計意味著集群可以快速擴縮,可快速適應不同的工作負載和業務需求。圖13:輕量化算力基礎設施架構4.2.2 算法:多樣智
92、能融合,賦能數字員工生產力躍升1、傳統小模型與大模型并存共進,“選、育、用”三維發力模型能力建設金融業務場景復雜多樣,涉及多任務、多時效等要求,單一的大模型雖然知識面廣,但難以全面覆蓋各類應用需求。大模型和小模型各有優劣,以生成式AI為主的大模型具有“大而強”的特點,性能強大且有很好的泛化能力,但在訓練部署靈活性、結果可解釋性、反應速度方面尚有提升空間;以判別式AI為主的小模型具有“小而美”的特點,盡管泛化能力弱,但具有輕量級、高效率、易于部署優化等優點。因此,在數字員工3.0的構建中,需要充分考慮大小模型的融合,通過模型選型引進、訓練優化、共建應用三個維度,融合“多樣智能”,建設數字員工3.
93、0的全能算法庫。圖14:模型“選、育、用”三維建設思路4546大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元2、“選”:緊跟技術發展,持續引進先進模型2023年以來,國內外頭部科技公司競相發布大模型,形成“百模大戰”的業態格局。為保持大模型能力的持續領先,銀行機構應建立大模型的持續優化與科學選型機制。一是建立金融大模型能力測評標準測。從技術能力、應用能力、安全可信能力等維度,面向通識理解和金融實際應用,建立涵蓋世界通識、金融行業通識、金融專業認知、實際金融應用任務的金融大模型能力測評標準,做到能力測評有據可依。二是持續建設完善、豐富的測評數據集。根據業務場
94、景特點,建設覆蓋文本、語音、視覺、圖文多模態等模態,包含理解、記憶、仿真、問答、生成、推理、計算、調控、安全等方面的面向商業銀行具體業務的金融測試集,并建立測評數據集常態化更新機制,支撐模型能力選型。三是構建自動高效的模型選型測評流程。通過自動化評測工具,自動評測大模型,并通過大模型輔助審核方式提升測評效率。圖15:大模型測評框架3、“育”:建設多模型能力協同矩陣,持續優化模型效果通過打造多維度大模型矩陣,形成全面、靈活、高效的模型發展路徑,針對不同場景提供定制化解決方案,提升模型在金融各個細分領域的表現。以工商銀行為例,構建橫向多模態/多參數,縱向多層次、大小協同的金融千億級大模型算法矩陣,
95、滿足不同場景的模型應用需求。圖16:大模型能力矩陣1)縱向多層次模型一是在通用模型基礎上訓練行業/企業大模型。行業/企業通用大模型要求“大而全”,即模型參數規模較大,能力多樣,能夠滿足金融行業通識知識問答、數據分析、財報分析等涉及海量金融知識、難度較大場景的需求。訓練策略方面,通過引入大量金融領域專業數據和知識,對能力優秀的基礎通用大模型進行針對性二次訓練,形成具有深度金融知識理解能力的行業大模型,并在此基礎上融入企業特有的知識數據,訓練形成企業專屬大模型。二是針對企業特定場景,在通用/行業/企業大模型基礎上進行垂直領域或任務模型的構建,擴展模型的專業領域覆蓋面和任務處理能力。面向特定領域或任
96、務,模型能力要求“小而精”,即能夠在特定領域和任務上提供精準、高效的服務,并能滿足高并發下的推理性能要求。訓練策略方面,通過模型蒸餾、微調、數據蒸餾等方案,在對客服務、金融市場等特殊的垂直領域或具體任務,打造專精的垂直領域或任務大模型,保證在專項任務效果的同時節省算力資源開銷。2)橫向多模態多參數模型針對不同的任務,需要調用不同模態、不同參數的模型滿足需求。多樣模型協同的數字員工才能夠更好發揮場景價值。4748大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元一是以多類模型協同實現能力互補,提升整體運行效率。例如,自然語言處理大模型擅長語言理解與生成,具備問答
97、、文案、編程等多功能,適用于金融制度/操規問答、營銷話術生成、財報分析等金融文本理解/生成類場景。預測大模型專長結構化數據的聚類、分類、回歸,適用于客戶流失預測、資金流預測等決策分析類場景。多模態大模型融合文本、圖像等數據,理解跨模態信息,適用于包含大量電子影像文檔的信貸智能審核、遠程銀行通話語音質檢等場景。二是根據應用場景需求,選擇相應參數規模的大模型。傳統小模型適用于需要強解釋性的場景,十億、百億級參數滿足低時延、低成本推理需求,適用于知識問答、摘要生成、數據分析等場景。千億級參數大模型,能力較強,適用于復雜分析任務,同時可生成合成數據供其他模型做數據蒸餾增強訓練。銀行機構應根據自身情況制
98、定響應的模型能力建設策略。對于數據充足、場景豐富、技術能力強的大型銀行,可參考建設全體系模型能力。對于中小銀行,短期內可采用金融知識庫+基礎通用大模型融合應用模式,快速滿足知識問答等通用場景應用需求,中長期,隨金融業務數據積累、技術應用能力增強,可考慮針對特定領域進行大模型的二次訓練或微調,進一步適配場景廣度和深度。4、“用”:降低模型使用門檻,打造協同生態隨著大模型技術逐步成熟,大模型逐漸進入規?;瘧秒A段。為讓大模型能夠更好地適配場景需求,應從模型推薦、高效研發、易學易會等方面降低使用門檻,打造協同生態。一是按場景進行模型的適配和推薦。在已建成大模型矩陣的基礎上,建設模型調控引擎,根據各場
99、景的不同需求,推薦合適的大模型。同時,提供包括OCR、語音、知識檢索、文檔生成、數字人等不同AI能力的沉浸式體驗,從擬人化組合成人的視角,促進應用。二是建設開放的高效微調流水線。面向差異化場景,應用推廣中逐步開放大模型微調能力,綜合考慮算力消耗和場景價值,建議優先利用LoRA等高效微調技術構建支持文本、圖文多模態等大模型建模流水線,加強對特定場景的模型適配能力,降低建模資源整體消耗。同時構建高效的推理方案,實現同一基座大模型掛載多個LoRA模型的高效推理,支撐長尾場景高效推理。值得一提的是,LoRA是一種高效的微調方法,它通過在預訓練的大模型中引入少量的低秩網絡層來實現。這些額外的層具有遠小于
100、原始模型參數量的參數,允許模型在保持大部分預訓練權重固定的同時,通過訓練這些新增的參數來適應特定領域的數據。通過該模式,LoRA可以將需要訓練的參數數量減少到原模型的千分之幾,大幅度減少所需的計算資源和內存占用,使得對大模型的微調變得更加可行和經濟。圖17:LoRA微調原理圖三是構建易學易會的大模型知識體系。圍繞模型接入、提示詞優化、模型選擇、模型微調、模型上線等常見問題構建完整的知識體系,并搭建自動化的選擇和問答工具,降低大模型使用門檻。4950大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元4.2.3 數據:全模數據融合,激活數字員工認知核心商業銀行數據
101、呈現形態多?;?、質量多維化、內容多元化、來源多樣化等特點。為夯實人工智能的數據基礎,一是建立企業級金融數據知識體系,對內豐富模型訓練數據,對外建立金融專項知識庫,內外協同,提升數據的可獲得性和利用性。二是建立智能化的非結構化數據治理能力,在結構化數據治理的基礎上,進一步盤活海量非結構化數據資產。1、“5+1”架構數據知識體系,增強數據的可獲得性和利用性圖18:5+1數據知識體系為更好積累沉淀高質量、多維度、海量的金融數據,各銀行機構可從“基礎-行業-企業-領域-任務”五層模型體系及外掛知識庫增強訴求入手,配套建立“5+1”金融大模型知識工程體系,提供各類知識分層管理、新舊迭代、內容可信監測等能
102、力,確保數據的多樣性、通用性和準確性。一是建立世界-行業-企業-領域-任務五層知識架構,靈活納管全領域、全模態金融數據。同時,分層訓練對應類型的大模型,通過二次訓練+微調實現金融知識高效繼承復用,增強各類模型的金融認知能力。其中,世界層,集成全球資訊、百科等通用知識,提供宏觀視角;行業層,專注金融行業數據,如監管政策、企業財報、投研分析等,提供行業視角認知;企業層,細化至銀行內公共數據,包括資訊、公文、業務知識,提供企業視角統一認知;領域層,針對金融具體專業業務領域沉淀專業知識,其中,建議針對對客服務知識進行統一歸口建設,避免二義性;任務層,針對具體金融任務,沉淀場景定制化知識數據。二是實時更
