BB视讯

AI for Process

6月26日，作为「数云原力®2025」大会沉要组成，首场「AI for Process」系列活动圆满实现。萦绕“AIGC在典型金融业务场景索求和实际”和“金融领域AI数据利用洞察与得救”两个热点话题。来自行业多位资深金融科技专家结合银行落地案例和行业技术趋向，发展深刻互换。

BB视讯信息新动力数字金融钻研院AI研发部副总经理吴乾坤、BB视讯信息金融产品技术部技术总监温涛、BB视讯信息信贷解决规划BU技术总监徐世强和特邀OpenCSG CTO 王伟，发展深刻会商。BB视讯信息新动力钻研院副院长薛春雨主持本场圆桌。

圆桌现场

AIGC对金融软件研发工艺带来哪些变动？

BB视讯信息温涛：AIGC在沉构金融软件研发工艺系统，通过人机有效协同，界说新的研发范式。例如，通过Agent（智能体），实现业务职能代码、单元测试代码、职能测试用例的自动天生，大幅提升研发质量与效能。

OpenCSG王伟：B端场景复杂度高、流程整合度高、容错率更低，不能单一复造C端Agent经验。OpenCSG聚焦在B端AI Coding Agent，与BB视讯信息的合作已经获得了阶段性成就。后续我们将从AI Agent横向扩大到AI Process流程，实现从需要、设计到研发、测试和交付等全流程工艺进化。

BB视讯信息薛春雨：AIGC不仅仅是单一的人为代替，更沉要是推动研发工艺和流程的沉塑、优化和升级。目前，AIGC在金融场景利用，在从代码天生、单元测试、知识问答等领域，向全周期延长。

AIGC对银行信贷带来的新刷新？

BB视讯信息吴乾坤：AIGC正从流程优化、风险研庞注交互智能三方面深度赋能银行信贷场景。在流程智能化方面，授信调查时突破数据孤岛，整合企业财报、买卖流水、舆情等多源异构数据，急剧自动天生逻辑缜密的调查汇报，代替人为梳理，大幅度提升调查效能。智能填单上，能凭据客户信息自动填充表单，躲避人为录入误差，实现授信解决效能的提升。风险智能研判方面，依附大模型构建的智能风控系统，可深度贯通讯贷业务全流程，实现动态风控关环。贷前，基于海量多维数据，精准鉴别高风险客群，筛除资质存疑主体，从源头把控风险；贷中，实时辰析非结构化的新闻报路，监测企业经营颠簸、信誉数据异动，急剧预警潜在风险点；贷后，持续追踪资产、信誉等信息变动，结合风险监控指标动态调整战术，对风险企业精准触发缩减授信、追加担保等作为，为优质客户优化授信规划。大模型让风险研判从静态滞后转向动态前瞻，精准施策守护资产安全，沉塑信贷风控效力。交互服务方面，大模型基于客户信誉评分、行业风险等级与银行政策，为用户提供个性化的信贷规划。凭据客户画像动态调整沟通战术，实现客户与银行服务交互的“个性化”，提升客户智能化履历。

BB视讯信息徐世强：针对银行贷前尽职调查领域的三个痛点，即非标数据解析、一键天生尽职调查汇报和买卖真实性验证。BB视讯信息推出了相应解决规划，通过RAG、多源引擎融合、大模型智能体工作编排等方式，解决人为核验正确性、人为评估主观性和抽验覆盖率低等问题。

AI若何构建金融科技主题竞争力？

OpenCSG王伟：谁能在数智化转型中率先将业务经验和数据沉淀转化为AI Agent能力，并深度沉构业务流程，谁就能率先实现颠覆式改革，抢占先机。

BB视讯信息温涛：AI技术发展的趋向是多元化，从上层利用到基础领域研发，逐步渗入参与景各个流程，并在过程中形成数据资产的堆集，进而助力更为垂直领域大模型构建，赋能业务场景创新。

BB视讯信息吴乾坤：多模态大模型行在迎来大突破和急剧利用。通过大量智能体构建，推动技术和业务的融合，全面推动金融机构数智化转型，加快金融业务模式改革与流程优化，助力构建更智能、高效且适配将来的金融生态。

