中信建投证券信息技术部高级经理张健：证券金融领域数智员工体系建设

当前国内金融行业已进入人工智能规模化落地关键阶段，《关于深入实施“人工智能+”行动的意见》划定AI原生、智能体建设、安全底座发展主线，金融“五篇大文章”将数字金融定为行业转型核心底座，推动财富管理、合规风控等业务全面革新。证券行业加速向财富管理转型，业务复杂度、客户个性化需求持续激增，同时存在优质投顾稀缺、人力成本高企、业务峰谷人力错配等现实难题。2025年为智能体元年，2026年迎来金融智能体规模化落地窗口期。大模型幻觉问题显著改善，算力、开发框架持续成熟，Harness、Loop闭环等工程理念落地成熟，为可控AI应用提供支撑。但行业零散开发智能工具，普遍存在重复建设、金融专业适配不足、决策链路无法追溯等痛点。

近日，在2026金融科技创新发展论坛暨第九届金融科技管理人年会上，中信建投证券信息技术部高级经理张健分享数智员工建设实践，依托多年RPA与大模型落地经验，拆解行业痛点、发布分层技术架构，输出适配证券行业、兼顾合规与效能的标准化转型方案。

一、三重驱动共振：政策、技术、业务催生数智员工体系建设

证券数智员工体系落地，是政策导向、技术成熟、业务转型三重力量共同推动的必然结果，三者形成闭环合力，倒逼机构搭建统一化智能能力底座。

1.政策顶层规划明确AI金融发展主线

国家顶层文件持续划定金融AI发展框架，《关于深入实施“人工智能+”行动的意见》聚焦AI原生应用、智能体规模化部署、行业专属基础设施、全链路安全管控四大建设重点；金融“五篇大文章”以数字金融为基座，要求重构经纪、投研、风控、财富管理业务链路，推动券商告别零散化AI工具开发，搭建覆盖全业务线的体系化智能能力平台。

2.底层技术成熟扫清规模化落地障碍

技术成熟是2026年券商集中布局数智员工的核心支撑。一方面通用大模型多任务调度、逻辑推理能力显著增强，生成幻觉大幅减少，可满足金融生产环境基础使用要求；另一方面智能体开发框架、算力调度体系持续完善，工程化落地思路解决金融行业对AI可观测、可追溯、高稳定的硬性约束。同时智能体敏捷开发工具迭代，机构快速搭建业务专属智能体的成本持续降低，场景智能化改造需求全面爆发。

3.业务转型压力倒逼AI替代重复性人力

证券经纪业务全面转向财富管理，衍生两大核心业务矛盾：一是客户分层运营、资产配置、个性化投顾需求激增，业务流程复杂度成倍提升；二是优质投顾人才供给不足，海量客户服务需求与有限人力形成错配，人力成本、淡旺季工作量失衡问题难以缓解。

数智员工成为破解人力瓶颈的核心方案：由智能体承接文档处理、合规筛查、资讯整理等标准化高频工作，释放研究员、投顾聚焦客户深度经营、市场研判等高价值工作；智能体7×24小时不间断运行，完美适配业务峰谷波动，兼顾降本与服务体验升级。同时智能体的深度智能化能力，也为券商探索AI原生财富管理新模式提供创新空间。

二、行业落地核心痛点：“孤、专、黑”三大难题制约智能体规模化应用

当前多数机构单点开发智能工具，落地过程中集中暴露三类共性痛点，可概括为“孤、专、黑”三字，也是整套数智员工架构核心解决的问题。

1.“孤”：全链路智能化能力孤岛化

孤岛问题覆盖技术、智能体、业务场景三层：其一为能力孤岛，各业务条线独立开发文档解析、合规审查、资讯分析等基础工具，企业与行业内重复研发，资源浪费严重；其二为智能体孤岛，投顾、投研、风控、客服条线智能体相互独立，缺少统一调度引擎统筹任务分配；其三为场景孤岛，跨部门业务流程存在断点，投顾咨询、客户营销等场景无法自动流转协同，业务链路割裂。