103、新的外掛知識庫,為大模型提供知識“外腦”。外掛知識庫通過實時數據流和自動化更新,保持信息時效性,結合細粒度訪問控制和安全措施,確保數據安全。利用檢索增強生成RAG技術(Re-trieval-augmented Generation)將大模型與語義檢索以及向量數據庫結合,滿足內容精細化檢索的需求。同時,通過Graph RAG進一步提升對文本語料庫的全局理解,實現基于知識圖譜的檢索增強。2、4種智能化數據治理能力,盤活非結構化數據資產結合工商銀行大模型數據工程實踐,本文建立利用AI4Data技術從數據“采集、清洗、管理、應用”四方面提升非結構化數據處理生產效率,盤活非結構化數據資產。圖19:智能化
104、數據治理流水線示意5152大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元一是夯實數據采集之“基”,打破數據孤島。對內,通過建立企業級數據中臺方式,形成統一集中納管的數據資產。對外,通過開源加聯創、專項采購等方式,持續豐富通用的互聯網新聞、書籍等外部數據。內外結合,建立數據的全面采集機制,為金融大模型的構建引來源頭活水。同時,利用合成訓練數據技術,為填補數據缺陷提供創新路徑。銀行機構可以探索利用生成式AI技術合成訓練數據,重點強化對合成數據的生成技術、質量評價能力和效率。合成數據可以作為現有文本數據集的有效補充,全面提升智能金融應用的效果。二是持續提升數據處
105、理清洗之“器”,降低數據處理門檻,提升質效。建議通過建立專家清洗規則庫+多種智能清洗模型方式,解決異常值等常見數據質量問題,并滿足內容矯正補齊等復雜數據清楚處理訴求。同時,考慮到大模型的金融微調數據人工投入大、標注難度大等痛點,建立基于大模型的AIGC輔助標注能力,智能生成文章、觀點、邏輯鏈等復雜標注數據,輔助人工提升效率。通過AI提升數據清洗能力,有效消除數據冗余、清除數據偏見,確保數據的質量和準確性,并通過工具支撐,持續擴充金融專屬數據集,以便完成企業內專有模型訓練。三是加強訓練數據的高質量管理之“術”,守牢大模型數據合規安全。重點增強知識沖突檢測能力建設,可訓練智能專項模型提供知識相似度
106、、矛盾等監測能力,并制定知識質檢標準,建立業務+科技雙審核機制,提供各類知識新舊迭代、內容可信監測等管理能力,避免知識重復、沖突。同時,重點加強大模型數據安全管控,在數據安全管控過程中,優先保障社會主義核心價值觀、金融從業要求、企業文化,通過敏感詞檢測、非法數據過濾、安全測評、人工審核等處理安全手段,提升數據質量和安全可控能力。四是建立數據應用的運營之“道”,實現大模型的數據閉環。訓練階段,通過十億模型數據最佳配比,推斷百億、千億大模型的數據智能配比推薦,解決百億、千億大模型多樣化數據配比難度大的痛點,提升性能。應用階段,建立以業務場景為單位,大模型迭代為目標,通過規范運營埋點數據、建立運營團
107、隊、持續分析bad case、優化模型等方式,確保大模型應用的數據運營閉環,推動大模型持續優化。數字員工3.0的研發本質,是將復雜的多技術融合成“人”,是業務服務需求與人工智能技術的深度融合??紤]到金融行業領域多樣,業務需求眾多,對數字員工的技能要求復雜,銀行機構宜在夯實三大支柱基礎上,建立分層共享共建的研運一體產線,打造全鏈路安全、敏捷、易用的研發工作站,將以往“樹煙囪、大應用、高代碼”的作坊式研發朝“重共享、大底座、低代碼配置”的工廠化流水線研發模式演進,實現數字員工3.0研發模式的變革。4.3 一條產線:研運一體,革新數字員工研發模式圖20:研運一體產線框架新的研發模式圍繞“敏捷化、標準
108、化”,打造面向開發態的研發中心和面向運行態的服務中心。一是打造數-智-用全鏈路整合的AI研發中心,滿足數據、模型、智能體的低門檻研發。其中,基于三大支柱底座,面向AI能力開發,打造低門檻的數據工程和模型工程兩個基礎工程流水線,形成數字員工的智能核心的標準化供給;向上,打造多樣化、全能力的通用/專業AI能力構建流水線,構筑數字員工豐富多樣、開箱即用的智能化技能;面向應用,構建配置化的智能體組裝流水線,分鐘級構建金融數字員工。5354大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元二是建設標準化的智能服務中心,面向不同的服務需求,以分層解耦的構建思路,實現原子服
109、務、組合服務、范式服務等異構AI能力的統一接入、統一管理;同時構建統一的管控框架,提供服務的統一輸入、能力的快速組合、服務的快速調用。4.3.1 建設創新工廠,以敏捷化研發中心打造數字員工能力基石按照零代碼、低代碼研發思路,打造全鏈路安全、敏捷、易用的研發工作站,沉淀數據與模型兩大基礎工程能力,組裝通用/專用AI技能流水線,并建立智能體開發流水線,三者結合,實現數字員工的模型構建流程化、服務組裝積木化、數字員工生產工業化,大幅提升研發效能。圖21:數字員工三層開發流水線框架1、基礎工程流水線:融合用數賦智能力,提升模型訓練效率數字員工在金融行業的能力提升依賴于持續的學習和訓練,需要不斷利用大量
110、的人類行為數據和專業知識進行澆灌,以便更好地模擬和理解人類員工的行為方式以及金融行業的專業技能。為此,圍繞數據和模型兩大基礎核心能力,建設基礎工程流水線,沉淀數據引入、數據清洗、數據標注、算法選擇、模型訓練、模型評估、模型部署等用數賦智的通用技術模塊,規避公共組件重復建設。通過DataOps和LLMOps的工程化融合,提升數據工程的效率,降低模型訓練的技術門檻,確保數字員工在金融領域應用的快速迭代和優化。2、通用/專業技能流水線:多樣化AI技能生產線,為數字員工3.0提供擬人化能力支撐數字員工的建設,需要運用智能決策、知識圖譜、OCR、生物識別、語音合成、語音克隆、自由式對話、知識檢索、數據分
111、析等多種“看、聽、想、說、做”智能化技術,并根據業務需求提供定制化組裝。為此,結合領域特色,建立通用+專用結合的全領域AI技能流水線,支持開箱即用以及按需求靈活組裝,為智能體開發提供智能化技術支持。其中,機器學習流水線為數字員工提供基于結構化數據的決策能力;計算機視覺、語音識別流水線為其提供配合神經中樞處理非結構化數據的感知能力;自然語言處理流水線為數字員工提供認知計算和交互決策能力;數字人及語音克隆技術為其提供交互形象及語音輸出能力;機器人流程自動化以及各種工具插件為數字員工提供行動執行能力。3、數字員工組裝流水線:多技術融合與規劃編排,將“AI技術組合成人”對標數字員工3.0高擬人度要求,
112、從“AI技術組合成人”的視角,需要打造數字員工組裝流水線,將感知、記憶、行動、協作、反饋五維能力以及規劃編排等能力進一步優化升級,以提升數字員工3.0處理復雜和創造性問題的能力。1)智能能力融合:五維協同,夯實數字員工能力調控引擎基礎數字員工的運行基礎在于構建一個高度集成的多技術融合體系,這一體系通過感知、記憶、行動、協作以及反饋的五維協同能力,使數字員工3.0應用得以向更復雜、更深入的領域拓展。圖22:五維協同智能體能力5556大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元一是多模態感知能力。除傳統的視覺、語音、文檔感知能力,數字員工3.0需要在多模態融
113、合感知能力上有所增強,使得數字員工自行感知用戶或者環境的狀態信息。通過視覺文檔處理、屏幕處理、系統信息對接、語音解析、傳感器感知分析等組件,來打造增強的多模態語音/視覺信息獲取等能力。二是長短記憶能力。數字員工通過構建長短期記憶能力,能夠跟蹤用戶、學習歷史經驗,并提取價值知識,實現記憶的有效復用,進一步提升規劃和行動的依據。短期記憶可通過緩存技術存儲最近的交互內容。長期記憶可通過向量數據庫等用于快速檢索和無限檢索,使得數字員工更好地理解上下文。三是執行能力。數字員工通過建設技能插件和工具庫組件,完善手腳行動能力,實現大腦與外部服務和工具的聯動,擴展大模型邊界,實現復雜場景的任務執行。四是多協作
