一、项目背景及目标

1.项目背景

当前人工智能技术重塑金融格局，国家密集出台“人工智能+”行动意见，推动数字金融高质量发展。在产业层面，金融机构面临“数字化协同不足、人力成本高、服务同质化、合规压力大”等困境。客户经理大量时间消耗在流水分析、财报录入、文书撰写等重复性事务中，导致核心价值产出不足。针对数据处理繁琐、商机识别滞后、营销方案低效及合规能力不均等典型痛点，亟需构建智能化工具提升工作效率与服务质量，助力数字化转型。

2.项目目标

本项目立足于泉州银行数字化转型战略，构建了一套深度集成大模型、OCR及RAG（检索增强生成）技术的一体化智能化平台，旨在为一线业务人员打造全旅程、全场景的一体化创新应用体系。

一是构建全工作旅程的智能服务体系。项目打破传统单点工具的局限，将智能化能力贯穿于“客户开发、需求对接、业务办理、客户维护、合规管理”的全生命周期。通过统一的PC端与移动端入口，实现业务流程与AI能力的无缝衔接。

二是智能化业务咨询与合规引导。深度整合行内业务知识库与监管政策库，利用RAG技术实现AI业务问答功能。客户经理可通过自然语言对话，秒级获取精准的业务规则、操作流程及合规建议，确保在复杂业务场景下也能提供标准、专业的服务。

三是AI驱动的商机挖掘与精准营销。系统通过大模型对客户流水数据、交易行为及行业趋势进行多维度分析，自动识别潜在的融资或理财需求，并主动推送商机提醒。同时，根据客户画像与产品特性，一键生成个性化的营销方案，涵盖方案目标、产品组合及预期效果，大幅提升转化效率。

四是高效率的数据自动化处理。运用OCR技术实现对身份证、营业执照、财报及各类合同发票的关键信息自动提取。这一功能彻底改变了过去依赖人工录入、手动校对的模式，显著降低了差错率。

五是标准化文书与智能化办公辅助。针对金融行业文书工作繁琐的痛点，平台内置授信报告、诉状、业务申请书、合同协议等标准化模板，结合实时提取的客户数据一键生成合规文书。此外，集成WPS AI办公能力，支持文件智能检索、格式转换、数据统计及PPT自动生成，全面简化日常行政事务。

二、创新点

1.技术创新与体系化应用

一是人工智能+金融领域的创新应用。本项目通过深度融合人工智能技术与金融业务流程，推动了金融行业的智能化转型。AI驱动的决策智能和自动化流程优化，提升了业务处理的精度与效率。在风险管理、合规监控、财富管理等核心业务环节中，AI的应用不仅优化了工作流程，还提升了金融机构的风险管控与客户服务能力，推动了从传统“人工驱动”到“智能驱动”的转型升级。

二是构建人工智能通用能力与高效算力优化。本项目不仅专注于金融领域的具体应用，还致力于构建人工智能的通用型能力，特别是在算力和模型优化方面的创新。通过高效的分布式计算架构和云端算力集成，项目实现了大规模数据处理的高效执行，并优化了算力资源的配置。这一设计显著降低了运算成本，提高了系统的整体效能，在确保性能的同时控制了技术开支。

三是全栈自研路径与核心技术自主可控。本项目坚持全栈自研开发路线，采用自研技术架构与模型开发，确保了核心技术的自主可控。通过自主研发的AI算法、数据处理模块以及计算架构，项目避免了外部技术依赖，并可根据金融业务的需求灵活调整和优化。自研模式不仅确保了技术的安全性和合规性，还大幅降低了技术采购成本，提供了银行在快速变化的金融环境中持续创新与升级的能力。

