一、项目背景及目标

近年来，九江银行坚持服务实体经济不松懈，综合运用创新金融产品加大惠企力度、通过数字化转型为金融科技赋能等举措，全力提高金融服务实体经济质效。标准化智能审贷及调查报告智能撰写平台是九江银行全面推动数字化转型的优秀产品，本案例将深入探讨该产品的创新之举以及对九江银行深远的影响和意义。

（一）行业现状

1.三查报告未实现线上化

三查报告撰写时间长、效率低、不规范是当前很多传统银行的痛点，存在的问题：业务人员手工撰写三查报告过程中，存在大量文字录入、数据填写、指标计算、表格制作等重复工作，影响业务开展效率；尽调过程流于形式，人为主观性强，无法对报告内容进行规范化控制，真实性和完整性无法保障。

2.调查信息未形成结构化数据

授信业务资料以纸质档案、图片影像的形式留存居多，未有效形成数字化、结构化数据，无法为数字化授信、智能风控提供数据支撑，形成 “数据孤岛”。

3.授信审批标准不统一

在统一的授信审批标准体系下，对于同一或类似信贷申报材料，不同审批人的审批结论本应基本一致。但实践中，部分信贷业务常出现审批结论大相径庭的情况，核心原因在于审批人的个人审批偏好、思维惯性在决策中占据主导地位，且这类个体差异往往较为显著。这一现象直接导致授信审批标准化难以落地，决策差异长期存在：一方面让业务经营机构无所适从，难以精准锚定目标客群；另一方面，审批人员缺乏高效工具支撑，需线下翻阅海量资料，既增加了决策难度，也大幅影响了审批效率。

（二）项目目标

1.授信报告规范化

根据不同业务品种、客户所属行业将信贷业务分为不同的授信场景，针对不同场景需要关注的风险点、审批要点，对调查报告、审查报告、贷后报告的三查报告的模板进行搭建建设，实现多业务场景、多业务品种的模板集群。通过 “精准聚焦风险、统一管控标准、联动数据支撑”，从贷前识别、贷中审批到贷后监测，全链条强化风险管理，提升风控效率与精准度。

2.授信数据结构化

将调查信息数据进行结构化存储，形成授信信息库，为后期的大模型应用、业务营销、智能审批、风险预警提供数据支撑，提升数据应用效率，降低运营成本。

3.授信审批标准化

通过对真实有效授信场景的审批要点、审批条件等报告内容的结构化数据进行归纳总结，依托金融科技手段实现授信的无差别审批即审批标准化。

二、项目方案

（一）业务模式

基于授信业务场景、行业、产品或风控模式等维度差异性，将融资需求情境切分成若干个细分应用场景，精炼出与融资需求情境更适洽、更精准、更有效的核心授信审批逻辑，以每一个应用场景的审批要点为基础并配置一整套审批条件，制定审查报告的报告内容从而形成各类审批场景的审查报告模板。再通过贷中审批标准化的承上启下的作用，向上将审批要点作为贷前调查报告主要调查内容形成各类场景化调查报告模板。向下依托各场景的检查要点和贷后管理要求搭建贷后检查报告模板，搭建授信全流程标准化的智能审贷体系，实现授信全流程的风险管控。

1.客户经理通过标准化调查模板实现调查过程规范化

模板按 “业务品种 + 行业” 差异化适配，确保全场景核心信息与风险要点无遗漏，不可任意删减。对于客户的各类客观数据（工商数据、司法数据、税务数据、财务数据、征信数据、流水数据等）进行自动收集，确保授信数据的准确性，提升工作效率。同时引导客户经理对报告内容进行人工“核对、修改、增补”，并在风险评估、还款来源分析等关键节点嵌入业务指导与风险提示，助力精准把控核心要点。针对行业分析、风险应对建议等主观填写部分，通过 AI 大模型提供智能辅助，进一步提升报告的专业性与规范性。