114、能力。面對復雜任務,數字員工的交互對象從單體擴展到多體,需要協調和調度多個小模型,將復雜金融任務分解為子任務,分配給適合的小模型。有三種模式:一是串行模式,大小模型分工協作,例如大模型進行預處理和后處理,小模型執行精確評估計算。二是分流模式,大模型分流任務至小模型,如客服場景中基于意圖的理解分發任務。三是協調模式,大模型協調各模型,匯總結果生成綜合方案,如投顧場景中的風險分析和投資建議。圖23:大小模型協同的三種模式五是反饋自學習能力。數字員工通過集成反饋循環機制接收和解析用戶的反饋信息,評估自身行動的效果和準確性。一方面利用自然語言處理技術分析用戶的輸入反饋,實現自我調整策略和行為,確保服務
115、的持續優化和個性化。另一方面反饋數據作為下一輪訓練的輸入,不斷迭代和提升其決策和交互質量。2)規劃、編排能力建設:動靜結合,強化數字員工規劃核心數字員工通過規劃及編排能力將復雜分散的業務流程串聯起來,從而具備解決綜合性問題的能力。規劃、編排能力是數字員工的調度協作中樞,是實現自主性和目標導向行為的關鍵,目前業界主要有動態任務規劃和靜態編排兩類技術。一是動態任務規劃。使用大語言模型作為智能體的決策核心,通過提示詞的方式規范大模型對任務的理解。利用大模型將復雜任務自主分解成更小的子任務,并持續根據任務執行情況和外部反饋動態調整任務計劃以接近設定目標,直到任務完成。這種模式針對非預設的任務具有更強的
116、智能化、泛化性,但該模式需采用較大規模參數模型,以滿足對復雜任務的理解和規劃,由此帶來大量的算力消耗。同時多輪交互任務對大模型的記憶能力及指令遵從性要求較高,當前仍有較大提升空間。動態規劃當前適用于如遠程銀行信息查詢等無固定流程且交互輪次較少的場景。圖24:動態規劃流程圖示例5758大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元二是靜態工作流編排。由于當前動態規劃在場景應用上的能力不足,且金融行業大量業務場景復雜、流程固定,對流程執行的嚴謹性要求較高,當前業內普遍發展大模型結合靜態編排模式進行能力的建設和落地。靜態編排利用流程編排框架定義好工作流的各個步驟
117、和執行順序,并且在工作流運行時嚴格按規劃執行。大模型在其中負責與用戶的交互,理解用戶意圖并引導用戶完成參數填充,從而進行執行分支選擇。這種模式雖然交互相對固化,但能確保任務按照既定的標準操作程序執行,保障金融任務執行的嚴謹性和準確性,當前適用于如金融市場投資交易等流程長、任務嚴謹的金融場景。圖25:靜態編排流程圖示例在數字員工的規劃編排能力建設中,應考慮動態規劃和靜態編排結合,通過靜態編排增強場景規劃的準確性、可回溯性;通過動態規劃提升場景規劃的靈活性、自主性。在動態規劃過程中,根據用戶反饋提煉沉淀靜態工作流,提升規劃的一致性;同時靜態編排能夠為動態規劃提供結構化的框架,提升規劃的穩定性。3)
118、零代碼低代碼數字員工組裝:低門檻開發,促進數字員工共建共享在數字員工組裝方面,業務和開發人員技能水平參差不齊。根據應用場景,提供無代碼和低代碼模式智能體編排開發模式,打造低門檻工程化解決方案,促進數字員工開發共建,實現生態共享。一是零代碼數字員工組裝。面向建模人員和業務專家,通過零代碼配置,完成身份人設、知識、技能插件、工作流等信息組裝。二是低代碼數字員工開發。該研發模式通過打造拖拉拽、可視化的工作流編排流水線,基于多種組件實現數字員工技能的自由編排,擴展性強,相關工作流可作為數字員工的技能進行復用,也可直接發布單一技能的數字員工應用。圖26:數字員工編排流程圖4.3.2 建設能力樞紐,以標準
119、化服務中心加速數字員工上崗運行從將各種擬人化能力組合成人的視角出發,打造建設數字員工智能服務中心,通過基于智能體技術建設的統一智能服務管控框架,實現原子服務、組合服務、范式服務三類服務的統一封裝、統一管理、統一編排與統一調控,解決異構AI服務的標準不統一、管理難度大等痛點,同時模擬人的行為模式,沉淀共享擬人逼真、豐富多樣的AI服務能力。1、統一的智能服務管控框架,實現服務插件化、管理集中化、編排流程化、調控統一化數字員工服務能力涉及多個異構系統,需要通過統一、便捷的方式與大模型整合成為可運行的智能體。同時還需確保各類異構服務能夠靈活組裝、銜接流暢,可根據業務需求被智能體快速調用。因此,建設基于
120、智能體技術的統一的智能服務管控框架,實現服務插件化、管理集中化、編排流程化、調控統一化。一是服務插件化。建立可插拔的架構,將各個系統能力以標準化模式封裝為插件的形式,以智能體單一分支行動為最小化單元進行插件的封裝。插件信息采用標準化JSON進行定義,包括插件名稱、插件用途、URL等,確保功能描述規范化、接口標準化,以便于模型理解和調用。當插件被調用時,同樣可基于標準化JSON進行參數定義,以便于數字員工基于不同分支選擇對應的最小化單元插件完成任務。5960大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元二是管理集中化。圍繞智能服務資源申請到智能服務發布的全流
121、程,實現資源申請流程、測試流程、上線部署流程、運維流程的標準統一,并且可根據數字員工忙閑、工作負載,以數字員工為運維單位,彈性擴縮容數字員工智能服務,降低運維和準入驗證人力投入成本。服務上線后,建立通用服務和領域專用服務統一管理視圖,面向業務側提供服務目錄檢索、服務信息查看等能力,實現各類智能服務跨部門、跨產品、跨業務條線的共享使用、運行監控。圖27:插件定義示例圖28:數字員工能力統一管理框架三是編排流程化。按照“積木式組裝”思想,打造低代碼理念的組合服務可視化編排流水線。以人的行為模式為參照,支持用戶通過拖拉拽方式實現多技術融合的擬人化智能服務分層組裝,將原子服務組裝為組合服務,并進一步封
122、裝為面向場景的工程化解決方案范式,最后總結提煉形成具有業務含義的數字員工智能服務策略。四是調控統一化。封裝好的插件統一通過數字員工的智能體框架進行調控。將各插件以及插件能力以格式化文本的方式進行統一描述,便于大模型進行統一識別。當任務執行時,由大模型進行對話意圖識別,判斷需要調用的插件,再由主框架完成插件的調用和執行。圖29:基于智能體的數字員工服務調控框架2、沉淀百模千態的數字員工智能化服務能力一是原子服務能力發布。服務中心提供一系列擬人逼真的原子服務能力。包括傳統小模型的能力,如OCR、人臉識別等,還包括僅通過提示詞即可獲得的服務。這些服務通過標準化的方式供上層快速調用,既可直接應用,同時
123、也可通過組裝服務更為復雜的場景。二是組合服務能力發布。在原子服務的基礎上,服務中心能夠發布組合服務能力,這些服務由多個服務組合而成,以滿足更復雜的業務需求。例如合同審核需要“看”OCR文檔識別、“想”自然語言理解等服務的組合。遠程銀行雙錄質檢需要“看”視頻識別、“想”圖像內容識別、“做”結果反饋等智能化服務的組合。6162大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元三是范式服務能力發布。金融應用領域多樣,各場景多元化個性化需求,以不變應萬變。根據技術成熟度和場景,可優先聚焦于知識檢索、數據分析、文檔編寫等場景,總結提煉,打造工程化解決方案,促進規?;?、規
124、范化金融應用創新。例如多模態知識檢索范式,依托知識庫、大模型等技術,提供知識管理、知識搜索、答案生成等能力,支持各業務、科技人員通過零編碼方式搭建專屬知識庫,只需上傳制度、規范等文檔,即可實現文檔內容檢索問答,并給出可信來源,提升專業知識獲取效率。例如數據分析范式,提供對話式數據分析解決方案,幫助用戶一句話實現報表查詢、SQL生成、指標查詢、圖表繪制等,提升數據分析效率、降低數據分析門檻。圖30:原子-組合-范式三層服務4.4 全量資產:統一納管,使能數字員工持續進化4.4.1 打造全面高效的資產中心,持續供給數字員工生產資料數字員工的生產資料主要是員工技能、領域知識、業務流程等。通過構建一個
