中信建投选送 | 006号入围案例：数字金融驱动的财富管理全媒体交互智能平台

2025数字金融服务创新与场景应用案例征集业已启动。为丰富案例评审形式，全面展现数字金融行业风貌，自8月25日起将依投稿时序对投稿作品进行线上展示。相关作品的浏览量、点赞量、转发量及推荐量等数据指标，将作为后续评审的重要参考依据。

每一次观看，都是对行业价值的认同；

每一个点赞，都是对同仁努力的肯定；

每一项转发，都是对行业声音的传递；

案例：

中信建投证券成立于2005年11月2日，是经中国证监会批准设立的全国性大型综合证券公司。公司注册于北京，注册资本77.57亿元，主要股东有北京金融控股集团有限公司、中央汇金投资有限责任公司与中国中信集团有限公司，均为拥有雄厚资本实力、丰富资本运作经验与较高社会知名度的大型企业。公司在全国30个省、自治区和直辖市设有313家分支机构，并设有中信建投期货有限公司、中信建投资本管理有限公司等5家全资子公司。

一、项目背景

近年来，国内外经济形势严峻复杂，全球经济复苏进程缓慢且不稳定，国际贸易摩擦不断升级，地缘政治冲突时有发生，这些因素相互交织，给金融市场带来了巨大的不确定性。国内经济也面临着需求收缩、供给冲击、预期转弱等多重压力，经济增长速度有所放缓。在这样的宏观经济环境下，金融市场波动剧烈，证券行业首当其冲。例如2024年9月24日行情来袭，证券市场出现了大幅波动，证券行业受到强烈冲击，客户的投资组合价值在短时间内发生了显著变化。在这种情况下，客户的服务难度大幅增加，他们对财富管理服务的需求变得愈发多样，不仅要求金融机构提供及时准确的市场信息和专业的投资建议，还希望得到个性化的资产配置方案和风险控制策略，以应对市场的不确定性，保障资产的安全和增值。

随着数字化转型和新一代人工智能技术的不断发展，中信建投证券积极探索科技赋能，以提升财富管理客户服务能力。团队致力于构建全媒体交互智能平台，赋能公司客服业务全链路数字化升级，为一线员工在服务客户全过程中提供强有力的技术支持。该平台通过以下三个层面实现服务全流程智能化服务：事前（服务前），利用沉淀知识帮助员工快速提升服务技能，提前触达客户了解客户意图；事中（服务中），快速响应客户需求，提升坐席服务效率；事后（服务后），跟踪分析服务全过程，为管理人员提供智能决策支持。而今，尤其是近两年生成式预训练大模型技术的快速演进，为财富管理业务的智能化升级带来了新的机遇和挑战。团队紧跟技术前沿，逐步探索全流程服务线全方位大模型升级，通过一系列措施满足业务部门对新兴智能化服务的需求，以此提升公司在财富管理领域的整体服务能力及市场竞争力。

二、主要解决问题

调研发现，证券行业该领域研究深度主要在以下方面表现不足，具体体现在：

财富管理业务的深度赋能：现有研究多集中在基础客服场景，对于财富管理业务中如何利用大模型技术实现全场景、全流程的深度赋能，以满足客户日益多元化、个性化的财富管理需求，提升财富管理服务的质量和效率等方面的研究还不够深入。

智能化客户服务生态系统的构建：目前对于如何构建智能化、数字化的客户服务生态系统，实现客服体系的全面重构，以提升金融机构在财富管理领域的整体服务能力及突发风险应对能力等方面的研究还不够系统和完善。

复杂业务场景的智能辅助支持：在跨市场分析和组合策略调整等复杂业务场景中，现有的人工智能辅助员工服务能力仍显不足，难以满足实际业务需求，存在很大的探索落地空间。

针对财富管理业务中客户基数庞大与客服能力不足的挑战，中信建投证券积极探索科技赋能，通过构建财富管理全媒体交互智能平台，赋能公司财富管理服务业务全链路数字化升级，为一线员工在服务客户全过程中提供强有力的技术支持。在当前复杂多变的经济形势和激烈的市场竞争环境下，开展证券财富管理业务智能化升级的研究具有极其重要的现实意义和紧迫性，不仅有助于金融机构更好地应对市场挑战，满足客户需求，提升自身竞争力，还对推动整个财富管理行业的数字化转型和高质量发展具有积极的示范作用。

