盈米基金肖雯：金融机构的AI转型之路

“在AI的洪流中，金融企业的护城河到底是什么？在通用AI能力基础上，垂直领域的行业认知与专业know-how，以及在此基础上沉淀的独有业务数据、与业务深度绑定的专业工作流，尤其是与 AI 结合后的新型工作范式。这才是我们的核心竞争力，也是真正的护城河。”6月27日，在新金融联盟主办的“AI驱动资管业务价值跃迁的路径与挑战”内部研讨会上，盈米基金董事长肖雯表示。

在她看来，投资这一职业高度依赖隐性经验以及非结构化判断，合规要求也极其严格，输出必须可追溯、可审计、可解释；同时，行业数据敏感度高，信息隔离要求非常严格。所以，资管机构的AI转型需要在“尊重专业判断力”与“释放AI生产力”之间找到平衡。以下为肖雯发言全文。

金融机构的AI转型之路

文| 肖雯

非常荣幸有这个机会，向大家汇报盈米基金作为一家财富管理机构，过去三年在AI应用方面的心得与实践。

AI 重构金融行业三项核心能力

在海外，有一个通行说法，AI渗透落地乃至颠覆最快的行业，第一是编码，第二是金融。为什么金融业会成为AI落地最快的行业？因为金融业本质上是在交易各种信息和数据，金融业在过去几十年的发展中，沉淀了大量的规则、规范、模型和明确的标准，这正是AI最能发挥作用的场景。短短三年间，AI 已经从会说话的大模型，进化为能够自主思考、调用工具、自我反思、承担复杂任务的智能体引擎，对行业的改变正在加速深化。

我们认为，AI正在重构金融行业的三项核心能力。

第一，客户服务能力的重构。以财富管理为例，一个客户经理传统上只能服务300位客户，未来，在AI加持下，我们可以为每一位客户打造专属AI智能体，实现7×24小时服务，客户服务的半径与效率将得到极大提升。

第二，金融从业者工作重心的重构。过去，金融从业者大量的工作时间消耗在整理、收集和处理信息上。未来，从业人员的核心工作转向定义问题、制定规则、审核结果并且负责为结果兜底。这一转变对金融行业的工作范式影响深远。

第三，组织协同能力的重构。以往我们强调人与人的协同，但未来将出现人与AI、智能体与智能体之间的多重协同。这种变化对现有的管理模式和组织体系将构成巨大的挑战。所以，未来金融机构的运营模式将发生根本性的变化，人与智能体的协作、智能体与智能体之间的协作将会成为组织新范式。

目前可以看到的是个人使用AI的效率提升非常明显，但真正要把AI用到企业内部核心生产流程，进入企业工作流，挑战巨大。

所以我们说，AI的转型不是IT项目，而是组织变革项目，是“一把手”工程。按过往经验，我们很容易把AI交给IT部门去实施，做成IT项目，但效果往往不达预期。真正AI转型的核心是组织变革，是形成自上而下的组织心智，它要让全员相信、参与和共建。组织的AI转型不在于安装了多少模型，而在于能否真正把AI融入企业的工作流程并交付结果和创新商业模式。这也是为什么它是“一把手”工程的原因。

AI 转型要经历四个阶段

从企业实践来看，AI转型一般要经历四个阶段。

第一个阶段，个人提效。目前很多机构已经做到这一点，员工个人在日常工作中使用AI工具，在自己的工作环节实现效率提升，但未与企业核心数据与流程打通，对组织整体能力的提升有限。

第二个阶段，流程嵌入。人在自己的工作流程和场景中使用AI辅助，这里核心驱动仍然是人。比如让AI协助编程，在客服流程里，通过AI辅助查询数据和内容，最终由人输出结果，同样能实现显著提效。

第三个阶段，作业承接。在特定的限制场景与作业中，AI接管从输入、执行到输出的全过程。人做什么？设计、定义规则，最后校验结果。这里的核心是AI驱动，涉及到多智能体的编排与协作，对企业内部数据治理尤其是企业级智能体平台提出了很高要求。

第四个阶段，商业模式创新。通过AI应用探索全新的商业模式，实现经营重构。在这一点上，目前大部分企业仍处于早期探索中。

企业需在四个关键领域加大投入

要沿着这四个稳步推进，企业需要在四个关键领域持续加大投入。

第一，数据治理。金融行业虽然数据丰富，但数据孤岛、部门墙和烟囱式系统普遍存在。AI行业常说“垃圾进、垃圾出”，如果不真正把数据采集、清洗、打标、存储、管理以及利用全流程集成起来，智能化就没有坚实基础。尤其在资管行业，整个数据源的治理至关重要，没有这个基础，智能体就无法有效运作。我们在与多家资管机构合作时，第一个项目落地的往往就是数据治理，数字化是智能化的基础，数据治理是AI转型的第一步。

