Discover information 案例：某基金公司投研大数据平台 智能客服 用智慧发现信息价值 Discover information • 产品定位 • XF4.0 版，多场景智能交互机器人，实现人机、机机智能交互，支持客服、 营销、推荐、类 Siri 服务等 • 突破现有机器人只解决客服问答癿狭义定位 小富机器人 用智慧发现信息价值 Discover information 后台模型 智能客服实例 问 题 用智慧发现信息价值 Discover information 保障 需求 智能客服实例 保费 预算 家庭 结构 太平阳光天使少儿两全保险 孩子 是否 返还型 投保人 年龄 保障 额度 给谁 投保 用智慧发现信息价值 Discover information 保费 预算 保障需 求 智能客服实例 家庭 information 保费 预算 家庭 结构 三口之家 智能客服实例 重大 疾病 孩子 是否 返还型 保障需 求 投保人 年龄 保障 额度 给谁 投保 是 用智慧发现信息价值 Discover information 保障需 求 保费 预算 保障 额度 智能客服实例 家庭 结构 是 5 岁 重大 疾病 三口之家 孩子

的应用效果，有望进一步催生银行落地应用。 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。在实际银行落地应用 中，可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ） 决 策赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如 决策赋能”三个层次 2 n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。其中当下应用最广 泛的是降本增效， 即 AI 对简单人力的替代，具体场景可能包括智能客服、简单的办公文件问答与内容生成等。随着模 型能力提升将展现真正的价值创造能力，即 AI 对高价值人力的赋能， 具体场景可能包括办公 Agent 、营销、 Coding 等； 随着 AI 商业银行主要通过人工客服和智能客服两种方式为客户提供咨询服务。人工客服工作强度高、处理和响应时间相对较长， 而当下智能客服难以覆盖全部服务场景。如工商银行在远程银行业务中将知识搜索与大模型生成能力结合，实现基于实 时通话向坐席人员主动推送答复话术或知识的能力。 图表：苏商银行大模型客服助手 资料来源：苏商银行、中泰证券研究所 14 降本增效场景之一：大模型承担智能客服角色 n 在传统

3.2.3 客户流失预警.............................................................................37 3.3 智能客服.............................................................................................38 3.3 5.1 某银行风险管理案例........................................................................104 5.2 某银行智能客服案例........................................................................106 5.3 某银行欺诈检测案例....... 在金融银行领域，DeepSeek 技术可以广泛应用于多个场景， 包括但不限于风险评估、客户行为分析、智能客服、欺诈检测和投 资策略优化等。例如，通过深度学习和 NLP 技术，DeepSeek 可以 从海量交易数据中识别潜在的风险因素，预测客户的信用违约概 率，从而帮助银行制定更加科学的风控策略。同时，在客户服务方 面，DeepSeek 的智能客服系统能够理解自然语言，提供 7*24 小 时的高效响应，显著提升客户满意度。

客户服务智能化..................................................................................26 2.3.1 虚拟客服助手.............................................................................27 2.3.2 智能问答系统.... o 乘客流量预测：利用历史数据和实时传感器数据，预测 不同时间的乘客流量，从而合理安排运力。 o 优化调度：基于实时数据分析，帮助调度中心迅速响应 各种突发情况，提高整体调度效率。 o 智能客服：运用自然语言处理技术，提供智能问答和服 务。 4. 实施方案：根据上述应用场景，提供具体的实施步骤，包括数 据收集、模型训练、系统集成和用户培训等。 5. 结果评估与反馈机制：建立完善的效果评估方法，确保 帮助运营方优化站点 和车厢内的资源配置，例如增加高峰期间的工作人员数量、调整广 告投放位置及内容等，从而增强乘客的整体出行体验。 此外，智能客服系统的建设也是 AI 大模型在城市轨道交通领 域的应用之一。通过自然语言处理和机器学习技术，智能客服能够 为乘客提供实时咨询、问题解答和服务引导。这不仅节省了人工成 本，还提高了服务响应的效率和质量，使乘客在出行中感受到个性 化和人性化的服务。