三、案例概述

中信建投证券响应中央金融工作会议的号召，借助大模型等前沿技术，构建财富管理全媒体交互智能平台，实现客户服务全流程智能化改造。该平台以大模型作为核心决策和任务调度模块，集成语音识别、意图提取、知识库、智能质检等多种智能化技术，构建了综合性智能化赋能平台。同时深度融合文本、语音、视频等多模态交互方式，实现全渠道客户关系触达和金融服务的事前、事中、事后的全流程赋能，形成大模型赋能的智能化金融服务生态。

图1 财富管理全媒体交互智能平台架构图

财富管理全媒体交互智能平台通过建立"AI+人工"协同矩阵，实现服务流程再造，针对标准化业务，部署智能客服集群，实现7×24小时即时响应，大幅提升服务产能。针对高净值客户与复杂业务，构建"事前智“慧”，事中智“助”和事后智“学”"的全流程数字化赋能体系。事前，运用AI与大模型整合客户信息，精准绘制画像，针对不同客户群体优化外呼策略，个性化推送金融产品；事中，智能客服快速提升问题解决率，坐席辅助实时为员工提供服务支持；事后，智能质检分析服务流程，优化服务策略，为管理人员提供智能决策支持。

图2 财富管理全媒体交互智能平台服务模式

财富管理全媒体交互智能平台服务模式详情如下：

（1）事前阶段：智慧赋能，精准洞察客户需求

在客户服务的事前准备阶段，通过AI技术与生成式预训练大模型的深度融合，为客服业务提供了强大的支持。一方面，利用大模型整合公司海量的客户信息，对客户的历史交易记录、偏好数据以及咨询记录等多维度信息进行深度挖掘与分析，生成更为精准且全面的客户画像。辅助客服人员提前洞察客户需求，进而制定出更具针对性的个性化服务方案。另一方面，智能外呼模块在大模型的改造下，实现质的飞跃。利用大模型从优秀的人工外呼服务记录中抽取优质话术与沟通技巧，提炼外呼模板。实际通话过程中，平台灵活运用生成话术，并实时分析客户反馈，动态调整外呼策略，从而显著提升客户体验与沟通效果，提高外呼的成功率与转化率，极大地节省人工时间，提升服务效率。

（2）事中阶段：智能辅助，提升服务质量和效率

在客户服务的过程中，多种人工智能技术的应用极大地提升了服务质量和效率。智能客服模块借助生成式预训练大模型，抽取最新业务文档、行业公告等数据，实现常见问题解答（FAQ）的自动化扩充。模型通过深度学习海量业务知识，自动识别客户问题的核心意图，并精准匹配FAQ库中的回答，提升智能客服问题解决率和拦截率。同时，利用大模型根据客户问题的热度和复杂程度，自动调整回答的优先级和详细程度，确保用户获得最优质的服务体验。坐席辅助模块则利用大模型对服务流程进行预判，根据配置模板进行意图匹配，辅助坐席实现多功能服务。当客户提出问题时，大模型能够快速分析问题的性质和类别，并预测客户可能的后续需求，为坐席提供精准的建议和解决方案。此外，基于大模型实时监测坐席的服务表现，根据服务流程和话术模板，对坐席的操作进行实时指导和提醒，帮助坐席更好地应对各种复杂情况，提升服务质量和客户满意度。

（3）事后阶段：智能学习，优化服务流程和策略

在客户服务的后期阶段，对全服务流程进行回归分析和优化是提升服务质量的关键环节。智能质检模块在大模型技术迭代下，全面分析通话内容、服务流程、话术规范等数据，精准识别服务质量问题，并提供详细的分析报告和改进建议，进一步推动客服业务的持续优化，增强客服系统应对突发情况和异常指标的快速响应能力。同时，利用大模型对服务记录进行深度分析，提取优秀话术、抽取热点问题，并对服务流程提出优化建议。这些数据不仅便于管理层进行数据统计和监控，还为员工提供了宝贵的学习资源，帮助他们不断提升服务技能和服务质量。