125、資產標準化和共建共享的資產中心,整合技能庫、知識庫、流程庫等資源,形成數字員工技能研發、組裝的統一“零配件供應中心”,為全行數字員工提供持續學習和能力升級的共享資源尤為重要。1、技能庫資產:數字員工行動能力的工具箱技能庫資產是數字員工執行多樣化任務的能力基礎。數字員工通過調用各種業務系統、AI能力、工具等插件,極大地擴展行動范圍和效率。一是建設通用插件庫,面向知識問答、代碼生成、數據分析等通用應用,集成知識檢索、代碼解釋器、知識檢索、ChatBI等通用插件,實現通用能力的共享復用,確保資源的最大化利用。二是建設專用技能插件庫,包含針對特定業務需求和行業應用的專業工具和算法,以支持數字員工更好地
126、適應各種復雜的業務場景,提供定制化的服務和解決方案。例如調用客戶畫像插件進行客戶偏好分析和營銷策略推薦,調用行業資訊庫插件進行市場趨勢分析等。圖31:插件庫資產示例6364大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元2、知識庫資產:數字員工分析與決策的支撐知識庫是數字員工獲取信息和數據的主要來源之一。知識庫為數字員工提供外部信息庫,不僅擴展智能分析能力,還提供長期記憶能力。為提升知識庫的建設與使用效率,需要從以下方面重點考慮。一是知識的多樣性。1)知識形式的多樣性,知識庫不僅要包含文本信息,還應該包括圖像、表格、視頻等多媒體內容,以提高信息的可訪問性和理
127、解性。2)知識內容的多樣性,知識庫的建設應覆蓋廣泛的主題和領域,包括但不限于實時更新的國內外金融監管政策、金融市場分析;詳細的產品介紹、條款說明;業務領域專用的信貸評估標準、反洗錢規則等,以滿足不同背景和專業領域用戶的知識需求。二是知識的可回溯性。隨著知識的不斷積累和更新,信息往往會被細分并重新整合到不同的應用場景中。為維持知識的準確性和一致性,需要建立知識管理框架,支持知識的存儲和檢索,以及知識的生命周期記錄,包括創建、更新、審核和廢棄等各個環節,確保每個知識點都可以追溯到其原始的上下文和來源,在引用時能夠提供完整的背景信息,避免因斷章取義而產生的誤解或歧義。三是知識的可隔離性。在商業銀行中
128、,業務領域的專用知識信息,例如信貸評估的標準和產品定價策略,以及大量的客戶個人信息通常屬于敏感數據,需要嚴格控制訪問權限。通過為不同級別的用戶設定相應的權限,從而確保只有授權人員才能訪問特定的知識資源,保證敏感信息的保密性和合理流通。3、流程庫資產:數字員工自動化作業的引擎流程庫資產是數字員工在自動化執行金融業務中的核心引擎。流程庫資產聚焦于將復雜的金融業務流程轉化為可由AI代理執行的任務序列。流程庫資產建設主要包括四類資產沉淀:一是靜態編排流程文件。將常規且標準化的業務流程轉化為一系列明確的操作步驟,并形成詳盡的流程文件。這些文件作為數字員工執行任務時的指導手冊,確保每一步操作都按照既定的最
129、佳實踐進行,從而提高工作效率和準確性。圖32:靜態編排流程.yaml文件示例圖33:動態規劃提示詞示例二是動態規劃提示詞和指令。在大模型進行動態規劃時,需要根據提示詞和指令來幫助其理解任務需求,同時確保它能夠根據不同的應用場景和實時數據做出適應性響應。提示詞文件應包括角色的定位概述、所具備的關鍵技能、遵循的行為準則與規范,以及面向具體任務的解決方案和實施步驟。通過沉淀不同語境下的提示詞模板資產,引導數字員工更準確地識別不同場景任務的上下文、目標和預期結果,從而提高其執行任務的效率和準確性。6566大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元五.管理篇:遵
130、從勞動分工本源,創新數字員工管理三是流程測試集。從流程遵從性、異常任務處理、流程執行性能等方面,面向金融通用場景及金融特定任務創建測試集,以驗證流程的正確性和效率,確保數字員工在各種情況下都能穩定運行。4.4.2 構建共建共享的運營機制,全面推進數字員工快速發展金融機構應構建標準化的管理平臺和共建共享的機制,以充分發揮資產中心的作用,激發數字員工3.0的智能化能力。通過構建標準化的管理平臺,可以實現資產的統一管理和高效利用。建立共建共享的機制能夠鼓勵不同部門、團隊甚至不同機構之間的合作與知識共享,促進資源的優化配置,避免重復勞動,提高整體的工作效率。一是資產統一管理。構建標準化管理平臺,將各類
131、資產統一注冊并集成到統一的界面中。按照業務領域對AI資產進行歸類,編制AI資產目錄,構建面向業務領域的AI資產視圖,統一查詢入口。依托自然語言處理與知識圖譜等AI技術,構建“模型、樣本、場景、算法、服務”五維關系網絡,建立可查詢分析的資產血緣分析能力,強化資產溯源分析,提升資產的可見可得共享能力。二是資產統一模板。在完善的AI資產視圖基礎上,進一步將資產按照能力粒度,提煉面向各業務場景的資產模板,形成可復用的能力組件,并與開發流水線對接,實現跨部門、跨機構相似場景的快速研發,降低能力共建的門檻。三是資產統一體驗。建設可視化、典型業務場景植入的數字員工智能化能力體驗中心,覆蓋智能搜索、文本創作、
132、以圖生文等典型的場景,并提供建設最佳應用實踐,加速數字員工和智能場景建設。四是資產統一運營。從版本管理、服務發布、調用授權、服務監控、預警告警、效果評估等資產運營全生命周期維度,對數字員工能力資產進行管理和優化,從而提高資產的利用率,確保資產價值的最大化發揮。6768大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元1776年,亞當.斯密在國富論中最早提出并強調勞動分工論,多維度論述勞動分工對提高勞動生產率、增加國民財富的促進意義。分工論在企業治理中已是一種重要的管理模式。商業銀行在引入數字員工時也應基于協作分工原則,建設數字員工配套的管理體系。結合工商銀行實
133、踐,本文建議數字員工管理體系參考人類員工管理模式,從獨立身份、權責清晰、專業設崗、統一納管、數字運營五個方面進行建設。一是建立數字員工身份認證制度,構建數字員工統一運營管理平臺,實現數字員工全流程管控。二是明確數字員工建設各方職責,包括企業級數字員工發展與指導、數字員工技術能力建設、數字員工管理體系建設等,在企業內部形成自上而下的全面建設體系。三是明確對客服務和對內賦能兩大類數字員工的崗位設計,建議從現有人力崗位序列的具體工作任務切入,參照設置數字員工崗位。四是綜合考慮數字員工呈現出綜合化、專業化兩種發展趨勢,采用融合策略,按照“統一數字員工品牌、差異化崗位數字助手建設”的模式推進數字員工分層
134、管理。五是建立數字員工的評價體系,實現數字員工工作的精細化運營管理。圖34:數字員工管理體系5.1 獨立身份,賦予個性人格數字員工身份獨立有兩方面優勢。一是在內部管理上,數字員工與人類員工實現權責分離,可確保人機協同運轉,保障運行安全可控。二是在外部宣傳上,獨立人格化、形象化的數字員工有利于提升客戶體驗,助力形成品牌效應,形成新的獲客引流熱點渠道,擴大影響力。銀行機構可從管理制度制定、人格化設計、配套系統支撐三個方面推進數字員工的身份獨立設計。一是管理先行,制定數字員工管理制度。明確數字員工設立、身份權限管理、部門間職責分工、日常管理、風險防控等機制流程,方便各部門根據管理制度,合理設置部門內
135、的數字員工崗位,并對數字員工開展人格化屬性設計、業務系統的權限分配、風險防控措施制定等工作。同時,在操作流程上,建議比照企業內的人類員工招聘入職審批流程,建立簽發數字員工身份的工作流程,為數字員工分配獨立員工編碼和形象,使數字員工具有唯一身份標識和個性外觀,方便數字員工識別和溝通,增強數字員工人格化屬性。二是規范設計,形成數字員工人格設計的統一標準。銀行機構應制定數字員工人格化屬性設計的標準化規范指引,具體從姓名、人格特征、語言風格、人物形象、交互設計、行為模式等方面形成設計標準,避免造成命名不規范、形象侵權等問題。三是系統配套,建設數字員工運營管理平臺。為更好實現對全行各機構數字員工統一管理