底层技术——生成式 人 工智能（ AIGC ）。 AIGC 时代，大模型作为基础设施，将为千行百业赋能，场景广阔，潜力无限。具体到保险行 业， AIGC 有望在保险产品设计、精算、营销、运营、客服等全链路环节提供深度的技术加持，推动行业提升效能，实现高 质量发展的 同时，进一步提升普惠金融服务的广度与深度，为中国消费者提供更智能、更便捷、更有温度的保险产品与服务。 AIGC 时代，应用为 稳定性 语音识别 用语规范 逻辑推理 隐私处理 召回率 语音生成 接口服务 摘要总结 诱导防护 覆盖率 · · · · · · · · · · · · · · · 营销服务应用 营销话术优化 客服话术推荐 综合规划配置 营销素材设计 合规风控应用 智能核保 智能理赔 实时质检 评分说明 大模型名称 公司名称 百度 GPT- 3.5 GPT- 4.0 Claude 1 Claude 应用能力评测：保险专业知识问答案例 0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5 0 1 2 3 4 5 保险营销素材设计能力指数 保险客服话术推荐能力指数 保险营销话术优化能力指数 保险综合规划能力指数 GPT-3.5 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 ** 大模型 清华智谱

■ 从在线客服到在线助 理 • 在线助理：专属化的 体 验，基于用户画像， 提 供更个性化的服务 • 在线客服：短期的基 于 单一 目的的服务 • 在线助理：更主动的 提 醒，状态问询，精 准推 送，洞察建议等 • 在线客服：简单的被 动 响应，一问一答 • 在线助理：专业咨询、 售前交互、售后服务、 行业洞察等 • 在线客服：以售后服 基于深度学习，完全数据驱 动，无需特征工程 l 方法通用，适用于多种领域 不同类型的实体抽取 l 效果明显好于传统方法 l 从非结构化的对话中挖掘结构化的知识 l 将知识进行沉淀和统一维护 l 提高客服效率和质量，提升用户体验 l 知识点数量庞大，无监督的聚类方法效果很差 l 词向量不适合表示句子语义 l 无监督和有监督方法相结合 l 词向量和句向量相结合 l 机器与人工相结合 学习 无监督 学习 历史语料 主题词 预处理 l 基于知识库和历史语料训练具有较强 语义泛化能力的问答模型 l 提高问答机器人的召回率和准确率 l 用候选回复辅助客服，提升服务效率 l 传统方法缺乏语义泛化能力 l 传统方法没有上下文理解的能力 l 使用检索 + 上下文深度匹配排序的方法 l 匹配模型考虑上文历史消息序列 深度学习的应用： 问答

智能体通过其强大的 数据处理能力和智能分析功能，能够帮助企业实现数据驱动的决 策， 从而提升运营效率。例如，在供应链管理中，AI 智能体可以通过预 测分析优化库存水平，减少资金占用；在客户服务领域，智能客服 系统能够全天候响应客户需求，提升客户满意度。 此外，随着企业组织结构的复杂化，跨部门协作和流程整合成 为企业内部管理的难点。AI 智能体能够通过自动化流程和智能调度 功能，优化内部资源配置，提升团队协作效率。例如，智能任务分 展至关重要。 以下是 AI 智能体在商务场景中的主要应用领域及其潜在效益 的对比： 应用领域 主要功能 潜在效益 供应链管理 预测分析、库存优化 减少库存成本，提升供应链效率 客户服务 智能客服、实时响应 提升客户满意度，降低人力成本 内部协作 智能任务分配、流程自动化 提高协作效率，优化资源配置 市场营销 精准营销、个性化推荐 提高转化率，降低营销成本 通过以上分析可以看出，AI 智能体在多个商务场景中的应用能 及数据分析与预测能力的全面提升。具体而言，目标包括以下几个 方面：首先，实现业务流程的智能化升级，减少人工干预，提高处 理速度和准确性；其次，通过数据驱动的分析与预测，为企业提供 更具前瞻性的决策支持；最后，构建智能客服系统，提供全天候、 高效、个性化的客户服务，提升客户满意度和忠诚度。 为了实现这些目标，方案将聚焦于以下几个关键领域的应用：  业务流程自动化：通过 AI 智能体自动处理重复性高、规则明

