一、项目背景及目标

为了响应国务院“人工智能+”行动的政策，智能风险管理平台通过深度集成AI技术，成功升级传统风险管理系统。系统依托私有化AI大模型与RAG等先进技术，实现了操作一致性校验、风险矩阵智能识别等关键功能，显著提升了风险识别、评估与处置的效率，降低了管理成本。智能填报功能、智能线索库、KRI管理闭环等创新点打破了传统的“烟囱式”管理模式，推动了数据自动化处理与预警机制的实现。基于Java技术栈，系统支持国产化替代需求，兼容多种硬件与操作系统，确保数据安全。平台的实施有效提升了风险管理效率与准确度，打破了部门壁垒，构建了集成化共享工作平台，为企业的智能经济转型提供了有力支撑。

（一）背景

国务院《关于深入实施“人工智能+”行动的意见》设定的明确目标：到2027年，智能终端、智能体等应用普及率超70%；到2035年全面步入智能经济和社会新阶段，表明AI集成已从“可选项”变为“必选项”。

从信息经济、数字经济到智能经济，是技术经济范式的必然演进，当前正处于智能经济大幕开启的关键阶段。

（二）目标

智能风险管理系统升级目标，深度融合人工智能技术发展趋势，紧密贴合系统功能特性与公司实际业务场景，实现AI技术的高效集成与应用。通过对AI能力的系统化嵌入，系统能够更加智能、便捷地为业务运营提供支持，显著提升风险识别、评估与处置各环节的效率，并有效降低管理及运营成本。通过数据贯通与机制融合，推动业务部门、风险、合规、审计三道防线实现深度协同联动，全面提升公司整体风险治理质效。

结合私有化AI大模型与RAG等先进技术，打造诸如AI数据库智能体等智能化工具，操作一致性校验、风险矩阵智能识别多个具体场景中发挥作用，进一步提升了风险管理的自动化、智能化水平，实现了安全、高效、智能的运营目标。

二、创新点

（一）研发LDC智能填报，实现风险信息自动关联

创新研发操作风险损失事件（LDC）智能填报模块，建立包含风险控制矩阵（RCM）流程、风险点的关联映射库。基于私有化部署的Agent平台，集成通义千问、DeepSeek大模型，开发LDC智能填充功能。通过定制化填报模板，用户仅需录入损失事件核心描述，系统即可通过自然语言描述解析事件属性（如事件类型、发生部门、损失金额等），自动匹配LDC字段信息，同时自动RCM相关流程及风险点，填报项从30余项减少至个位数，大幅提升填报效率，以及填报内容标准化和规范化。该模块无需依赖外部网络，所有数据处理均在内部完成，既满足业务定制化需求，又保障数据安全。

（二）构建智能线索库，打破风险数据“烟囱式”管理模式

基于内控、审计、合规问题“数据烟囱”和“管理孤岛”的现状，创新构建智能线索库，通过标准化标签体系，将内控、审计、合规问题通过批量导入或线上录入的形式统一纳入线索库，打破二、三道防线部门协同壁垒，实现数据共享与集成。同时，创新构建线索库与RCM的关联映射，通过规则引擎，实现线索与RCM流程、风险点的智能关联，快速定位同类风险的集中区域，将问题反哺到前端的风险识别与评估环节，推动风险根源性整改。

（三）驱动KRI管理闭环，实现数据自动化处理与预警

构建KRI智能管理引擎，系统建立了端到端的KRI数据处理通道，实现从数据采集、计算到输出的全流程自动化管理机制，提升工作效率，同时将KRI与RCM流程、风险点进行关联，指标出现预警时，系统可定位至对应的RCM流程环节和风险点，帮助责任部门快速识别内控薄弱点，充分发挥指标监测作用。另外，通过构建"监测-预警-处置-反馈"的完整闭环管理机制，形成风险治理的良性循环，为业务稳健发展提供有力保障。

（四）矫正“评估主观性”偏差，树立数据驱动权威

传统的操作风险控制自评估（RCSA）受评估单位主观判断影响，评估结果呈现“一片向好”趋势，无法真实展示评估单位的风险水平。本平台创新建立客观性校准机制，通过搭建线索库、KRI、LDC与RCSA评估结果关联映射机制，以及将评估限制规则嵌入系统，实现系统自动对评估结果进行智能提醒，评估单位结合过往发生问题问题、损失事件及指标表现情况，合理反馈评估结果。这一机制将客观事实作为评估的“压舱石”，避免主观偏差，提升了评估结果的客观性与准确性。