136、,以及工作崗位、工作績效等要素的綜合展現,建設配套的數字員工運營管理平臺。首先是從人員管理視角,建立數字員工運營管理平臺的管理流程,形成數據員工身份的申領、分配、建設、上崗、管理、應用和評價的閉環管理新模式,并與人力資源管理系統打通,聯動實現數字員工身份簽發、凍結、注銷等全生命周期管理;其次是統一采集數字員工評價指標,并利用可視化分析技術,打造各專6970大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元業條線的“多維度、可鉆取、可量化”的可視化管理工具,讓數字員工的成效實現業務側可感知、可評價;最后是加強數字員工培育和數字員工監控,形成數字員工知識管理、健康
137、管理、合規管理等能力,確保數字員工能力的安全可信、持續進化。5.2 權責清晰,明確組織管理為簡化管理流程和不增加額外的管理成本,建議復用現有項目研發模式,采用“人力統籌、專業主管、科技實現”的思路明確相關部門職責,明確數字員工的需求分析、人格化設計、能力建設、準入評估、運營評價、持續迭代的全生命周期管理流程。人力統籌:由人力資源部門制定數字員工管理制度,明確數字員工的設立、身份權限管理、日常使用管理等機制流程,并負責簽發數字員工身份證,統管數字員工人力信息。專業主管:由業務主管部門主導轄屬的數字員工建設工作,其中,考慮對客服務的統一性,建議將對客服務數字員工統一歸口到一個業務部門統管建設;內部
138、專業數字員工則由對口業務部門負責建設,確保業務專業性??萍紝崿F:科技部門牽頭數字員工的技術支撐能力和系統建設實施工作,夯實IT平臺功能。5.3 專業設崗,實現任務專辦銀行數字員工可按對客服務和對內賦能出發進行崗位設計。對客服務方面,以提升客戶服務體驗為宗旨,打造數字客服、數字遠維等對客服務的數字崗位體系,重點從事客戶服務、主動觸達等工作,實現產品咨詢、客服答疑等場景的沉浸式交互自助服務,助力提升金融服務的便利性和可得性。在崗位設置上建議“少而精”,如數字客服崗、數字遠維崗等,服務于電話銀行、手機銀行、網上銀行、網點設備等渠道,提供業務咨詢、投訴受理、業務辦理、產品推薦、客戶關懷等服務。為更好強
139、化客戶認知,統一用戶體驗,對客服務崗位數字員工必須統一對客服務的形象、知識話術等信息。對內賦能數字員工方面,各業務部門可參考部門內的現有人力資源崗位體系,結合自身業務數字化轉型需求,打造領域內的數字員工專業崗位。在崗位設置上,可以按照“具體條線具體分析,具體崗位具體設計,具體事項具體實施”工作思路,基于各部門相關崗位工作要求,以具體工作任務為切入點,從實際任務替代/輔助出發,合理設置數字員工崗位及配備相關數字助手。該設計,宏觀層面實現數字員工崗位和人類員工崗位體系的完整對照、微觀層面實現與具體工作事項關聯,有效提升數字員工管理和實施的精細化水平。表1:數字員工設崗示例7172大模型驅動的數字員
140、工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元5.4 科學管理,分層統一納管考慮到很多銀行已建設多種類、多數量的數字員工隊伍,建議綜合考慮數字員工呈現出綜合化、專業化兩種發展趨勢,采用融合策略,按照“統一品牌、差異建設、協同調度”的模式推進數字員工分層管理,厘清數字員工的多樣化概念,形成統一標準話術,避免出現數字員工過度建設,及用戶同時對接過多獨立數字員工造成體驗不佳、服務不均和使用復雜等問題。一是統一數字員工品牌。對外服務,由對客服務牽頭部門統一負責,按照個人或家族模式,建立統一的對客服務數字員工品牌,建立形象、姓名等統一標準的人格化屬性,規避客戶理解偏差。對內,建議按大
141、的業務領域或條線整合,由相關專業部門牽頭,其他部門配合,人力資源審批,建立對公業務、個人業務、綜合辦公等專業領域的對內賦能數字員工品牌,形成統一專業化品牌管理。二是按崗位差異化建設百模千態的數字助手。建議參考人類員工“人員-崗位-任務”三層工作關系,在對應數字員工品牌之下,建設方以具體崗位-任務為切入點,按照自身業務需求和業務屬性,對照崗位要求,建設實際負責干活的專業型數字助手,并賦能相關業務場景,形成“統一數字員工品牌-N(N個差異化崗位數字助手)-X(X個差異化業務場景賦能)”的數字員工建設新模式。三是通過數字員工統一入口協同調控各類崗位數字助手能力。打造多助手協同框架,用戶通過一鍵“”方
142、式在統一數字員工對話窗口快速喚醒所需的數字助手能力進行交互,通過自然語言的簡單指令精準響應用戶需求,避免原菜單點選模式下多個系統、多個助手查找/切換/執行的繁瑣操作,實現一人+N個數字助手的協同工作模式。5.5 數字運營,持續提升能力數字員工的常態化運營對于數字員工服務能力的提升至關重要。聚焦數字員工評價指標體系建設、數字員工能力運營兩個方面,建立數字員工運營保障支撐體系,實現數字員工工作成效可評價、能力可提升、運營有抓手的長效化機制,保證數字員工工作質量和水平,激活數字員工的工作潛力和業務價值。5.5.1 數字員工評價指標體系參考人類員工KPI評價方式,圍繞業務成效、業務成本、勞動質量、應用
143、能力、風險安全等維度構建統一的數字員工評價指標體系,銀行機構可以科學量化和評價數字員工的表現,促進數字員工能力的持續提升。同時,通過“標準值”等對照策略或漏斗策略,由運營人員提出體驗建議,可以針對性開展優化,不斷完善評價管理體系。其中,“標準值”對照策略是指將數字員工評價指標與預設的標準值進行比較,以此來判斷數字員工的表現是否達到既定的標準或目標。漏斗策略是指將數字員工服務的全過程分解為一系列的階段,通過分析每個階段被服務對象的流失或轉化情況,識別出數字員工服務過程中的瓶頸。一是業務成效方面,旨在對數字員工的服務量、客觀的業務效果以及客戶的主觀評價進行評價,主要包括業務量評估、效果評估、客戶評
144、價等指標類別。二是業務成本方面,旨在對數字員工的日常運營的各項成本進行評價,主要包括運營成本等指標類別。三是勞動質量,旨在對數字員工服務的準確性、及時性、完整性等方面進行評價,主要包括準確性評估、響應速度評估等指標類別。四是應用能力,旨在對數字員工的技能和能力進行評估,主要包括知識豐富程度、專業技能覆蓋度、應用靈活性等指標類別。五是風險安全,旨在對數字員工的系統安全性和數據安全性方面進行評估,主要包括安全保障、數據保護等評估指標類別。7374大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元表2:數字員工評估指標體系(示例)5.5.2 數字員工能力運營數字員工
145、能力運營可助力銀行持續提升數字員工的服務效率、改善用戶體驗、降低服務成本、提供個性化服務、增強市場競爭力、提高客戶響應速度和滿意度。為做好相關工作,以數字員工的運營評價和能力持續迭代為目標,建立以數字員工服務能力為中心的數據閉環智能化運營體系,提升數字員工能力的持續迭代和應用的量化評價能力。一是規范數字員工運營埋點數據,將數字員工應用場景信息、服務信息、交互信息等數據作為關鍵埋點,實現埋點數據的統一、全面和標準化采集。同時,實現數字員工運營埋點數據全入湖,并基于埋點數據加工形成數字員工運營指標,為數字員工能力迭代提升數據依據。二是強化數字員工運營數據監控分析,按照對客服務數字員工、對內賦能數字
146、員工等分類預置數字員工運營指標模板,實現技術指標、業務指標的統一監控,并基于可視化分析技術能力生成各類數字員工的運營評價報告,供各業務部門持續提升數字員工能力提供重要數據依據和指導。三是建立常態化數字員工知識庫運營機制。知識庫運營是保證數字員工服務效果的重要資源,智慧銀行需要基于集中、統一搭建知識庫,并按照數字員工維度,組建專業團隊負責統一運營,負責知識收集、知識清洗、知識分類和標注、知識庫管理、更新和維護、質量控制等工作,支持全行數字員工服務場景共享復用。四是實現數字員工訓練調優運營常態化。數字員工的能力需要通過訓練不斷優化提升,訓練內容包括語音識別能力、語義理解能力、語音合成能力、數字員工