· 64 图8 应用案例全景图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 76 图9 智能客服机器人技术架构图· · · · · · · · · · · · · · · · · · · · · · · · · · · · · 79 图10 养老陪伴机器人功能示意图· · · · · · · 实现生 �� 产过程的智能化控制和管理，提高了生产效率和产品质量。同时，大模型还可以应用于供 应链的优化和管理，降低运营成本。在服务业中，大模型则主要应用于智能客服和个性化 服务等方面。通过大模型技术，企业可以构建智能化的客服系统和服务平台，提升服务质 量和客户满意度。 （5）智慧城市与媒体娱乐 大模型还在智慧城市建设和媒体娱乐领域展现出广泛的应用前景。在智慧城市建设 中，大模型通 过训练大模型，可以生成具有特定 风格的绘画作品或电影场景。 （3）语音生成 大模型在语音生成领域的应用主要体现在语音合成方面。通过训练大模型，可以生成 自然流畅的语音内容，用于虚拟主播、智能客服等领域。 1.1.4.3 内容生成领域百花齐放 2023年被视为医疗健康AI大模型的元年，企业纷纷跑马圈地，推动大模型在医疗健康 领域的应用落地。今年，大模型在医疗健康领域的应用已初见成效，涵盖了患者问诊、医院

国产算力适配 高性能计算网络架构 客户业务系统 知识引擎应用 数智人 智能客服 多轮改写 文档解析 向量检索 文档拆 分 意图识别 RAG 知识文档 知识问答 开放 对接 知识引擎 配置项 工作流 联网搜索 模型部署 standard standard-256k 腾讯云行业大模型 精调知识大模型 / 多模态大模 型 金融 / 教育 / 医学行业大模型 腾讯内部产品合作 数智人 企点客服 腾讯学堂 乐享 应用 原子 能力 大 模型 文档解析 - 拆分 - 入库 - 检 索 向量化（ embedding ） ③Agent 模式 调用插件 / 复杂工作流 适用于有灵活回复或快速搭建 需 求的服务问答场景。 要稳定选标准模式，要定制选工作流，要尝鲜选 Agent ！ 腾讯云大模型知识引擎：三大应用模式，满足客户多样需求 文件助手 员工服务 专家助手 智能客服 把企业五花八门的知识库喂给大模型，没那么简单！ 难点：企业知识格式多样、图文并茂 复杂排版的阅读顺序 复杂的子元素识别 复杂的表格结构 跨栏段落 跨图段落

效能。Deepseek 大模型作为一种具备强大自然语言处理能力和深 度学习能力的人工智能技术，能够为银行系统提供高效的智能解决 方案。当前，许多领先的银行已经在探索大模型的应用场景，例如 智能客服、自动化文档处理、风险预测和个性化推荐等。然而，大 模型在银行系统中的部署仍面临诸多挑战，包括数据安全、模型性 能优化、系统集成和合规性等问题。 为应对这些挑战，本项目旨在设计一种切实可行的 Deepseek 客户服务场景中，传统客服 系统的响应速度和准确性不足，导致客户满意度下降； - 风险管理 领域，现有模型在复杂金融场景中的预测精度有待提升； - 运营优 化方面，自动化处理能力不足，导致人力成本居高不下。 针对这些问题，Deepseek 大模型的部署将能够显著提升银行 的智能化水平，具体体现在以下几个方面： 1. 通过自然语言处理 技术，实现智能客服的高效响应和精准解答； 识别客户行为模式、预测市场趋势，并为银行提供精准的决策支 持。预期在数据处理的响应时间上，能够在现有系统基础上提升 30%以上的效率。 其次，优化客户服务体验，利用 Deepseek 大模型的自然语言 处理能力，实现智能客服的全面升级。通过部署智能对话系统，模 型将能够实时解答客户咨询、处理常见问题，并在复杂业务场景中 提供个性化建议。预计客户咨询的处理时间将缩短至 5 秒以内，同 时客户满意度提升 15%以上。