2.审批人员通过审批工作台实现授信业务一站式审批

审批工作台是集审查报告撰写、信审工具、领导驾驶舱为一体的一站式授信审批工作台，包含内外部客户信息、公开信息数据自动预警、财报/流水/征信智能化分析、内外政策规章制度智能检索、多维限额管理智能管控等多工具，具体有以下作用：

（1）高效的授信审批工具

传统的审批人员在审批授信业务时，需要在线下一边查看调查报告、一边查看相关业务资料，再切换页面撰写审查报告，因信息不对称，容易造成授信业务风险。审批工作台的建设可以一站式完成授信业务线上化审批，审批人员可以在系统内查看结构化的调查报告，对于调查报告的每一个模块，系统均可调取对应的授信资料及相关授信数据，并可将相关内容直接引用到审查报告内，大幅提升了审批人员的审批效率。

（2）授信全流程可视化和管理

通过审批工作台的领导驾驶舱，可以对每一笔授信业务进行全流程动态管理，监测授信流程节点、流程耗时。客户经理、审批官的授信偏好、特长、效能等也可进行统计，有针对性的分配授信业务给对此项业务擅长的审批人员。

3.引入AI大模型，提升授信审查质效

基于DeepSeek人工智能+标准化审查要点智能辅助审批官进行审查报告撰写，建立审批大模型，持续学习授信知识，建立风险信贷专业知识库，不断提升AI大模型在授信业务审查领域的专业性，推动AI大模型在审查报告撰写中的运用，推动AI辅助审查要点智能撰写，提升授信审查的质效。

（1）构建风险专业知识问答

建立风险信贷专业知识库，实现信贷知识随问随答，提高信贷类业务办理效率。系统化整合行内各类规章制度、系统操作手册、业务指引手册及外部政策、行业等专属数据资源，收集FAQ(Frequently-Asked Questions) 问答对作为补充信息导入知识库，并建立定期知识更新机制与员工反馈闭环机制，持续提升知识库的时效性与实用性。通过 RAG 检索增强、Query 改写、提示词工程等技术手段提升回答的准确性与可信度，使得大模型降低幻觉现象，辅助一线业务及时获取各类知识，提高问题解决效率。

（2）授信审查报告撰写自动化

运用知识蒸馏、Agent 协作实现授信审查报告撰写自动化，提高审查效率。通过整合行内系统（如信贷系统、客户管理系统、影像平台等）、线下收集的运营与财务数据、客户外部数据（互联网公司官网、金融资讯平台及舆情信息、天眼查、工商等）多维数据源，依托大模型与工程化链路技术，构建了覆盖信息智能提取、多模态解析、RAG 检索增强、智能体工作流搭建、系统集成的全流程自动化处理体系，报告初稿生成时间从一周缩短至 30 分钟，实现 100% 线上化。为提升模型的专项能力及优化模型部署，通过历史授信审查报告文档驱动大尺寸模型训练，利用知识蒸馏技术将大模型的核心能力迁移至小尺寸模型，并基于输出结果构建高质量数据集对小模型进行针对性微调，最终实现模型能力的高效压缩与部署优化。

（二）技术架构

系统支持 PC 端和移动端双端展示，适配不同使用场景，为九融汇、信贷系统、零贷系统、产融平台、汽车金融平台等信贷渠道提供三查报告服务。依托外部数据平台对接行外工商、司法、征信、流水、税务等行外数据，联动行内信贷系统、零贷、风险预警系统等系统实现数据收集。对接行内统一认证平台、企业服务总线、影像平台、AI大模型作为基础支撑，下图为系统架构图。

1.智能化报告组装平台

九江银行针对报告模板的开发特点自研元数据、低代码技术平台，针对报告页面需展示的章节模块，平台根据读取元数据配置动态展示不同的组件，开发了一套通用的前端组件。上述组件都通过元数据配置动态生成，对于非特殊展示要求的模块，可以做到一套组件重复使用，同时也可以通过元数据配置完成模块上功能按钮的操作控制与按钮点击的处理逻辑。基于以上，系统可以通过元数据配置无代码快速完成模块的构建与按钮的处理逻辑。针对较为复杂的章节模块，前端的元数据平台代码也加上了大量的插件处理逻辑，只需少量代码即可完成特殊模块的展现与交互处理逻辑。