三、项目技术方案

采用 Java 技术栈构建，后端基于 Spring Boot + MyBatis框架，搭配Redis 缓存提升数据查询与处理速度，保障系统高效运行；前端采用vus 3 + ElementUI构建可视化界面，优化用户操作体验。在适配性方面，系统支持国产化硬件、操作系统(麒麟、统信等)、信创数据库及国内外主流中间件，兼容x86与 ARM架构服务器，满足国产化替代需求，同时采用 B/S架构，支持PC端主流浏览器访问，AI依托公司内部私有化部署的Agent平台，通义千问大模型、DeepSeek大模型等，完成智能体和工作流的编排。

技术栈结合：

1.采用 Spring Boot + MyBatis 实现风险字典库（风险点、控制措施等）的上传（模板批量 / 逐条编辑）、增删改查，以及任务派发、初评 / 复评、审批流等全流程管理。

2.基于 Redis 缓存风险计算结果、风险地图数据，提升可视化查询与多维度展示（公司 / 部门 / 分公司等维度）的响应速度。

3.利用 Vue 3 + ElementUI 构建风险地图、固有 / 剩余风险分析图表等可视化组件，支持风险等级（红 / 黄 / 绿）直观展示。

4.通过 Spring Boot 定时任务实现月度 / 季度整改提醒邮件自动触发，保障整改监控常态化。

5.依托 MyBatis 实现评估结果的查询、导出与历史数据留存，支撑合规追溯。

6.基于 AI 模块（大模型 + Agent平台）解析损失事件描述，智能填充匹配事件属性与风险矩阵信息，提升填报准确性与效率。

7.借助 Vue 3 + ElementUI 实现中国地图（三级机构下钻）、前十大损失事件、分维度分析（业务条线 / 风险成因等）可视化展示。

8.基于 Spring Boot + MyBatis 实现与业务 / 财务系统的对接，完成数据采集、加工、指标计算、存储与查询导出。

9.利用 Redis 缓存关键指标数据与超限额预警信息，提升指标查询与预警响应速度。

10.通过 Spring Boot 实现风险容忍度、限额管理与超限额指标预警机制，支持预警信息推送与审批流程。

整体系统效果：

1.高效协同：通过 Spring Boot + MyBatis 与 Redis 的组合，保障系统在复杂审批流、大规模数据计算、多系统对接场景下的高效运行，响应速度与稳定性显著提升。

2.智能化升级：AI 大模型与私有化 Agent 平台的结合，实现损失事件智能填充匹配，减少人工操作误差，提升数据准确性。

3.国产化适配：全面兼容国产化软硬件与信创生态，满足国产化替代需求，保障系统安全可控。

4.全流程覆盖：覆盖 RCSA、LDC、KRI 三大核心模块及联动交叉检验、“内控+操风+合规”三合一需求，实现风险管理全流程线上化、规范化。

5.可视化与决策支撑：多维度可视化图表与报表功能，让风险数据直观呈现，助力管理层精准判断风险态势，提升决策效率。

四、运营情况

（一） 推广应用： 该平台自上线以来，广泛应用于公司各业务部门及分支机构，推广过程中取得了显著成果。通过与各部门的紧密合作，系统在提升风险管理效率、数据准确性和减少人工操作方面得到了广泛认可。特别是在RCSA、LDC和KRI管理等关键领域的智能化应用，有效提升了整体业务的风险防控能力。通过企业内部培训和操作手册的支持，平台快速融入业务流程，逐步实现全员参与和全面覆盖。

（二） 系统运行情况： 系统运行稳定，成功应对了多次高并发和大数据量处理需求。基于Spring Boot+MyBatis技术栈的后端架构，加上Redis缓存机制，系统保障了数据查询与处理的高效响应。当前，系统支持的指标体系涵盖735个关键风险指标（KRI），为企业提供全面的风险监控能力。系统已配置702个用户账号，确保多层级的权限管理和灵活的操作需求。共设有1875个风险点，支持公司各类风险识别与控制，能够精准追踪风险发生的每个环节。

系统全面覆盖了26个一级流程，139个二级流程和631个三级流程，确保从整体到细节的风险管理无遗漏。通过自动提醒与追踪功能，大大缩短了问题整改的周期，提升了各级管理人员的工作效率。AI智能填报模块的成功落地应用，使得损失事件的录入和风险评估更加精准且高效。随着时间的推移，平台在风险管理领域的影响力不断扩大，并已成为公司内部管理决策的重要支撑工具。

五、项目成效

本次智能风险管理平台建设，不仅有效提升了全业务链条的运营管控效率，更依托数据互联互通与管理机制深度融合，打通业务部门、风险管理、合规管理、内部审计工作链路，推动三道防线深度协同联动，全面赋能公司整体风险治理质效升级。