第二，知识梳理。企业中存在大量隐性和显性知识，过去都沉淀在流程、规则、系统和人的脑子里。现在的核心问题是如何把这些写给人看的内容变成AI能读懂的内容，尤其是人脑中的隐性经验和专业判断力如何沉淀下来，逐步打磨出不断优化的Skill和Agent，形成可推理、可迭代的知识图谱和知识结构，让AI能够识别、调用和编排，从而成为生产力基础。

这件事难度很大，因为过去所有东西都是写给人看的，现在要面向AI重新梳理知识图谱与上下文工程，对原有知识体系进行重构。在盈米，新建的系统因为没有历史包袱，AI落地很快，但要对沉淀了十年的老系统进行知识梳理和AI化改造，挑战巨大，需要精心组织，循序渐进。

第三，场景建设。在前两步的基础上，可以筛选AI比较容易落地和发挥价值的场景，按照先易后难的原则进行逐步改造，再逐步将场景和能力串联起来，形成生产力。在这个过程中，关键是要沉淀对应的Skill和智能体，通过接管一个个场景、一项项工作，让它们逐步形成闭环，并且持续迭代进化。让Skill和智能体保持“活性”，最终沉淀为企业自身的能力资产。

第四，组织变革。过去企业的管理、分工协作都是按人来组织的，现在要围绕智能体与人的协作来组织，这会导致整个工作流程、组织结构和管理模式都要发生变化。简单地说，生产力提高了，生产关系就要随之调整。例如，今年盈米明确提出研发人员要全栈（我们公司有一半人员是科技研发人员），过去研发人员分为产品、前端、后端、测试等细分岗位，而AI时代要求所有人具备全栈能力。一旦推进全栈转型，原有的考核体系、岗位职责与标准、晋升规则就都要随之调整。

资管行业面临特殊挑战

在资管行业，AI在投资中应用难度更高。因为投资这一职业高度依赖隐性经验以及非结构化判断，合规要求也极其严格，输出必须可追溯、可审计、可解释；同时，行业数据敏感度高，信息隔离要求非常严格。所以，资管机构的AI转型需要在“尊重专业判断力”与“释放AI生产力”之间找到平衡。

也许有人觉得金融行业有牌照保护、有准入门槛，转型压力没有那么大。但观察海外的动向会给我们一些启示。以两家典型巨头为例：

• Open AI联合19家PE机构设立了百亿级基金，将AI解决方案批量部署到被投企业的运营体系中；同时Open AI在过去半年里连续收购了两家财富管理机构，一家深耕税收领域、一家专注资产配置，其做法是“收购公司、收编专业团队、关停原有产品”，直接获取金融垂直领域的行业经验。

• 另一家巨头Anthropic，一方面与 LPL 合作，为三万名投资顾问配置了金融专用插件；另一方面与黑石、高盛成立合资公司，推进AI的企业级应用。另外，Anthropic还一口气推出了十款金融专用智能体。

这些信号都表明，过去“卖铲子”的技术服务商，正在转身成为行业的直接参与者和竞争者。这一趋势在海外演进很快，揭示了行业的未来趋势。

盈米基金的 AI 转型实践

接下来，我简要汇报一下盈米的具体实践。我们三年前启动了AI转型，计划将盈米打造成全面以AI为生产力基础的新型财富管理机构。

我们的转型重点围绕以下四个方面展开。

第一，AI基础设施建设。我们组建了专门的AI基础设施团队，部署了不同公司、不同尺寸的200多个模型，在此基础上搭建了完整的工具链、安全管制系统和安全沙箱，并通过与阿里云等云厂商合作，将AI基础设施与工具铺到了每一个工位，确保员工在安全合规的环境下使用AI。没有这些前提，是无法直接让员工将大模型运用于工作流程和场景中的。

第二，人才培养。我们发现市场上很难直接找到既懂业务又懂AI的复合型人才，于是从2024年开始通过连续两年公司级 AI 大赛、全员工具普及、上百场内部分享及Workshop来培养内部人才。今年我们又率先推动科技人员实现AI全栈，明年还将把全栈要求延伸至业务人员。到现在，我们已经培养出4~5名超级个体和40~50名AI业务专家，他们是盈米让AI在企业内部落地生根的主力军。