四是创新技术架构与优化设计。本项目采用了“大模型+小模型”的协同技术架构，大模型负责通用语义理解与内容生成，小模型专注于金融细分场景的专项任务。通过私域高质量语料对小模型进行微调，提升了在专业场景中的响应速度，并有效平衡了算力成本与应用效率。同时，项目将大语言模型的语义分析能力与开源OCR技术相结合，实现对流水、财报等影像资料的精准信息提取与语义化处理，   为业务流程提供高质量的结构化数据支撑。在此基础上，通过原子化计算节点设计，将复杂运算从大模型中拆解出来，利用独立计算模块处理，从而减轻了模型的计算负担，降低了运算风险，提升了结果的稳定性与可解释性。

2.业务创新与全流程赋能

一是创新的场景挖掘机制。创新构建了涵盖“需求洞察、经验转化、价值落地”的闭环机制。以客户经理全工作旅程为核心，将高重复、耗时长的痛点工作拆解为可落地的数字逻辑，实现AI应用的精准部署。

二是多领域赋能与价值延伸。通过业技协同模式，将成熟的AI能力从信贷营销领域推广至风险管理、运营管理等多个维度，系统性整合行内优秀经验并转化为可复用的数字化能力，驱动全流程效能提升。

三、项目技术方案

为支撑“人工智能+金融”创新应用项目落地，本项目以“分层建设、协同发展”为核心策略，打造了一套能够全面支撑智能金融应用落地的AI能力体系，各层级具体功能如下：

1.基础设施层：重点构建MaaS（模型服务平台），实现对GPU、CPU、NPU等多源异构算力资源的统一管理与智能调度，为“人工智能+金融”创新应用的模型训练与推理提供坚实底层支撑。该平台具备算力资源动态分配能力，同时涵盖资源监控、负载均衡及成本分析等核心功能，集成容器化部署与异构推理框架，为金融领域AI模型的高效运转提供高效、稳定且可扩展的算力保障。

2.模型服务层:兼容DeepSeek-R1、Qwen等多款开源大模型并完成私有化部署，严格适配金融领域数据安全与合规要求，同时引入MCP技术整合OCR、RPA等成熟AI能力，构建起覆盖金融全业务场景的技术矩阵，为“人工智能+金融”创新应用提供多元、可靠技术支撑，具体包括：

3.数据服务层：构建包含训练集、评测集、验收集及金融业务数据在内的全方位、标准化数据支撑体系，精准契合“人工智能+金融”创新应用的数据需求。通过建立完善的数据标注、质量评估与版本管理机制，实现多源金融数据的统一接入、清洗与治理，形成高质量、场景化的金融数据资源池，为金融AI模型训练、效果评测及业务验证提供可靠的数据支撑，助力数据驱动下金融AI能力的持续迭代优化，为项目创新提供数据保障。

4.基础服务层：搭建智能体开发平台作为核心中枢，集成对话引擎、知识库引擎、推理引擎、图像识别引擎、语音识别引擎、RPA引擎等核心能力模块，形成标准化的AI能力引擎矩阵，实现智能体从开发、测试到上线运维的全生命周期管理，缩短业务场景落地周期，为上层数字化运营、风控、营销与办公场景提供统一、高效、可复用的技术底座。

5.场景层：依托基础设施层、模型服务层的技术支撑，结合数据服务层的高质量数据资源，构建覆盖金融核心业务与日常办公的多元化场景应用，将AI能力深度融入“人工智能+金融”创新应用各环节，同时坚持自主研发为主、场景实用为先，在控制建设成本的同时，不断丰富应用生态。

6.多重前端触达层：聚焦“人工智能+金融”创新应用的全员应用生态构建通过电脑端、移动端、办公插件及浏览器插件等多渠道全覆盖，适配金融员工日常办公、外出展业、柜台服务、风控审核等高频场景，实现AI能力随需调用。“工具在手边、能力随时用”为目标，推动AI从技术可用向金融业务实用的转型，有效提升金融从业人员使用频率与工作效能。