四、创新亮点

财富管理全媒体交互智能平台具备如下技术特点和创新优势：

（1）“大模型 + 专业小模型”打造智能客服 AI 底座

系统技术架构方面，平台采用模块化、可扩展的整体架构设计，构建了自然语言解析、提示词设计与管理等基础功能模块。通过与传统NLP算法、向量知识库的结合，适应不同业务场景的需要。同时，平台通过设计封装search代理、web代理等通用agent能力，实现了对于金融服务场景的优化适配。从而实现对于智能质检、智能投顾、多模态客服、智能检索等多个通用业务场景Agent构建的支持。此外，大模型微调方面团队构建了行业级10w+条精选智能客服场景问答数据微调语料库，评估选择优质底座模型（已完成通义千问系列、kimi、deepseek系列等多种底座模型本地私有化部署），并运用高效微调技术，成功将智能客服场景微调准确率提升至 90%以上，为数字普惠金融的智能化服务提供强大技术支撑。

图3 大模型系统架构图

（2）多种 AI 技术融合构建智能知识中台

项目组创新性地融合知识图谱、大语言模型、Elastic Search 优化、向量知识库等技术构建知识中台，作为枢纽已赋能多个业务场景，知识中台搜索总流程图如图4所示。通过知识图谱和 LLM 泛化用户查询，生成相关子问题，提升搜索覆盖面和精确度。优化 Elastic Search 查询机制，引入多字段模糊查询、过滤器机制、字段权重控制等，提升搜索结果质量。构建向量知识库实现高效检索，再对多源检索结果进行筛选、重排序，并结合用户上下文和反馈进行个性化调整，生成最终Top-K搜索结果，旨在为用户提供精准、高效且个性化的搜索体验。相应专利《一种数据检索方法、装置及系统与流程》已获授权。

图4 知识中台搜索总流程图

（3）基于大模型打造客服Copilot

客服Copilot（智能座席辅助）集成智能客服积累的所有AI技术，目标是助力客服坐席人员提升工作效率、优化业务流程、控制风险、提升客户体验。将大模型等多种AI技术与客户服务全流程深度融合，致力于让每一位一线人员成为专家，帮助坐席人员在与客户沟通的前、中、后阶段全方位提供AI助理。实时页面效果如图5所示。例如，在等待接听过程中，平台可自动化展示客户画像详情；接通后，对回放流程关键环节进行醒目提示，并通过自动语音识别（ASR）技术自动识别客户及坐席谈话，实时推荐沟通中涉及的相关知识点，同时进行合规质检；沟通结束后，平台利用大模型自动生成会话小结，自动提取客户动态画像，全面助力坐席人员提升服务专业化水平，优化客户体验。在产品功能上，具备实时提醒的丰富话术、灵活配置的产品知识库、贴合业务场景的流程导航等特色功能，能够根据客户问题自动判断分支流程走向，满足复杂业务流程的赋能需求。

图5 客服Copilot实时页面

五、应用落地

（1）经济效益：

财富管理全媒体交互智能平台建设累计投入900+万元，构建的众多智能助手作为“虚拟员工”，约替代300+人员工作量，年均节省资金额4000+万元，赋能多个业务场景进而实现降本增效。具体表现在：

智能外呼机器人平均每年可完成约440W通电话，按人工每人每工作日处理160件回访任务计算，约节省103个人天工作量，有效减少了对人工客服的依赖。利用大模型重构流程，员工仅需输入外呼目的、导入号码名单、导入活动信息，即可交给AI自动规划外呼，真正实现千人千面的外呼效果。

图6 外呼机器人大模型配置流程

智能客服机器人日常服务2000通来电，按人工每人每工作日处理60件呼入来电计算，约节省33个人天工作量。搭建大模型会话分析助手，利用大模型对人机对话、人人对话进行批量分析，生成交互记录小结、分析机器人语音、语义解析效果、确定业务属性标签、总结用户意图等。针对机器人拦截失败的特定场景，利用大模型对完整服务链路对话记录进行“根因分析”，挖掘客户“不满意”机器人服务的深层次原因，再进行针对性智能客服优化，平均每个工作日可节省20个人天工作量。