147、表情動作仿真能力。訓練方法包括提取客戶交互過程、標注客戶交互過程中的錯誤或缺陷、分析問題原因、優化程序或語音語料等流程。銀行應組建科技和業務融合的專業團隊,確保訓練結果的準確性和業務反饋結果的及時性。7576大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元六.安全篇:科技向善堅守本心,安全可信夯實根基7778大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元數字員工從最初簡單流程自動化,到如今借助大模型打造的智能化、擬人化,數字員工的能力邊界不斷拓展,應用場景日益豐富。隨著數字員工的廣泛應用,其體現出高效、穩定、精準等諸多優
148、勢,但同時也蘊藏著數據安全風險、模型算法風險、輸出內容風險、業務權限管理等多方面安全風險。數字員工在處理敏感金融數據、執行關鍵業務流程時,若缺乏有效的安全管控,極易成為不法分子攻擊的目標,從而導致操作失誤,造成嚴重數據泄露和業務中斷,帶來金融信譽和經濟損失。為更好處理技術創新和監管合規之間的平衡,銀行機構應將“安全可信”作為數字員工發展的核心原則和使命擔當,通過從安全管理、安全技術、安全運營構建起全方位、多層次的企業級數字員工智能安全合規框架,才能真正發揮數字員工的價值,實現數字員工數據安全合規、模型安全可信、應用風險可控三大安全目標和“科技向善”的愿景。圖35:數字員工安全體系為防范化解人工
149、智能技術及數字員工應用風險,提升科技創新治理水平,銀行機構可從制度流程制定、組織架構建設、人才建設三個方面著手,形成自上而下、重點明確、責任清晰的安全管理框架和相關組織保障,有效降低安全風險,為數字員工的持續創新發展提供堅實的制度保障。6.1.1 制度先行,明確安全頂層設計管理制度方面,構建并持續完善全方位、多層次的安全管理體系。一是覆蓋數字員工全生命周期。圍繞需求分析、規劃設計、系統建設、部署設置、監控評價、優化擴張、集成協同、維護升級、閑置報廢等,建立安全評估、安全監測、安全事件應急處置和違法違規處置等安全責任落實規范、流程。二是提前制定詳細的應急響應預案。針對數字員工可能發生的數據泄露、
150、惡意攻擊等常見安全事件,制定詳細的應急處置流程、資源調配和人員分工,明確應急處置流程、資源調配和人員分工。三是完善數字員工使用授權機制。嚴格規范數字員工的賬號管理、權限分配和訪問控制,確保其只能在授權范圍內執行操作,防止越權行為,防范內部風險,增強數字員工操作的可追溯性和合規性。6.1管理有序,制定數字員工安全合規管理制度7980大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元6.1.2 優化組織,形成安全統籌協同組織保障方面,建立數字員工協同管理機制。一是明確科技、人力、業務等各部門在數字員工安全管理中的職責,在此基礎上形成日??绮块T協作機制,定期召開會議
151、,分享安全最佳實踐,討論潛在風險并制定應對措施。二是設立專門的安全部門、安全團隊或跨部門的安全管理小組,負責數字員工的安全策略制定、執行、監控和持續改進。三是在安全團隊的人員構成上應包含高層領導、安全專家和相關部門負責人,在對內部組織架構、制度設計充分了解的基礎上實現安全管理政策的穩健制定和堅決執行。四是團隊成員應具備算法理論、數據結構、密碼學、網絡安全等相關知識背景,對人工智能算法的安全特性、漏洞類型、攻擊手段、防御策略有深刻理解,常態化針對數字員工應用定期組織安全測評、攻防測試和應急演練等活動,確保數字員工持續提升安全能力。6.1.3 人才建設,強化安全意識技能人員培養方面,持續開展數字員
152、工研發和應用的安全培訓。一是筑牢員工安全意識,定期為科技和業務人員提供有關數字員工的安全培訓,包括安全意識教育、安全操作規程、應急預案等,提高安全意識和操作技能,通過案例分析、模擬演練等方式協助員工充分了解潛在的安全風險。二是幫助員工熟悉安全技術規范,通過安全操作手冊、小視頻、現場培訓等多種方式提供詳細的安全操作細節,使員工掌握應對安全事件的正確方法,確保具備專業素養和應對能力。數字員工的安全技術能力是保障數字員工安全建設的核心能力,主要涉及數據安全、模型安全、應用安全以及安全測評等技術維度。其中,數據安全技術用于滿足數據安全監管要求;模型安全技術用于提升數字員工原生安全合規應用能力;應用安全
153、技術用于識別是否存在各類違規風險、全面保障服務安全;安全測評技術用于保障數字員工的安全穩定運行。6.2全域守護,構建數字員工安全技術能力體系圖36:數字員工安全技術能力體系6.2.1 數據安全,強化數據管理保護策略數據是數字員工運行的基石,而在數字員工接收并處理數據過程中,存在數據泄露、濫用等風險。同時,數字員工的模型構建也依賴于海量多元數據進行訓練。為提升數據安全,需在數據全生命周期的安全管理采集、訪問、傳輸和存儲等環節采取措施保障數據的合規性與安全性。一是采洗源頭防控,確保數據來源和內容的合規性。在數據引入時嚴格審查數據的來源和授權,確保數據來源合法、合規,針對訓練數據通過語料脫敏清洗、自
154、動化安全評估和人工抽檢機制,從源頭上實現不良信息治理,剔除毒害信息。二是管理精確防控,實施數據使用最小化訪問權限。在數據管理上對8182大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元數字員工的數據進行分類、歸檔和設置相應的訪問權限。通過遵循數據最小化原則,實施細粒度的訪問控制,如基于角色、屬性的訪問控制以及動態授權機制,實現對數據訪問的精確管控,確保數字員工只能在合法授權情況下訪問和使用數據,以有效降低數據泄露的風險。三是存取使用全程可控,確保數據傳輸和存儲的安全性和完整性。數據存儲時,采用強加密標準對存儲和傳輸的數據進行加密,以防止數據泄露。數據使用時,
155、使用數據掩碼、偽匿名化和數據合成等數據脫敏技術來隱藏敏感信息,確保個人隱私和商業秘密不被泄露。6.2.2 模型安全,加強大腦自身價值對齊模型算法是數字員工技術的核心,決定數字員工行為的可預測性和可信度。相較傳統機器學習算法,生成式人工智能大模型輸出具有多樣性和隨機性,存在新型的算法和模型風險,如AI模型幻覺、知識侵權等,極大影響數字員工的安全、公平、可信。因此,從加強算法內生安全入手,引導數字員工生成積極、正向、合規的內容。一是開展引入模型評估工作,確?;0踩?。通過評估模型備案情況以及構建通用和金融領域特色安全測試集,確保遴選的基礎模型安全、健康、向上向善,嚴格遵從國家法律法規。二是構建金融
156、正向價值觀數據,提升模型內在價值安全。綜合金融業、企業價值觀要求,通過構建多元化的正向的價值對齊數據基礎,使用大模型對齊技術進行強化學習訓練,例如人類反饋的強化學習RLHF(Reinforcement Learning from Human Feedback)、直接偏好優化DPO(Direct Preference Optimization)等,引導大模型的能力和行為跟人類的價值、真實意圖和倫理原則相一致,增強人類和人工智能協作過程中的安全和信任。三是構建數字員工行為可解釋能力,提升模型透明性。構建算法層面的模型可解釋能力,綜合利用特征重要性局部可解釋算法、基于知識圖譜的可解釋等方案,為風控、
157、營銷等可解釋訴求緊迫的場景,強化對數字員工行為及結果的可解釋能力。圖37:模型安全體系6.2.3 業務安全,實現應用安全合規約束數字員工在對外提供服務時面臨未經授權的訪問利用、輸入輸出可能存在不合規合法內容、惡意利用造謠詐騙等潛在風險。為保障數字員工生成內容的安全性,需要從內容審核、機制設計等方面采取措施。一是強化數字員工權限管理,確保授權內訪問操作。智慧銀行可參考現有人力資源體系的權限管理要求,按照使用數字員工從事具體業務的員工和機構所具備的最小授權限制數字員工在該次任務中所能訪問的業務系統和操作權限,確保數字員工只能完成符合業務流程規范的系統操作,避免出現一手清等風險隱患。同時對于數字員工