对于报告模板的配置，元数据平台通过不同的业务规则动态地匹配报告模板。根据一份报告是多个模块组合配置的这一规则，可随时替换，新增，删除某一个模块，实现了报告模板配置的灵活修改，同时也支持同一模块的多次复用，下图示范了流动资金贷款调查报告模板的配置。

对于报告内无论是获取其他外部系统数据自动填充报告的还是撰写人手工填入的数据，元数据平台都进行了统一的规范化、结构化存储。

2.智能审批大模型

本项目以大模型等模型层为技术底座，构建了从底层能力到上层应用的完整闭环，集成Qwen-32b、DeepSeek-R1、Qwen-VL 等多类型大模型及文档解析、知识库嵌入、排序模型等专用算法，构成 AI 能力引擎；封装搜索引擎等通用工具，构建专业知识库通过 Query 改写、召回重排等技术提高返回内容的可用性，通过提示词管理、智能定义、Agent 应用编排实现任务流程自动化；服务层聚焦业务支撑能力建设，涵盖知识库搭建、报告模板生成、Agent 管理等能力；Agent 中心作为业务协同枢纽，整合关联方分析、股权穿透、财务数据提取等 20+ 核心分析能力，实现跨模块数据流转与智能决策，最终实现全面赋能审查报告生成、财报分析等核心场景。

三、项目创新点

（一）报告模板快速构建

将报告模板按标题拆分为原子级模块，对原子级模块进行开发配置，报告模块的开发使用我行自研封装的整套适用于报告模板的组件。对于已开发过的模块可以直接进行复用，无需重新开发，开发效率能提升至少40%，最后将开发好的模块通过拖拉拽的形式进行拼装，组合成一套业务需要的报告模板。

（二）三查报告的结构化数据应用

三查报告的数据进行结构化入库保存，形成授信数据仓库为授信营销、审批决策模型学习及授信风险管理提供有效数据支撑。同时报告内容可整体或分模块灵活推送给各行内系统进行共享及使用，如上一期贷前调查报告、审查报告内容可共享至下一期报告，报告内容可与风险预警系统进行信息共享。

（三）业务模式创新

传统授信报告模板的编制方式是以调查报告为核心，根据授信业务品种、客户行业进行调查报告模板的编制。而本案例以授信业务标准化为核心，将授信业务按场景、行业、产品或风控模式等维度差异性，将融资需求情境切分成若干个细分应用场景，对每一个应用场景需要关注的审批要点为基础编制审查报告模板，再依托审批标准化承上启下的作用，向上将审批要点作为调查要点进行调查报告模板编制。向下通过检查要点、贷后管理要求等进行贷后报告模板编制。通过此模式对授信调查、审查、检查要点进行全部罗列，做到了授信审查全覆盖，从而有效控制了授信风险。

（四）将大模型运用在风险管理中

创造性结合 OCR 增强技术与多模态大模型，有效攻克了金融领域非标准合同、混合影像存在歪斜、重叠、手写体、多表头等复杂场景的识别难题，显著提升数据输入的准确性和可用性。采用“大模型驱动数据集构建→知识蒸馏能力迁移→高质量数据微调小模型”的技术路径，让小模型学习大模型提炼的专业知识，得到“小而精”的小模型，实现小模型学习专业知识的效果，优化模型的性能和部署效率。构建基于多智能体协同的框架，实现审查报告生成、财报分析等核心场景，兼具技术前瞻性与业务落地性。

四、项目过程管理

  （一）系统建设期（2024年5月-2024年11月）

1.需求分析

业务部门组织行内资深审批官和外部专家对授信业务进行授信场景化分，并对每一个授信场景进行归纳总结，形成各场景审批要点，针对审批要点制定三查报告模板集群。同时收集审批官和客户经理的意见，在报告撰写时的诉求和授信审批时需要用的工具等，将这些信息进行汇总总结，形成完整的需求文档。

