容联云孔淼出席区域银行论坛：以大模型重塑金融业务引擎

近日，由金科创新社主办的区域性商业银行数智化研讨会顺利召开，容联云副总裁兼诸葛智能创始人孔淼受邀发表主题演讲，深入解读大模型技术在金融场景落地的核心路径。

基于与多个头部金融机构的深度实践，分享了容联云"从场景探索到业务引擎"的三步跨越方法论，为区域性银行数智化落地提供全新思路。

面对市场对大模型的狂热期待，孔淼表示，在与一线客户交流中，超四成的客户认为目前数智化改造项目的ROI不达预期，核心矛盾在于技术能力与业务需求的错配。

孔淼指出，当前金融行业对大模型的应用已从早期的技术尝鲜进入价值验证深水区，企业应用需在算力成本、数据沉淀与新旧业务流程融合中找到最佳落地点。

他提到，虽然现在销售与客服场景被视为金融行业大模型落地的黄金场景，但在实际应用中仍存在挑战，通用大模型在行业知识、流程嵌入等方面不足，无法满足个性化、专业化需求，需要结合行业知识、流程优化和技术架构来解决。

例如，在信用卡催收场景，通用大模型对金融专用语言存在理解偏差、无法对客户提供个性化安抚策略、对恶意投诉等风险预警能力不足，验证了通用模型在金融场景的水土不服。

容联云自2023年初推出赤兔大模型以来，持续聚焦行业场景落地，通过与广发银行、中信银行等头部机构共同探索，验证了话术挖掘、会话洞察、质检等高价值场景，并通过“场景选择-技术架构-落地策略”三步实现业务引擎的跃升。

PART 1

场景精耕：从“广撒网”到“精准提效”

孔淼指出，不是所有场景都值得用大模型重做一遍。选择场景时，我们要从企业自身的商业逻辑出发，将解决用户痛点和匹配企业战略方向作为首要考量，选择的场景要巧，要借力打力，充分发挥大模型优势，并对业务产生价值。

容联云提出 “高价值场景=业务价值密度×数据可用性×流程嵌入度”筛选公式。优先聚焦能够解决用户核心痛点、与企业战略契合度高、可以与现有业务流程快速融合提升ROI的场景。

例如，在智能客服领域，通过大模型实现话术挖掘、坐席辅助、智能质检等环节的降本增效。

PART 2

架构进化：全新开发范式构建银行AI底座

面对行业知识整合与算力成本等挑战，容联云构建了“算力底座+模型底座+知识治理+开发范式”的银行AI大模型总体建设框架。

孔淼特别强调了容联云全新三级开发范式：

1. 功能级应用：基于API调用快速实现单点提效，如话术生成、摘要提取等场景。

2. 流程级应用：通过工作流引擎串联大模型能力与业务系统，构建端到端自动化流程。

3. 智能代理级应用：大模型作为"决策中枢"，可以像真人一样，把所有的指标体系都理解了，把方法论都掌握了，直接操作现有工具，实现类人业务处理能力。

他表示，当大模型开始像资深员工一样操作行里的CRM、IM、BI平台时，真正的Agent才得以建立。现在行业内主流在用的是前两种，而容联云正在与行方进行智能代理级应用的业务验证。

PART 3

组织优化：构建数据闭环与组织协同

孔淼指出，大模型应用的成功落地，还需要技术与业务流程深度耦合。

企业内部需要将以技术为主导，转换为“业务需求驱动+IT技术支撑+数据闭环验证”的三角协同机制。

其次，在成本控制上，孔淼表示，市面上很多厂商喜欢“大力出奇迹”，所有场景都上DeepSeek满血版方案，而容联云出于性价比考量，选择探索轻量级模型与大模型的分场景适配策略。

为不同业务场景适配合适的方案，在实时高并发场景采用小模型、在离线场景采用大模型、在质检场景采用大小模型混合等等，在保障效果不变的情况下，减少成本。

孔淼分享了多个行业标杆案例，全面呈现了容联云大模型应用在金融行业营销、服务、运营全链路升级的强大实力。

1. 智能知识库x某农商行

帮助行方从原来人工加工知识，变为大模型加工知识，大幅缩减人工知识运营工时，知识梳理周期从数月压缩至7小时，知识应用后，问题首次解决率为80%。

1. 会话洞察x某寿险

大模型自主挖掘沉睡的沟通记录，将客户需求洞察节点从服务后置转向服务前置，实现退保客诉同比下降10%的突破性成果。

1. 智能语音x某股份制信用卡中心

在信用卡催收场景中，超拟人音色与多Agent协呼能力使客户还款意愿评分提升30%。

最后，孔淼介绍了容联云数智化产品矩阵，勾勒出一站式赋能金融企业的全景蓝图。

1. 容犀 AICC：大模型客户体验联络中心产品。

1. 诸葛智能：构建基于全域客户的数智化经营数据底座。

诸葛IO：自主可控的全行级埋点分析平台;

营销数据集市：全场景动态实时的客户数据资产平台;

诸葛CEP：以用户为中心的营销策略管理平台;