记者 汪青 随着技术的不断进步，自动化与智能化成为了提升服务效率与质量的关键路径。与此同时，AI大模型正加速为金融领域赋能。

“通过大语言模型意图理解与任务流程洞察的应用，我们成功实现了在保险服务与银行业务办理的自动化改造与智能化升级。”容联云大模型产品负责人唐兴才在7月30日接受采访时表示，以保险服务领域为例，通过测算在金融大模型应用后效率提升了20倍，并成功降低了约10%的潜在投诉率。

据了解，保险业在日常运营中涉及大量的电话呼入与呼出，产生了海量的录音文件。以往电话录音主要用于话务分析，如通话次数与时长统计，而忽略了其深藏的潜在价值——如客户潜在需求洞察、投诉预警等。

“尽管这些潜在价值显而易见，但由于录音数量庞大，人工处理难度大且繁琐，此外人工分析缺乏标准化，效率低下且难以保证质量，这些录音信息往往难以被有效挖掘。”唐兴才解释道，实际上，即便某些情况尚未形成正式投诉，但客户的不满情绪已显露无遗。还比如关于保单续期的问题，客户可能因未提前获知无法续期的规定而感到不满。若此类情况频发，将显著增加企业的客诉压力。

针对上述问题，唐兴才认为，通过金融大模型自动理解录音内容，可以精准捕捉客户需求，以及潜在投诉及流程断点等关键信息。通过及时发现并响应客户需求，企业能够增强市场竞争力；同时，基于客户反馈优化产品，提升用户体验。

唐兴才指出，尽管业界都意识到业务增长与服务质量的提升往往依赖于高效的服务流程与智能化的技术支持。但在实施自动化服务改造的过程中，企业往往面临两大挑战：一是如何精准定位到需要优先优化服务流程；二是如何确保自动化服务既个性化又高效，能够准确理解并响应客户的多样化需求。

“通过深入分析某保险客户数据，我们发现保权变更与缴费账号信息变更等服务请求占据了人工处理流程中的绝大部分比例。因此，这两个流程也成为自动化改造的优先对象。其次，则是利用大模型对人工客服服务过程中的流程进行深度挖掘与重构，确保自动化流程能够紧密贴合实际服务场景，提高响应的准确性和效率。”唐兴才表示，AI大模型的深度应用，将保权变更与缴费账号信息变更等服务的自动化程度从30%提升至75%。

据介绍，相比传统的人工指导式回复，大模型能够结合上下文内容，更准确地理解客户需求，并提供个性化的解决方案。例如，在客户需要变更账号信息时，大模型不仅会给出详细的操作步骤，还能根据客户的实际情况与情绪状态，调整回复内容，确保客户能够顺利完成操作。此外，AI大模型还能够在构建的流程中自动流转实现服务的无缝衔接。

除了保险业外，AI大模型在银行业的应用和落地也备受关注。

“银行营业网点的贷款与授信业务办理过程中，由于政策文件众多且更新频繁，业务人员往往难以准确记忆并应用。而AI大模型的应用则可以大幅度提高业务办理的效率与准确性，还减轻了总行支持人员的负担，实现了资源的优化配置。”唐兴才说。

某大行大模型技术负责人接受采访时表示，在金融行业，传统流程根深蒂固，要实现真正的颠覆性创新，难度不言而喻。因此，该行采取单点突破的策略，即在每个业务领域和应用范式中，精心挑选具有代表性的特定场景，进行大胆的重塑与试验。通过在这些“试验田”中的深耕细作，力求形成可复制、可推广的成功模式，进而以此为基础，向其他业务部门迅速推广，实现以点带面的效果。

同时，在大模型技术引入银行的过程中技术判断力至关重要。仅有强大的工程能力还不足以支撑大模型的顺利落地，更需要的是一种“条件反射”般的敏锐，即能够迅速判断并适配新技术于具体场景中的能力。

“这要求银行不仅要具备传统工程经验，还要能够快速学习和掌握大模型工程的技术要点，明确如何有效赋能厂商和模型，使其无缝接入银行系统，实现交互与应用的深刻变革。”上述大行大模型技术负责人补充道，在面对银行内部多样化的业务场景时，如客服、投研、公司金融等，单点创新虽有价值，但体系化的整合与创新才是实现规模化落地的关键。因此，需要将各领域的创新应用进行整合，提炼出共通范式，并构建自研大模型与厂商应用之间的有机联合机制。通过这种方式，该银行不仅提升了单个场景的创新效率，更实现了创新成果在全行范围内的规模化推广与应用。

此外，大模型的应用是一项系统工程，涉及对原有流程的深刻颠覆，需要多部门、多角色的紧密协作。因此，需要银行强调全局性的统筹协同能力，将大模型项目视为“一把手工程”，由高层领导亲自挂帅，组建一支跨领域、跨专业的创新团队。

上述大行大模型技术负责人表示，这支团队不仅精通技术、架构与模型，还深刻理解业务需求、用户痛点，能够有效协调各方资源，确保项目在推进过程中能够克服重重困难，实现从一个范式场景的成功落地到全行各业务领域的全面规划与泛化。