2.“专”：通用大模型缺失金融专业适配能力

通用基础模型无法直接适配证券专业场景，短板集中在三点：一是专业业务逻辑缺失，券商不自主训练基础大模型（训练成本高、轻量化模型时效性差），企业内部沉淀的业务流程、交易规则、投顾标准等专属资产无法嵌入通用模型，直接拉低智能体执行效果；二是专业知识供给不足，监管规则、内部制度、投研报告等海量专业资料缺少统一纳管平台，智能体无法精准调取专业知识库；三是通用智能体与金融场景适配度低，市面通用产品测试效果优异，但落地证券合规、财富管理场景后难以贴合真实业务流程，且天然存在合规安全隐患。

3.“黑”：全链路决策执行无追溯，生产落地风险突出

黑箱问题是机构不敢放开智能体自主执行权限的关键：一是模型决策黑箱，大模型输出研判、建议的推理过程无法直观展示；二是智能体执行黑箱，多智能体协同完成复杂任务时，任务拆解、工具调用、信息交互无完整记录，监管审计、问题溯源缺少依据；三是执行结果存在不确定性，测试环境运行稳定，但生产环境自主输出波动大，业务人员普遍“能用不敢用”，难以大规模替代人工。

三、四大建设目标：锚定降本增效、能力复用、流程贯通、全员赋能

针对行业“孤、专、黑”痛点，数智员工体系确立四大核心建设目标，覆盖业务价值、技术架构、组织应用全维度：

降本增效：将周报撰写、文件流转、合规筛查等高频重复工作交由数智员工承接，压缩人工操作时长，整体作业效率实现显著提升；

能力复用：搭建标准化可扩展智能体技能库，统一沉淀舆情分析、风险识别、文档处理等AI能力，实现一次开发、全业务场景复用，根除重复建设；

流程贯通：依托统一调度引擎打通跨岗位、跨部门业务断点，实现业务任务端到端智能流转，消除场景孤岛；

全员赋能：为每位业务人员配备专属数智员工助手，降低AI工具使用门槛，普通员工无需掌握开发技术，即可借助智能体完成复杂业务工作。

四、四层分层技术架构：搭建全场景可控数智员工底层底座

整套平台采用四层分层架构，自下而上依次为基础支撑层、技术基础设施层、智能体生态层、业务场景层，各层级依靠标准化接口完成能力互通、数据交互，配套RPA资源池、微服务架构保障整体扩展性。

1.基础支撑层：全域底层能力底座

作为体系底层基建，整合五大核心能力：全业务系统集成通道、统一数据安全策略、标准化软硬件基础设施、跨模块标准接口、RPA流程资源池与微服务集群，为上层智能体、业务场景提供稳定调用、数据传输、流程执行支撑，同步搭建数据沉淀、需求反馈、自动化迭代闭环。

2.技术基础设施层：三大核心模块破解专业、调度短板

本层是平台核心技术底座，打造知识中台、智能体开发管理平台、意图识别调度引擎三大模块，针对性补齐专业缺失、智能体孤岛两大痛点：

知识中台：统一纳管全业务文档、制度、投研资料，搭建知识图谱与语义检索体系，实现单条知识细粒度权限管控，管控覆盖人员、智能体双向维度，为智能体精准注入金融专业知识；

智能体开发管理平台：覆盖智能体全生命周期管理，从需求评估、开发、上线、评测、运行观测到下线一体化管控，保障所有智能体稳定、可观测、可治理；

意图识别调度引擎：完成复杂任务拆解、多智能体分发调度、路由策略执行，统一管控智能体数据、工具调用权限，实现多智能体有序协同。

3.智能体生态层：多智能体协同分工体系

依托底层基座拆分细分业务能力，搭建标准化子智能体集群，覆盖办公、投研、合规风控、研究、编辑五大类智能体，分别负责公文流转、市场分析、风险预警、数据挖掘、任务拆解等细分工作。各智能体通过标准化接口互联互通，由调度引擎统一统筹，彻底解决智能体孤岛问题。

4.业务场景层：面向全业务条线交付场景化服务

将底层智能体能力封装为完整业务解决方案，落地智能办公自动化、智能投研、智能合规风控、深度研究四大核心场景，覆盖行政、财富投顾、交易风控、行业研究全链路，直接面向业务人员提供一站式数智员工服务。

五、四大差异化创新：打造证券行业AI原生数字员工生态

整套体系形成四大行业差异化创新，贴合证券强合规、重专业、多流程协同的行业特征，突破通用智能体落地局限。

1.全场景一体化数智员工生态，破除烟囱式系统架构

摒弃单点智能体开发模式，整合分散 AI 能力、存量 RPA 流程、内部业务系统，搭建一体化平台，打造多端操作触点，完整覆盖券商各主要业务条线与大量细分业务场景，沉淀丰富标准化 RPA 流程，实现智能化能力全域体系化赋能，解决传统系统烟囱式孤立建设难题。