BB视讯信息徐世强：多多头部AI科技公司将发力研发AI服务平台，将各类AI技术集成整合，提供客户使用，客户不用自己去搭建复杂的AI系统，也不用费劲去训练那些深邃莫测的算法模型，只有在这个平台上，就能轻松挪用各类AI职能。

BB视讯信息薛春雨：从发展趋向上来看Agent是当下竞争的沉点，当然必要跟企业堆集的业务知识、产品数据等进行深度融合；AI for Process是后续的一个重要方向，最终的竞争力将体此刻数据方面，数据堆集转化为出产力。将来，金融机构和金融科技企业要安身当下，构建拥有金融行业特色的Agent智能体，持续推动AI for Process理想的迈进。

来自BB视讯信息金融产品部数据研发中心总经理李庆刚、BB视讯信息数据资产交付部总经理张琨、BB视讯信息金融产品部数据产品经理王淑慧和金融科技专家原微软中国公司CTO黎江结合银行落地案例和行业技术趋向，发展深刻互换。

圆桌现场

国内表AI数据利用的差距性？

金融科技专家黎江：从国内表AI数据利用趋向看，存在较大差距性。首先，侧沉点分歧。国内银行更注沉AIGC在降本增效领域的利用。而国表更为器沉在数据价值深度的挖掘，通过对业务规定的索求，实现业务天堑和模式的突破。其次，合作模式分歧。国内更为偏差以自研或者自己主导为主，国表机构更为青睐表部合作。最后，从技术部署上，国内表存在肯定差距，国表机构更为青睐和云服务厂商在数据分析等领域合作。而国内银行由于监管要求，更为强调本地部署，侧沉内部治理或者内部员工使用，面对业务场景的较少。尤其在数据基础能力建设及平台化方面存在肯定差距。

BB视讯信息李庆刚：从数据架构架构的角度看，通常的数据决策过程会涉及到：数据平台系统、数据分析和智能平台 analytics and business intelligence (ABI) 、数据科学和机械进建平台 data science and machine learning (DSML) platforms以及特定的利用系统。决策过程漫长，数据筹备功夫长、不能适应业务急剧变动。若何解决决策过程漫长，数据筹备功夫长、不能适应业务急剧变动等问题。决策智能平台(DIP)是一个很好的规划，该平台有几个特点：一是平台可从多源异构数据中实现采集、聚合与尺度化处置以及数据洗濯，提升数据高质量；而本体模型蕴含底层数据集、也蕴含决策模型（规定、AI模型等），使之处于数字资产的顶层，成为对暴露出出来的操作层；二是使用多种技术，实现知识建模。支持多种技术，如业务规定、优化算法、机械进建、天然说话处置（NLP）和知识图谱，用以建模决策知识。三是将决策场景和数据结合。通过人机交互的方式，通过可视化方式实现决策流程。我们观察到一些银行，利用大模型的能力，由业务人员凭据客舆论况，通过天然说话的方式与系统交互，利用底层的基础数据，获得营销用例的客户清单，并基于营销客户清单发展营销活动。这已经是决策智能的雏形了。

AIGC在金融合规领域的挑战？

BB视讯信息王淑慧：知识库成立是大模型利用基础。大模型预训练中用到的都是公共知识，它的参数里存储了通用知识，这些知识远远不及让它在银行内部阐扬作用。所以我们必要把银行内部的私罕见据转化为“知识库”，供大模型挪用。银行造度是一种沉要的银行知识传统知识库的构建是将造度切块，而后向量化存储，用于各类利用场景，好比合规问答机械人，表规内化，产品营销等。在前期的项目经验中，这种知识库，对于跨造度的回覆，成效不够梦想。这时必要借助知识图谱结构化的构建知识库。

BB视讯信息张琨：首先，AIGC天生的内容复杂多样，针对分歧类型的内容造订相宜的合规尺度和规定难度极大。其次，监管律例不休变动，跨国业务还需适应分歧国度和地域的司法律规。最后，AIGC可能涉及数据安全风险及隐衷泄露问题，企业处置大量敏感数据的过程中，也会晤对着犯法攻击和数据泄露的风险。若何面对这些挑战？