158、完成的業務準確記錄其操作日志及調用數字員工能力的人類員工信息,做好臺賬管理。二是建設輸入輸出內容審核能力,保障數字員工響應內容合規。輸入內容審核方面,通過自動審核用戶輸入,對提示詞攻擊、違反價值觀等內容進行拒答處理;對涉及敏感且無法拒答的內容,通過檢索紅線知識庫進行作答。輸出內容審核方面,通過自動審核模塊對輸出內容的安全合規進行檢驗,如存在安全風險,數字員工將基于固定話術生成一段無公害的描述,從而實現生成內容的安全控制。另外,還應關注數字員工服務請求拒答率等外界反饋數據指標,及時采取措施,避免對用戶體驗產生影響。三是建立防偽審核機制,阻攔惡意利用。針對對抗樣本、深度偽造等新型攻擊手段進行對抗技
159、術研發,對于人臉識別、OCR識別等廣泛應用8384大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元的關鍵服務,應使用活體檢測等安全技術進行加固,提升安全能力,保障金融應用的可靠可用。隨著攻擊手段的不斷演變,安全防火墻機制也應持續更新和優化,定期評估現有防護措施的有效性,并根據實際情況進行調整和改進。6.2.4 以評促建,多維多輪衡量安全水平安全測評是確保數字員工長期安全穩定運行的關鍵。通過建設系統化、標準化、常態化的安全攻防演練能力和安全測評整改能力,可全面體系了解數字員工的安全狀況,及時發現和修復潛在的安全隱患,為持續針對性改進優化提供依據。一是建立自評體
160、系,滿足動態高頻高效評測需求。通過構建多樣化測評數據集和評測工具,支撐多維度全面評估。數據方面收集和整理相關業務領域數字員工的各類型數據,形成完整的數字員工安全測評數據集,既包含涉黃、涉暴、涉政、涉密、知識產權、倫理價值觀等多源全面的通用模型安全評估測試集,亦包括銀行領域特色的常見違規問答和操作內容,為安全測評提供堅實數據基礎。使用自動化測評工具衍生出反向誘導、提示詞注入、越獄攻擊不同攻擊樣本,提升數據全面性,并支持多維度指標評分自動計算,簡化評測過程,提升評測效率,直觀呈現安全狀態,形成上線準入評估結果和短板提升建議分析。二是建立數字員工安全攻防體系,開展紅藍演練。根據收集的漏洞清單,開展進
161、行排查分析,開展基于黑客視角開展模擬攻擊檢測,挖掘算法模型安全漏洞,識別潛在算法安全風險,通過開展常態化的攻防對抗,發現應用系統、算法模型及基礎架構中存在的安全隱患或者薄弱環節,促進算法安全能力螺旋式提升。三是積極參與業界權威安全測評,獲得客觀評價。通過參與權威的安全測評,了解業界的安全標準和最佳實踐,帶來新的測評視角,獲得獨立客觀的評價,發現數字員工的安全差距和不足,也能獲得專業的意見和建議,有助于發現內部評估可能忽視的問題,進一步指導改進和優化數字員工的安全措施。數字員工的安全建設需要久久為功,在日常運營中持續優化和完善。建立健全的風險防控體系,實現對安全威脅的早期發現和快速處置,化被動應
162、對為主動治理,形成高效、可靠的問題處置閉環機制,最大限度降低安全風險,確保數字員工的穩定運行和持續發展。6.3.1 早發現,建立實時監測防線為實現對數字員工運營過程中潛在風險的早期識別,在已有自動化網絡安全、數據安全等監測基礎上,通過客戶反饋、業務人員監看、科技指標報警以及跟蹤外部輿情政策監控等能力,建立全面的數字員工應用監控能力,形成可量化的安全態勢感知,從而為治理和優化提供數據支撐。一是建立全面的安全態勢感知平臺,在強化業務應用中大模型內容安全監測能力。業務系統監測運營方面,打造人機協作審核模式,對于機器審核的結果,由業務人員及時進行漏判、誤判和糾錯判斷,對于機器策略不當情況,由業務人員及
163、時開展回訪和應急??萍急O測運維方面,在數字員工服務運行期間,利用設定的關鍵性能指標和閾值,持續監測問題拒答率、違規內容生成率等,當問題拒答率和違規率超閾值時,立即觸發報警機制,并通過短信、郵件等方式通知相關人員介入。二是跟蹤外部輿情政策,主動搜尋潛在的威脅。密切關注與數字員工相關的政策變化、技術突破、安全資訊等外部信息,為數字員工的合規性建設提供情報支持和研判分析,并基于分析結果形成應對預案,確保數字員工能夠及時適應新的法規要求和適應外部技術發展情況。三是建立使用反饋機制,及時響應客戶需求。建立多渠道的客戶反饋機制,通過點贊點踩、在線客服、問卷調查、電話訪談等方式,收集客戶的反饋信息,及時了解
164、數字員工在實際應用中出現的問題和風險,提升用戶體驗。6.3 安全運營,建立數字員工“早發現、早處置”風險防控體系8586大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元6.3.2 早處置,形成閉環管理機制對于潛在安全風險,快速而精準的處置能力是確保數字員工安全的關鍵第二步,在事中以高效高質響應將安全事件的影響降到最低,從而保障生產安全和客戶體驗,在事后基于運營數據,持續優化安全策略,實現抗風險能力持續迭代提升。一是快速定位問題原因,識別薄弱環節。通過部署全面的監控系統,實時收集和分析數字員工的運行數據、日志數據,綜合利用日志檢索、機器學習、數據挖掘等技術,建
165、立異常檢測模型,增強安全威脅的自動識別和定位,并追溯問題發生的源頭,為快速處置提供有力支持。二是制定執行處置方案,轉化改進措施。根據客戶、業務、外部的多渠道安全事件,設定對應應急處理策略方案和長期模型優化措施,優先保障客戶訴求滿足,降低風險和損失,再針對問題的根本原因,制定長期的改進計劃,防止類似問題的再次發生。三是效果跟蹤反饋,確保閉環有效。在處置完成后,對實施效果進行跟蹤和評估,并收集用戶對處置效果的反饋意見,及時調整和優化處置方案,確保處置措施達到預期效果。通過閉環管理,使數字員工在面對不斷演變的安全威脅時,始終持續演進,保持高度的抗風險能力。8788大模型驅動的數字員工3.0建設應用白
166、皮書發 展 新 質 生 產 力開啟數字金融新紀元七.展望篇:數字員工未來已來,技術革新穩中求進8990大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元的報表設計、數據建模等交付周期,更可以自動生成最佳決策方案,實現“問答即洞察”,幫助所有人從數據中獲取價值。三是數字員工在智能化決策和管理層面上展現出巨大潛力。比如:在智能體等技術加持下,數字員工通過與先進的風險預警系統集成,能夠實現風險監控的動態化和智能化,提高風險管理的精準度和響應速度。在大模型等生成式AI技術的帶領下,數字員工從自動化走到擬人化,已成為生產力中最活躍的因素之一。根據麥肯錫預測,2025年,
167、全球數字員工市場規模將達到6.7萬億元。本章我們將展望數字員工在技術趨勢、應用潛力、人才發展、風險合規等方面的未來前景,便于各銀行機構提前布局謀劃。數字員工的技術創新與人工智能技術的發展和進化密不可分,未來算力、數據、算法將進一步夯實數字員工發展的基石,同時具身智能、多模態、多智能體、端云協同等技術創新,將數字員工演進成一個高度智能化、成本效益優化、與人類思維高度對齊的金融伙伴。1、算力等基礎設施發展將進一步降低數字員工的應用成本。例如目前大模型推理算力投入較大,業界正在采用以存代算等新技術方案降低算力開銷,通過將大模型推理結果存儲到高性能存儲系統中,已處理過的問題優先從存儲系統中匹配回復,減
168、少AI芯片的算力開銷,提升響應速度,并大幅增強數字員工“長記憶”能力以支撐處理復雜任務。又如,考慮到異構AI算力演進快速,需要推動業界推進同廠商不同型號、不同廠商異構算力的兼容性適配建設和治理,通過提升算力集群異構芯片的兼容性、高中低性能AI算力混合部署等方式降低整體算力投入成本,實現數字員工更高效、更經濟的規?;瘧?。2、數據合成技術將助力數字員工突破上限。數據是數字員工能力進一步提升的核心要素,數據合成技術的發展將為數字員工提供更加豐富和多樣化的信息輸入,突破真實數據用盡的限制。比如在需要復雜金融任務推理且真實數據不足的場景中,合成大量長序列、高質量的思維鏈數據,可顯著提升數字員工自動理解