图7 根因分析示意图

基于大模型文本提取能力，搭建上市公司公告提取助手，筛选出交易所最新公告中配股、配债、新股、新债退市等信息，搭建工作流实现“原始公告->知识库标问标答”全自动链路处理，解决一线坐席人员新资讯跟踪差的难题。消息群推送智能助手实现定时股市日历推送、特定交易所公告推送、证券交易融资“公告”推送功能。平均每天生产、推送有效信息2000条，较人工查询、分析和定位工作节约工时200h/天，节省25个人天工作量。

图8 公告信息抽取示意图

客服Copilot（智能座席辅助）实现人人会话小节、工单总结流转、语音转文字、录音问题更便捷锁定与回听、信息整合查询等功能，全链路共节省283h/天，约节省35.375个人天工作量。该模块优化整合了13项跨系统查询场景，部署辅助流程及智能FAQ提醒功能共计1000余项。累计为人工客服提供45.5万次辅助支持，为回访人员提供391万次辅助服务，新人成长周期从3个月缩短至1个月。客户问题首解率从85%提升至95%，单通电话处理总时长从9.74分钟逐步缩减至8.51分钟，客服热线承载力提升13%。客户等待时长缩短，接通率提高，客户满意度指标从97.62%提升至99.51%。

图9 客服Copilot提效指标对比图

智能质检模块实现质检量由人工抽检3%提升到机器质检100%，替代95%的质检工作，合计人工替代工时990h/天，约节省123.75个人天工作量。

多功能企微问答助手：项目组通过攻克多格式文本解析、文档自动切片、Elastic Search召回检索、索引知识重排、RAG+大模型问答整合、大模型意图分类、实体抽取、SQL补全等技术，最终落地并实现了电商服务台群智能助手、开户见证智能助手、两融券源问答助手、公告解析机器人等多个应用，赋能证金、财富委、运营管理部等多个业务部门，有效减轻业务服务压力。具体地，实现分词器优化：构建自定义分词库、同义词库、无关词剔除库共1000+条数据；向量库构建：构建20w+条向量知识片段；关键词检索优化：共优化关键词检索项20+项；数据管理运营：清洗高质量问答6000+条，文档10000+份。

图10 AI+企微智能客服功能及样例示意图

（2）社会效益：

平台建设过程中，集成前沿智能化工具及多模态交互技术，是金融服务场景与科技深度融合的典型实践案例，实现了技术与业务协同助力的良好发展模式，有效推动数智化金融的建设。智能客服技术在行业中属于较为领先水平，先后跟申万宏源、国信等券商进行技术交流，无论是应用广度还是深度，均为行业提供了较好的典型实践经验。项目建设期间注重相关知识产权成果的积累，获得国家专利授权4项，软著9项，累计在《金融电子化》、《交易期刊前沿》等期刊发表论文10篇，荣获中国证券业协会优秀课题、深交所优秀课题等10项行业内外奖项，具备强大的技术研发与创新能力。

（3）金融“五篇大文章”的赋能

中信建投证券财富管理全媒体交互智能平台深度融合数字技术与金融服务，为金融“五篇大文章”提供了有力赋能，推动了金融行业的高质量发展。服务实体经济方面：平台通过智能化手段精准洞察客户需求，快速响应企业融资和投资需求，提供个性化金融服务方案，降低企业融资成本，助力实体经济发展。防控金融风险方面：事后阶段能够对服务全流程进行分析和优化，精准识别风险点，提前预警市场风险和信用风险，为金融机构的风险管理提供支持。深化金融改革方面：平台融合多种前沿人工智能技术和多模态交互方式，实现金融服务全流程智能化升级，打破传统模式局限，推动金融业务创新和变革，为金融改革提供新思路和实践路径。促进金融普惠方面：平台通过智能化手段扩大了金融服务的覆盖范围，降低了服务门槛，让更多客户尤其是小微企业和普通投资者能够享受到便捷、高效的金融服务，有力地促进了普惠金融发展，助力国家共同富裕目标的实现。特别是在“适老化”场景中，平台通过提供个性化的智能服务，优化了老年客户的金融服务体验，解决了传统金融服务对老年人不友好的问题，实现了更广泛的金融普惠和金融服务共享。

文/中信建投证券股份有限公司

往期案例