依托平台层与基础能力层的高效协同，实现大模型的统一调度与工具的高效执行，为“人工智能+金融”各业务领域的AI创新应用提供全面、可靠的基础技术支撑。基于平台核心能力，构建覆盖金融生产运营、风险控制、精准营销、高效办公等多领域的智能应用场景，切实助力金融服务效率提升、业务模式创新，推动“人工智能+金融”战略落地见效、发挥实效，彰显项目核心价值。

图1.“人工智能+金融”创新应用架构图

四、运营情况

目前已自主研发并落地AI财富营销、AI流水解析等15个AI智能体应用场景，以前瞻化部署实现营销、风控、业务、办公的多维度赋能，构建起覆盖超3000名员工的AI应用生态。

营销推介类：AI财富营销将资产配置报告编制时间从从数小时缩至分钟级，提效80%以上；依托AI商机智能体辅助挖掘对公融资到期商机，助力流失客户归巢唤醒、收单商户增值服务、对公融资到期商机营销等营销场景的商机研判。

风控合规类：打造AI反洗钱分析、AI贷款风险预警、智能反诈模型及AI对公授信客户智能简析等智能体，提升风险识别精度与效率。

业务提效类：AI流水解析工具支持多家主流银行实现交易对手、交易渠道等多维度的穿透与智能分析；AI起诉状生成单笔节约40分钟-2小时，减少人均投入时长80%，提升业务办理效率。

办公提效类：智能知识问答评测准确率超90%；WPS AI助手、PPT生成及AI出题等智能体，支持文档生成撰写润色、纠错、智能排版、培训考试出题等功能，显著提升办公效率。

自系统投产上线以来，系统整体运行稳定，未发生重大故障。

五、项目成效

1.经济效益

一是赋能普惠金融服务。通过推出对公授信客户智能分析助手，整合多源数据构建评估体系，支持授信报告自动生成与财报智能校验，有效识别财务异常。结合融资成本计算与还款模拟功能，为中小微企业提供透明便捷的服务，显著降低融资门槛与成本，提升审批效率与风控精度。

二是显著提升财富营销效能。智能财富营销助手将个性化财富报告的撰写流程从传统的2-3小时压缩至分钟级。凭借商机挖掘与智能话术推荐，助力客户经理从“经验驱动”转向“数据智能驱动”，在精准触达客户的同时，大幅提升业务转化率与客户体验。

三是深化风险防控智能化水平。构建覆盖“事前预警-事中校验-事后分析”的全周期体系。反洗钱辅助系统实现万笔交易的快速穿透识别，合规审查助手将风险防控前置，全面提升了风险识别的精准性与主动性，夯实金融安全底线。

四是驱动办公协同提质增效。智能办公工具将周报撰写时间从45分钟压缩至5分钟，文本纠错准确率达95%。智能知识问答系统实现秒级响应，准确率超90%，有效减少重复咨询。同时，通过智能出题与个人知识库构建，形成“学-考-用”一体化赋能体系，促进了行内知识的高效复用与全员能力提升。

2.社会效益

该项目成功探索了大模型在城商行环境下的应用路径，形成了中小银行开展AI创新应用的良好范例，为行业提供了可借鉴、可复制的数字化转型实践经验。

六、经验总结

深化人工智能在金融领域的应用，可围绕技术基础、场景建设与人才团队三个维度系统推进，持续赋能金融服务提质增效。

一是筑牢技术支撑根基。持续完善算力基础设施与AI能力体系，重点强化多源数据治理、多模态信息融合等核心技术能力，结合金融业务特性对行业模型进行专项优化与场景化微调，夯实人工智能赋能金融的技术底座。

二是聚焦场景实战价值。坚持以业务一线实际需求为牵引，聚焦高价值、高复用、高见效的重点场景，加快智能应用落地推广，让技术创新真正转化为业务效能。

三是建强专业人才团队。围绕人工智能应用落地构建适配的人才支撑体系，通过技术竞赛、专题培训、实战练兵等方式提升全员数字化能力与AI应用素养，形成“技术赋能业务—业务反哺技术—迭代持续优化”的良性闭环，保障人工智能应用长效可持续发展。