第三，产品落地。在前两项基础之上，产品落地是水到渠成的事。且慢的AI小顾从1.0、2.0到3.0的不断迭代、盈米图书馆、合规审核系统等产品相继问世。公司内部员工使用AI的氛围热火朝天，目前我们内部 Dify 平台上已有三千多个大小不一的 AI 应用，全部由业务团队的同事自主搭建，实现了自下而上的创新涌现。

第四，开放生态。我们推出了行业内首个MCP Server服务，作为连接器打通大模型与内部知识库、数据系统，目前已有1100多个能力接口供内外部使用，并将其中78项核心能力对外部用户开放，在我们的OAP开放平台上供350家金融机构的五千余名用户深度使用，并与阿里云、百度等伙伴合作，将金融专业能力开放给更广泛的用户。

接下来我介绍几个具体的落地应用项目。

第一个项目是盈米Vesta投研平台的AI化改造。我们前期已经打造了一套工具化、工业化的投研平台，让研究员和投资团队共享一个工作台去完成基金研究、策略构建、策略评价、策略回撤等全流程工作，本质上是一套策略生成和投研工作台，是盈米投研工业化的体现。从今年开始，我们对这套体系进行AI化改造，拆解为三层架构：基础层保障质量，能力层保障灵活性，上层提供场景化应用。通过MCP和各种Skills，面向不同用户提供差异化服务，进而实现从行业研究、因子生产、投资信号构建、评估洞察到成果输出的全流程AI化。

第二个项目是AI驱动内容生产平台。投顾的核心是投教，投教的核心是优质内容。我们在AI对非结构化数据进行高效处理、高效内容创作方面做了大量探索，核心是把非结构化的泛财经内容转化为结构化资产。我们归集了全市场3100余个泛财经内容源，对广域财经内容打上了2.8万个标签，构建了900多棵知识树和知识图谱，在此基础上，AI编辑部以极低的人工干预就能批量生产内容。内容创造平台由200多个数字员工与48个Skills协同运作，构成了AI驱动的内容创作全新范式。这个平台每周产生800到1000篇内容，自动化率已超90%。金融行业AI应用最大的痛点是幻觉，通过前期数据治理的长期积累，即便在2万多字的投研报告中，我们的数据准确率也能稳定达到99.5%。这套能力除了满足盈米自身使用，也已经服务了20多家金融机构。

第三个项目是内容合规审核平台。经过三年多长期探索，我们落地了AI合规审核系统。依托过去十年沉淀的8万篇已审核文章的标注与一百多条合规规则训练模型，通过多智能体协同完成前置审核，在内容创作与最终合规终审之间搭建了1.5道防线，有效提升审核效率与合规标准的一致性。已成为在八部委金融产品网络营销新规下，满足机构合规要求的刚需。

第四个项目是我们且慢旗下的AI小顾。是基金行业最早的面向C端投资者的投顾产品，现在已经迭代到3.0版本。通过超级智能体统筹30多个细分智能体协同工作，能够自主编排回答客户的复杂问题，从2024年开始正式对外服务。目前已服务超过18万客户，7X24在线服务客户。最有价值的是用户累计提出的250万个问题，这是非常宝贵的数据资产。

在AI的洪流中，金融企业的护城河到底是什么？在通用AI能力基础上，垂直领域的行业认知与专业know-how，以及在此基础上沉淀的独有业务数据、与业务深度绑定的专业工作流，尤其是与 AI 结合后的新型工作范式。这才是我们的核心竞争力，也是真正的护城河。

最后谈一下心得，根据盈米过去三年实践走过的路和踩过的坑，总结下来有以下四点。

第一，AI变革不是IT项目，而是组织变革，其中组织心智的形成尤为关键，AI转型的成就不仅仅是一项技术成就，而是一项组织成就，它取决于企业对AI支撑决策的信任和决心。

第二，比个人提效更难也更重要的是组织提效与模式创新，如何真正建立企业级AI应用平台，把AI深度融入工作流程与经营体系，是企业面向AI转型的最大挑战，也将是企业新的竞争优势。

第三，公司业务要面向AI再资产化，业务人员和技术人员的深入融合尤为关键，他们必须紧紧拥抱在一起，共同创造出人机协同的新的作业模式。

第四，从小场景闭环做起，实现正反馈，持续提升员工的参与积极性与成就感。