针对传统模式下风险、合规、审计各职能条线存在信息壁垒、管理碎片化、易形成管理孤岛等痛点，系统搭建统一数据底座与智能分析工具，为跨部门协同管控奠定坚实基础。风险管理模块监测的高风险指标、高频损失事件，可直接为审计计划精准制定提供数据支撑；合规检查发现的控制缺陷实时录入系统，同步关联风险控制矩阵，自动触发风险重估预警；审计发现问题及整改要求统一纳入闭环整改台账，构建形成“一体联防、协同共治”的全域风险管控格局。

系统实现数据集中汇聚与授权共享，有效解决传统模式下跨部门数据调取流程繁琐、沟通成本较高、数据复用率低的问题。在授权范围内，业务部门人员可自主识别本业务条线风险轨迹、合规人员可实时查询风险事件发展趋势、审计人员可一键导出相关控制措施及测试结果，大幅精简重复工作、降低跨部门沟通成本。同时依托多维穿透分析能力，系统可在风险事件发生后快速完成风险界定、控制失效原因剖析及历史问题追溯，实现立体化全链条溯源分析，推动问题治理从事后补救、单点整改向源头治理、标本兼治转型。

依托数字化、智能化技术赋能，系统将原本相对独立的三道防线有机整合为协同高效的风险治理共同体，在优化资源配置、提升管理效率的同时，显著增强风险识别精准度、风险研判深度与风险响应敏捷性，推动公司风险治理体系持续完善、治理能力全面提升，为公司稳健运营提供有力支撑。

（一）风险管理效率显著提升

关键风险指标数据采集周期RCSA评估周期大幅缩短，损失事件填报效率提升显著，同时通过自动提醒与追踪功能，问题整改平均完成时间缩短。总部及各分支机构风险合规岗人员的风险管理工作量大幅减少，可将更多精力投入风险分析和整改跟踪。

（二）风险评估准确度大幅提升

问题库、损失事件库、KRI覆盖全业务线条，通过智能化关联分析、三大工具联动与AI赋能，将历史问题、指标表现和损失数据与RCSA评估结果进行强制性校验与关联，有效遏制了评估中的随意性，提升了风险评估的严谨性与可信度，为风险资源的精准配置提供了科学依据。

（三） 成功构建集成化共享工作平台

平台彻底打破了内部监督领域的部门墙，通过建立统一的线索库，将内控自查、合规检查与审计稽核发现的问题进行标准化整合与关联，构建内控、合规、审计“三位一体”共享平台，实现监督信息整合共享，自动关联流程、风险点，推动“风险识别-整改-提升”闭环管理，有效打破部门壁垒，根治屡查屡犯问题，提升整体治理效能。未来也将利用该线索库，通过开展数据分析与挖掘，提升风险研判准确性。

（四）风险管理文化逐步深化

系统的易用性和智能化显著提升了公司全员参与风险管理的积极性，使总部各部门及所有分支机构能够有效参与到风险管理流程中。随着系统覆盖范围的扩展，各级员工对风险管理的关注度与参与积极性持续提升，为构建全面智能风险管理体系奠定了广泛的组织基础。通过智能预警、风险提醒等功能，员工在日常工作中能够及时感知和识别潜在风险，主动上报风险线索，逐渐形成“全员参与、全员防控”的风险管理文化。

六、经验总结

公司智能风险管理系统的实施，标志着公司在风险管理数字化转型方面取得了重要突破。通过智能化功能创新，有效解决了传统风险管理中的效率低、关联弱、主观性强等痛点，实现了监管合规落地与企业内部管理提升的双重目标。项目的成功实践表明，保险行业风险管理智能化转型需坚持“业务驱动、技术赋能、数据支撑”的原则，将AI、大数据等技术与风险管理业务深度融合，方能真正提升风险管理的精准性和有效性。

基于当前成果，公司将持续优化系统功能：一是进一步提升AI模型的智能化水平，重点研发拓展风险趋势预测、智能整改建议等功能；二是深化与其他业务系统的集成，实现风险数据的全维度采集和分析；三是推广智能风险管理经验，构建行业共享的风险点库和AI模型训练数据集，为保险行业风险管理智能化发展贡献专业价值。

注：

LDC (Loss Data Collection) 是指损失事件数据收集

RCM (Risk Control Matrix) 是指风险控制矩阵

KRI (Key Risk Indicator) 是指关键风险指标

RCSA (Risk Control Self-Assessment) 是指风险控制自评估