2.智能体+RPA双层自动化，构建安全可控人机协同新模式

针对通用智能体执行不稳定缺陷，创新双层协同机制：上层智能体负责自然语言交互、意图判断、任务规划；底层RPA承接标准化、确定性流程执行，二者形成协同闭环。一方面利用大模型优化RPA规则设计与智能路由；另一方面由智能体统一调度存量RPA流程，依靠RPA零偏差规则执行对冲智能体输出波动风险，兼顾AI灵活交互与流程执行准确性，所有业务流程均可安全合规自主运行。

3.知识驱动自进化机制，实现数智员工业务能力持续迭代

依托知识中台搭建人机双向反馈闭环：业务执行过程中持续沉淀各类业务文档与行业实操经验，全面覆盖多类金融细分领域；平台自动采集业务反馈、执行误差数据，反向优化知识库、提示词与调度策略，让数智员工持续积累业务知识、自主进化。

4.多智能体协同流程重塑，实现“智能驱动流程”转型

针对跨部门复杂业务需求，调度引擎自动完成任务拆解、多智能体并行编排执行，重构人工流转的传统业务流程。系统自动分发子任务、聚合执行结果、串联完整业务链路，将人工推进式流程改造为智能自主驱动流程，大幅削减人工衔接成本。

六、四重安全合规防线+项目落地综合成效

1.四重安全合规防线：全域覆盖数据、权限、审计、业务合规

证券智能化落地首要约束为监管合规与数据安全，平台搭建四层一体化安全管控体系，构筑全链路风险防护屏障。

数据安全防线：采用TLS传输加密、敏感数据识别、智能输出脱敏三重机制，搭建大模型安全围栏，智能体全部输入输出强制安全校验，严防客户信息、业务机密泄露；

访问控制防线：基于RBAC细粒度权限管控，搭建多租户数据隔离机制，员工、智能体配置独立权限策略，个人专属数智员工分身与岗位权限一一绑定；

审计追溯防线：完整留存全链路操作日志，采用防篡改存储，支持多维检索、全流程溯源，智能体任务拆解、工具调用、决策链路全程可查，满足监管审计硬性要求；

合规管理防线：内置内容安全审核引擎，自动拦截违规输出，支持自定义证券行业合规策略，实时校验智能体生成内容合规性。

四层安全能力配套基础设施安全、持续安全运营、安全策略引擎、合规基线四大底层支撑，实现安全治理常态化、体系化运行。

2.项目落地综合成效：业务效能、行业价值、技术能力同步突破

业务经济效益：体系落地后，各核心业务线均实现明显提效，办公、投研、客户服务等各类标准化事务均可交由数智员工承接，有效缓解业务淡旺季人力缺口，长期优化人力运营成本。

行业社会效益：项目搭建覆盖技术架构、场景落地、安全治理、长效运营的完整建设路径，针对行业普遍存在的技术选型、架构搭建、跨部门协同、规模化场景落地等难题提供可复用模板，填补证券行业体系化数字员工落地实践空白。

技术知识产权沉淀：项目落地期间持续沉淀自主核心技术，收获多项行业权威荣誉，同步完成多类技术专利、软件著作权申报登记，围绕智能体调度、金融知识库、AI-RPA 协同、安全围栏四大核心模块形成差异化技术护城河。

随着“人工智能+”战略持续深化，证券行业数字化转型迈入AI原生体系化建设新阶段，单点零散智能工具已无法匹配行业长期发展需求。证券金融数智员工体系通过分层技术架构、AI-RPA双层人机协同、全域安全合规治理，系统性化解行业“孤岛、专业缺失、决策黑箱”三大核心痛点，兼顾业务提效、安全合规、长效运营多重目标。

对证券行业机构而言，搭建标准化、可治理、可进化的数智员工生态，不只是降本增效的技术工具，更是面向财富管理转型、打造差异化服务能力的核心护城河。依托完整体系化落地路径，券商能够充分释放AI生产力，推动高价值人力回归核心业务，实现业务、技术、治理三位一体的深度智能化升级。