2.研发与测试

科技部门根据需求分析制定了以低代码、模块化为主的技术开发方案。同时根据技术方案对总体系统架构进行设计，对硬件配置进行了要求，并在投产前进行压力测试确保系统在高负载情况下能够平稳运行。

3.投产上线

成立专项系统推广小组，先从部分分支行进行试点，再到全行推广。通过会议培训、现场指导、下发操作手册、操作视频等形式对系统使用进行宣贯推广。并根据机构使用反馈，同时按照客户及市场需求，对系统进行持续优化，提升用户体验。

（二）系统优化升级期（2025年1月-至今）

1.需求分析

根据一线用户使用反馈及业务发展需要，对系统功能进行持续优化。

2.研发与测试

根据需求持续对系统进行研发升级，每月上线1到2个新的版本，满足我行授信业务发展需要。

五、运营情况

系统上线后我行即成立专门的系统推广小组，先从部分分支行进行试点，通过会议培训、现场指导等形式对系统使用进行宣贯推广。考虑到系统的使用改变了客户经理、审批人员原有授信申报的习惯，多次召开意见讨论会，听取一线用户的使用体验和意见，并针对用户体验对系统进行优化处理，尽可能在保持系统智能化的同时，还原客户经理线下使用WORD的操作风格，使用户更易上手。

在试点工作完成得到用户认可后，在2025年2月进行了全行推广，目前我行90%以上的授信业务，均通过本系统进行申报。后期也将实现授信业务的全覆盖。系统自全行推广以来，2025年1-8月累计生成报告156041笔，日均生成三查报告650笔。

根据系统上线后的使用情况调研分析，80%的审批官认为使用审批工作台能有效揭示部分业务风险，90%的审批官认为能提高审批参考信息查找效率，预计将实现授信审查审批环节耗时节约40%左右，退回/补充材料操作降低18%左右。

六、项目成效

九江银行立足金融强国建设新要求，紧扣“五篇大文章”战略导向，积极融入数字化与实体经济转型的时代浪潮。本项目是九江银行加快数字化转型，实现授信业务全流程线上化打造的授信审批标准化、智能化项目。该项目投产以来成效显著，具体来说，包含以下几点:

1.撰写规范性成效凸显

将贷前调查要点、贷中审批要点、贷后检查要点植入于报告模板，依托线上撰写平台，引导、规范客户经理、审批人员按流程按要点进行调查、审查、检查。通过 “模板定要点 + 技术强管控 + 流程促规范” 三重保障，确保授信业务各类潜在风险点被全面挖掘、清晰阐述，筑牢风险防控第一道防线。

2.报告专业性大幅增强

在调查报告撰写阶段，系统会进行业务关键信息提示，帮助调查人深度理解业务底层逻辑与风险关联点，精准捕捉客户信贷风险并全面呈现在报告中，夯实报告专业基础；进入审查报告撰写环节，搭载多维度客户分析工具和AI大模型，从资质核验、偿债能力、关联风险等多方面深化研判，助力审批人员更透彻地挖掘潜在风险点，使审查报告的风险揭示深度与决策参考价值显著提升。

3.业务人员工作效率显著提升

目前九江银行三查报告线上撰写率已达90%以上，三查报告数据智能填充率达80%，促使报告撰写时间缩短50%以上，提升客户经理效率达40%以上，让客户经理有更多的时间投入到日常营销的工作中去。

审批人员在信审过程中可能需要查阅的内外部数据，需要使用的相关工具被集成在本系统中，一站式的授信审批工作台为审批人员节省了大量信息查询、数据复核验算的时间与精力。

七、经验总结

本项目是九江银行数字化转型的核心实践，系统以授信报告规范化、数据结构化、审批标准化为目标，依托低代码元数据平台与 AI 大模型，创新场景细分模式，搭建全流程标准化模板体系，实现报告自动化撰写与智能风控。同时引入AI大模型赋能业务，建立风险信贷专业知识库，为九江银行授信业务标准化提供技术支撑。未来九江银行将持续应用金融科技赋能业务发展，进一步加快数字化能力建设和金融数字化转型。