海尔消费金融发布垂直大模型，已有三家消金公司进行大模型创新探索

本报（chinatimes.net.cn）记者付乐 冉学东 北京报道

当前，消费金融与大模型的结合正在改变着传统金融服务的面貌，深度优化了客服、营销等关键环节。《华夏时报》记者统计发现，在31家已开业的消费金融公司中，已经有海尔消费金融、马上消费金融、招联消费金融发布了大模型相关应用。

海尔消费金融与火山引擎5月10日共同成立金融大模型联合创新实验室，构建起消费金融垂直大模型，并在精准营销、智能客服、贷后管理、风控等业务场景中持续探索大模型的创新应用。

5月11日，素喜智研高级研究员苏筱芮对《华夏时报》记者表示，当下垂直大模型是重要趋势，一方面可以与消费金融公司自身业务紧密结合，促使大模型的应用更具针对性。另一方面，垂直大模型的训练以及调优等更加精准，能够为消费金融公司的营销、风控等具体流程持续赋能。

共建消费金融垂直大模型

在消费金融领域，通用大模型存在精度不够、金融知识缺失，以及难以满足消费场景中定制化需求等难题，限制了模型在风险评估、信用评分、个性化推荐等关键业务场景中的应用。

与基础大模型相比，针对特定业务场景进行优化的垂直大模型在特定范围内的表现更为出色，正在推动大模型技术应用从边缘业务向核心业务迈进。

“将加速大模型技术在公司业务中的应用落地，提升服务的数智化水平和竞争力。”海尔消费金融表示，基于字节跳动自研大模型精调，消费金融大模型具备迭代速度快、模型能力丰富、模型效果增强等特点，能够满足海尔消费金融90%以上的智能化场景需求。

以信贷资产管理为例，在大模型的辅助下，资产管理人员能够更准确地识别用户意图，提供更加精准、及时的服务体验。利用大数据分析，整合如交易记录、宏观经济指标等数据，构建更精准的信用评分模型预测违约概率。

此外，在消费金融的贷前、贷中、贷后管理中，大模型覆盖了从风险评估到客户服务的全过程，助力消费金融机构更加有效地控制风险。

贷前，大模型通过分析申请人的历史交易数据、收入水平等信息，评估申请人的还款能力和意愿，辅助金融机构做出贷款审批决定；贷中，基于借款人实时的信用表现，大模型动态调整信贷额度；通过分析贷后数据，大模型调整贷款组合的风险结构，提高资金使用效率。

提升服务可得性与用户体验

当下，消费金融与大模型的结合是大势所趋，为用户带来了更多选择和更好的体验。记者盘点了31家已开业的消费金融公司，发现已有海尔消费金融、马上消费金融和招联消费金融发布了大模型相关产品，应用场景包括智能客服、智能营销等领域。

去年8月，马上消费金融推出零售金融大模型“天镜”，覆盖了客服、营销、风控等场景，其营销效果提升了30%以上。在企业知识库的应用中，知识产出效率提升了150%，大幅度提高营销物料的生产效率。在与重庆某银行的合作中，大模型驱动的智能营销能将人工成本降低80%以上，产能是传统人工产能的6倍以上。

在智能客服领域，消费金融业务小额分散，因此对智能客服提出了更高要求。但在实际应用中，智能客服常因“答非所问”饱受质疑，随着大模型的出现，智能客服不智能表现有望改善。

当前，“天镜”已经应用到智能语音助手、辅助人工坐席决策等多个环节，具备语言理解、数据分析、自主学习和智能推理能力。在客户服务过程中，“天镜”可以直接提供针对用户提问的差异化话术，具备生成端到端的对话能力。在处理贷后等场景中，大模型克服传统AI技术理解复杂专业知识的短板，结合对话上下文、历史数据、业务场景等识别用户意图，提升服务效率和用户体验。

11月，招联消费金融发布大模型“招联智鹿”，该模型能发现潜在问题并提供相应的解决方案。经模拟测试，相比人工作业，使用“招联智鹿”进行文本标注与生成的效能可提升百倍，进一步助推降本增效。

以客服场景为例，“招联智鹿”可结合具体会话状态与服务场景，定制回复话术，助力客服工作提质增效，节约时间成本近80%。据了解，该模型未来将应用于更多细分场景，如风控管理、代码生成、运营提升等，并在“智能体”技术、仿真模型、科技向善等方面持续探索。

谈及未来消费金融大模型的发展趋势，苏筱芮认为，一是在智能营销方面，有助于为产品、服务分类推介，提升营销效率；二是在搭建企业知识库方面，能够不断丰富企业内容；三是在智能客服方面，能够进一步加深在特定语境下对客户需求及疑问的理解；四是为授信等风控领域提质增效。

责任编辑：孟俊莲 主编：张志伟