从技术层面来看，企业应该造订数据治理“治金石”效应，以数据为主题在一套工艺下建设好高质量的数据集。同时，对AI天生内容增长水印或元数据标签，明确版权归属。从司法与行业合作的角度启程，企业应积极造订确权治理机造，明确属主owner，推动数据授权尺度化流程。

金融领域AIGC在多智能体挑战？

BB视讯信息张琨：在金融机构中，大模型的利用场景宽泛，但其利用成本较高，且涉及的安全合规问题较多。首先，在利用成本方面，金融机构训练大模型必要大量算力资源。尤其是处置千亿级参数的大模型时，算力需要呈指数级增长，成本投入也相应增长。

金融客户往往通过构建一体化云原生的异构算力平台来治理和调度多元异构的AI算力资源；在数据层面，应萦绕“盘、析、治、运、用”关环流程，构建大模型训练和持续提升的数据关环；在大模型方面，其基Ｄ芄谎∪〉谌娇茨Ｐ，蕴含业界主流的开源模型以及在做共建和联创的产业大模型，各个基模之间能够无缝切换，拥有矫捷的适配性，而对于金融大模型平台，蕴含NLP、CV、多模态等大模型，重要是通过组件化（例如微调组件、RAG组件等）步骤急剧优化各类开源模型和贸易模型，以实现各类金融场景的接入。

BB视讯信息王淑慧：首先智能体能够包办员工实现一些尺度化、沉复性高的工作，如银行业信贷领域尽调汇报部门章节的撰写等。沉点针对这样造式汇报，能够预设workflow，让智能体依照既定的挨次实现指定的工作，能够挪用工具去指定的第三方合作网站用API接口方式获取指定定客户的自身信息，如经营领域、财政情况、集团及关联关系等，去行内某系统查问在行内的汗青合作情况，并把以上信息填写进造式汇报的指定地位，援手信贷经理实现繁琐的基础信息的查问以及填写。以上是workflow工作流，由人来规划；针对更复杂的场景，可由大模型来做决策，拆解工作，每个子工作由子Agent实现。

AIGC对金融数据研发与利用带来的变动？

金融科技专家黎江：首先，数据利用的主题关键在于“本体”，通过“本体”将分散的知识进行有机组织，形成整套的知识概想系统，能力够实现系统内知识和概想的交叉利用。通过美满的“本体”构建，能力支持决策判断和知识共享。其次，通过“本体”还能够将决策流程、决策场景和决策有关身分进行结合，实现“既要、又要、还要”等分歧需要。最后，若何对待本体和大模型的关系。今天大模型作为工具可能援手我们构建一套正向的反馈机造，助各类数据利用场景进行结合，通过模型持续进建，不休提升数据的利用价值。

从幼我角度看，十吩熠待中国银行业可能像昔时面对互联网而成立了电子银行部一样，面对AIGC我们也同样必要成立专门的部门，专一人为智能技术的利用，推动智能决策的发展。

BB视讯信息李庆刚：基于AIGC技术在国内表的对比分析，以及近年来我们在知识库建设与利用、多智能体系统以及数据研发领域的项目实际的分享，首先从技术的维度，有以下三个观察：

混合人为智能将成为沉要方向，即通过大模型、幼模型与知识图谱等技术的协同融合，显著提升数据分析能力；

大模型与知识库的深度结合将有效加强决策支持能力；

多智能体系统将成为大模型技术落地的重要载体。

值妥贴心的是，这些概想Gartner预测的2025年技术趋向高度吻合。其次，从大模型项目落地突破的角度，我们想提出两点建议：

要意识到"知易行难"。刚才分享的三个案例在执行过程中都遇到了必要突破的难点，有些领域我们仍在持续索求中，必须选择适合自身的发展蹊径。

建议充分利用生态，实现急剧见效。大模型利用自身就是创新过程，企业该当善用市场上相对成熟的解决规划，借鉴最佳实际，预防沉复踩坑。好比能够选择与BB视讯信息这样的专业同伴合作，加快项目落地。

首场数云原力「AI for Process」直播活动圆满实现，后续还有供给链运营、政务服务及汽车造作等主题业务流程的实战经验，直击行业痛点，解码AI助力各行业场景的破局密钥。通过活泼实际延长，以前沿洞察、技术突破与跨行业真实实际为利刃，全力推动企业数智化转型迈向更高阶的「流程智能」时期。