169、并完成長周期規劃和推理的高階復雜任務能力。7.2 緊跟技術創新趨勢,需求驅動動態升級7.1 數字員工應用廣闊,層次多元潛力深遠 未來10年,大模型會遵循點、線、面、體法則,加速在智慧金融領域深化應用。在智慧金融的浪潮中。數字員工正逐漸成為金融機構的核心競爭力。其應用范圍之廣,層次之多,潛力之深,將給客戶帶來全時空、專享化、擬人化的極致體驗金融服務。一是數字員工突破時空限制,為客戶提供隨時隨行的金融服務。從零售銀行到投資銀行,從保險到資產管理,銀行將通過數字員工為客戶交易支付、投資咨詢、貸款融資等各類金融服務,極大化金融的可及性普惠性。二是應用數字員工,金融機構將真正實現以客戶為中心的“千人千面
170、”的專享化客戶服務。例如,數字員工能夠識別并快速響應特殊需求群體,通過精準分析客戶數據和行為模式,為小微企業主、大學生、老年客戶等傳統銀行服務難以惠及的客戶,打造專屬的“口袋銀行”。三是數字員工以其擬人化形象和高級交互技能,為客戶提供多元服務。結合多模態、具身智能等技術,數字員工在智能咨詢、銀行品牌宣傳、實體和虛擬網點等對客服務領域和渠道將展現更為重要的價值。同時,在銀行的內部運營中,數字員工的作用也將日益凸顯。一是擁有自然語言入口的數字員工將成為銀行IT系統的統一入口,這將極大優化銀行內部資源配置和運作效率。二是以數字員工為輔助,銀行全員自助分析時代即將到來。大模型驅動的數字員工3.0,不僅
171、可以縮短BI分析9192大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元3、超大規模模型和強化學習技術推動數字員工向通用人工智能水平逼近。隨著模型架構、訓練方法、推理形態、知識密度等手段的持續完善,通過思考學習、人類監督、AI輔助和主動對齊等方式最終“控制”人工智能主動向人類對齊,使其行為具有倫理性、可解釋性、透明度和可信性??梢灶A見,未來“超級模型”將數字員工智力提升至類人腦水平。4、多模態AI幫助數字員工鑿穿物理和數字世界。傳統上。受技術限制,我們主要依賴結構化等低維度數據進行分析和決策。多模態AI技術的飛速發展,通過利用自各種傳感器、攝像頭和其他物聯網
172、設備的文字、圖像、視頻、音頻等,打破物理和數字世界之間的界限,讓數字員工能夠有效地理解和交互于復雜的現實世界。5、具身智能讓數字員工從虛擬走向實體。具身智能為數字員工提供“身體”,使其能夠在物理世界中執行任務,如客戶服務、交易處理等,實現更加直觀和人性化的交互體驗。6、多智能體讓數字員工更加穩健高效地參與業務協同。智能體是模型的分身,根據用戶提出的目標請求,多智能體會調用多個大模型分析推理,并選擇最佳路徑完成用戶任務,實現成本效益最大化。7、端云協同讓數字員工為用戶打造個性化專屬智能服務。端側計算的優勢在于響應速度快,數據處理在本地完成,避免數據上傳至云端可能帶來的延遲。如利用端側AI進行文檔
173、智能分類、自動摘要或是日程管理,不僅能快速響應用戶需求,還能保護數據隱私,避免敏感信息外泄。同時,通過端側智能和云上智能的協同,為探索更復雜的金融數字員工應用打下堅實基礎。我們預計數字員工將掀起生產力變革浪潮,人機協同的工作模式將成為企業人力資源發展的重要方向。在這一浪潮沖擊下,銀行的人員結構、管理模式和組織架構都將發生深遠的變革。一是人機協作模式將成為銀行的主要工作方式,例如,數字員工可以處理數據統計和報告生成,人類員工則基于這些報告進行戰略規劃和決策。二是數字員工將與人類員工相互促進、共同進化。一方面通過與數字員工協作,人類員工也能學習到新的技術知識和工作方法。例如:數字員工可以作為人類員
174、工的陪練,指導人類員工掌握算法和數據處理技術,啟發人類員工創新靈感等;另一方面通過與人類價值和行為對齊,數字員工的人格將更為完善;三是數字員工將推動銀行全面升級員工技能需求和人才梯隊建設。這促使銀行重塑人才策略,培養數字化復合型人才,強化人機協作能力,以適應數字金融時代的新挑戰。在上述沖擊下對于未來的銀行業而言,強化人才隊伍建設和促進人機協同至關重要,我們認為銀行機構應當盡快布局人才梯隊建設,構筑人機協作下的智慧銀行數字基因。第一,銀行應當規模與質量雙并重,構建“人工智能+金融”人才布局,尤其應當聚焦“技術核心、應用范式、場景賦能”三種人才的選育。其中,技術核心人才聚焦算力、算法、數據、平臺、
175、安全等技術支撐能力研究和建設;應用范式人才聚焦業務共性需求,提煉業務綜合解決方案;場景賦能人才聚焦金融業務具體需求,業務科技融合實現賦能。第二,銀行應當強化數據要素價值,著力打造數字化人才隊伍。一是研發測試人才,建立高效科技人才隊伍,實現需求、研發、測試一體化端到端全流程的數字員工研發模式;二是業務運營人才,與數字員工開展協同聯動的業務運營支持;三是產品運營人才,在數字員工的協助下加大對客戶對同業賦能力度。7.3 強化人才隊伍建設,人機協同和諧發展 9394大模型驅動的數字員工3.0建設應用白皮書發 展 新 質 生 產 力開啟數字金融新紀元第三,銀行應當加強內部人才培養和外部人才引進。對內,圍
176、繞數據科學、數據安全、數智產品、數據治理等領域建設數字化人才隊伍;對外,通過與高校、科研院所、各地區行業的人工智能基地合作,挖潛青年骨干,同時提供多樣化的職業規劃、發展路徑、培訓機會、資源支撐,吸引頂尖人才。7.4 做好安全風險評估,完善監管合規機制隨著數字員工在金融領域的應用日益廣泛,我們必須清醒認識到其潛在的應用風險和監管挑戰。這些風險如果處理不當,可能對金融穩定、客戶權益和社會公平造成嚴重影響。一是數字員工依賴的生成式人工智能技術存在固有風險,如算法歧視、數據安全、幻覺現象等問題,將導致輸出結果不可控、服務質量不穩定、可解釋性和可審計性不強等情況,造成操作風險、聲譽風險、法律風險等隱患。
177、同時,也要防范外部黑、灰產利用技術缺陷給銀行帶來業務風險,如偽造身份欺騙數字員工形成交易風險、引導數字員工做出不當言論等聲譽風險等等。二是系統性風險不容忽視。比如,廣泛使用訓練有偏的信貸審批助手可能會導致金融領域風險評估和信貸決策的同質化,為系統性風險的積累創造條件。一旦發生極端風險事件,人工智能可能會迅速擴大和傳播整個金融系統的沖擊,并削弱政策應對的有效性。三是傳統的監管框架可能難以應對數字員工帶來的新問題,比如,對于數字員工應用的倫理準則和責任界定,以及銀行數據安全和隱私保護等,制定適應性強、前瞻性強的監管政策成為當務之急。為應當上述風險帶來的不確定性和沖擊,銀行和監管機構需要采取積極措施
178、:第一,在銀行機構內部,應當建立針對數字員工全面風險治理體系,包括但不限于:1)建立強大的數據治理框架,確保數據安全和隱私保護;2)定期審核和優化算法模型,消除潛在偏見;3)增強系統的可解釋性和透明度,提高決策的可追溯性等。第二,在金融機構之間,應當針對數字員工進一步打磨最佳實踐和行業標準,對于數字員工的應用成本、隱私保護、系統性安全防范、對客服務風險等問題需要進一步凝聚行業共識,協同解決。第三,監管機構應統籌發展和安全,根據行業共識制定針對數字員工的監管框架。數字員工的發展需要平衡創新與風險控制,既不能扼殺技術創新,又要確保金融穩定和消費者權益,如科技風險和業務風險如何審核,數據運營機制和體
179、系如何構建等。7.5 結語大模型開創的人工智能2.0時代正在重塑千行百業,這是啟蒙運動以來未有之大變局。以大模型為核心的數字員工3.0引領的智慧金融革命浪潮,將為銀行業帶來前所未有的機遇與挑戰。在這場變革中,商業銀行唯有勇立潮頭,方能把握先機。銀行業應當積極擁抱新技術,深入探索數字員工的應用場景,不斷擴大其應用范圍和深度,并建設適應智慧金融紀元的人才梯隊,培養能夠與數字員工協同工作的復合型人才,打造人機協作的新型金融服務模式。在此過程中,我們也需要高度重視風險管控,建立健全的監管機制,確保數字員工的應用合規、安全、可控。我們相信,通過持續的技術創新和實踐探索,以大模型為核心的數字員工3.0將成為推動銀行業數字化轉型的重要力量,為打造一個更智能、更高效、更優質的金融服務體系提供強大動能,高質量落實金融五篇大文章,助力金融強國建設。