專題：第八屆中國金融科技論壇

　　中國國際服務貿易交易會第八屆中國金融科技論壇於9月9日在北京舉行，主題為「科技賦能—金融業數字化創新與應用」。奇富數科總裁周旭強出席並演講。

　　以下為演講實錄：

　　周旭強：各位來賓、各位朋友，大家好。我是奇富數科的周旭強。

　　前面幾位領導和嘉賓分享的還是挺宏觀，當然也有案例，我可能從企業內部的具體實踐來給大家做一個分享。周末的時候我做這一份PPT，我用了我們內部自己搭建的一個AI辦公的平台來做，今天給大家呈現的PPT當中大概有40%我是採用了AI給我的結果的，我大概改了60%。標題：從智力到智能，這個是AI幫我想的，但是副標題我自己加的。為什麼用這個名字呢？過去我們銀行業不管是20年還是30年，我們的線上化系統，各種信息科技系統、各種風控系統、各種模型策略，依賴於人類的智力，也就是依賴於專家，相對比較專業的事情還是得專家來做，不管是系統開發還是模型的搭建，今天AI大模型出來之後，我們已經有了一些切實可行的辦法，能夠讓這些專家人腦的智力沉澱在模型當中形成一種智能，從而能夠讓我們更多的，不管是C端用戶還是內部的員工還是廣大的客戶經理去具備一定程度上專家智力的能力，所以這是我取這個標題的原因。

　　我們公司奇富科技是一家在美國和香港兩地上市的企業，在3年前我們內部成立了AI大模型部開啓了AI賦能金融業務實踐的歷程，從今年年初開始，我們開始搭建內部的AI辦公的能力，所以總體來講我們今天搭建了一橫多縱全棧式的解決方案。

　　一橫就是底下的這個，我們本身是一家類金融企業，所以我們是想打造面向銀行業、金融機構一種企業級的AI辦公的平台，我們的名字叫Qwork，下面會具體介紹。N縱是指圍繞金融，尤其是銀行的各個業務場景去打造了一系列的各個垂直領域的智能體，主要是在兩個領域。

　　第一個是授信與風險管理的領域，我們搭建了多智能體，包括我們服務客戶經理和風險經理的AI盡調員。以及我們服務審查審批人員的AI審批官，當然我們還服務風險管理團隊工作人員的AI模型師、AI反詐師和AI策略師。這些智能體核心要解決什麼問題呢？過去尤其是中小銀行他不太具備量化風險管理的專家人才團隊，很多中小銀行，包括5000億資產規模的銀行，內部真正能夠搞策略模型的人，就是小於5個人的銀行大有人在，所以它就依賴外部的科技公司找到不靠譜的科技公司很有可能搞出一堆的風險，但是這樣的工作我們今天能不能用AI大模型去獲得呢？我後面會去分享是可以的。

　　第二個領域是在營銷增長的領域，我們也構建了服務信貸客戶經理的AI信貸員，當然我們也有服務財富客戶經理的AI財富師，還有AI督導員，是服務於支行行長、服務於客戶經理的業績管理的一個智能體。還包括AI操作員，把客戶經理日常重複性的操作類的、流程類的工作用AI操作員來承擔一部分。當然也包括AI增長官，AI增長官是服務於總行的業務部，去實現一項業務增長的中樞大腦。當然我們也有其他的在合規、智能投放等方面的一系列的智能體，形成了橫向、縱向智能體的矩陣。

　　首先介紹這一橫，這一橫是什麼呢？是我們內部已經在大範圍實踐的面向金融辦公場景的一個AI工作平台，我們叫Qwork，這個Qwork我們內部做到什麼程度呢？首先它把我們企業內部，因為我們企業有幾千名的員工，把我們內部的各種系統、數據、文檔、知識以及包括沉澱經驗的分析報告，都餵給AI，這個AI是本地部署，我們也可以調用雲端公有云的AI。包括郵箱系統、OA系統、內部即時協同的系統，我們還有一個T5T系統，全員每周五寫下周你最重要的五件事，就像黃仁勳的管理，有點類似。還包括雲文檔系統，這是一個巨大的系統，內部梳理了20多萬份各種各樣的雲文檔，自帶權限管理的雲文檔系統。這個雲文檔系統也包含了很多專業的分析文檔，比如說如何去開發一份策略分析的報告，這個報告實際上AI學會之後會做很多事情，也包括內部生產系統，我們的數據平台、風控系統、運營系統、投放系統都接上了，甚至包含後台系統、人力資源、財務、行政系統，這些所有的系統業務數據有的通過MCP，有的通過API接上，這是第一件事情。

　　讓AI接上這麼多數據之後，我們在使用之前，我們在底下一排要的幾件很重要的事情。一是權限管理，這個權限管理是至關重要的，我們今天一定要讓AI只能訪問它的操作用戶能訪問的這些數據。二是基礎模型的路由，我們內部部署了DeepSeek V4，當然我們也會調用公有云的智譜、Kimi、GPT等多種多樣的模型，什麼情況下我們採用什麼基礎模型，這個是有一套路由的規則的。

　　第三件事就是Agent平台的路由，比如說我們用GPT模型的時候，你用Codex肯定會更匹配一些，什麼時候用Claude Code，什麼時候用Codex等等，我們有一個路由的體系。

　　第四件事是右下角的，也是非常重要的，叫AI安全網關，尤其是我們什麼時候可以用國內的公有云大模型，什麼時候可以用國外的公有云大模型，什麼時候只能夠用本地的公有云大模型的時候，這就是AI網關要做的事情。我們根據任務指令裏面包含的關鍵詞MCP、Skill的類型，甚至你的URL等等是否包含敏感信息、重要信息或者說是一般信息、不敏感的信息，我們來決定什麼時候應該分級處理或者什麼時候降級處理，這是非常關鍵的，把這些能力搭建之後，我們要達到的能力是大幅度降低企業全員去獲取以及安全的使用業界最優秀的AI模型能力的門檻，這些工作做完了之後，基本上所有的員工它都有條件去使用到業界最優秀、最強的AI能力，並且在保障安全和權限管理的情況下。

　　這是我提的幾個截圖，這是我們內部Qwork的界面，我貼了幾個截圖。我標註出來的，最左邊有一個小的標識Qwork，它是集成到自己的企業協同辦公工具裏面來了，當然它也可以集成到企業微信、釘釘等軟件裏面去。第二個，我們看到有一些專家技能，就是我們講的Skill。我們也有連接器，連接器裏面集成了一些MCP的協議，連接內部各種數據平台、各種生產系統。我們看右下角，右下角就是我們目前已經搭建的幾個基礎模型，我們可以選Auto模式，也可以指定選私有云，我們部署了DeepSeek V4-Flash，我們也可以用國內的公有云，我們有多個選項，我們也可以用國外的公有云。這就是前面講的AI安全網關所需要做的事情，這是我們幾個重要的選項。

　　這個地方我們點到專家技能這一頁，我們內部有一個技能市場，圍繞各個領域有各種各樣的技能，當然我們自己的員工，我們的技術人員也可以去開發新的Skill上傳到這上面，給其他的同事去複用。

　　這個地方我舉了兩個小例子，第一個是做這一份PPT的時候給了它一個很大的任務，我讓它幫我找出我有權限的所有公司的雲文檔，包括我過去一年在各大論壇的演講材料，包括我本地的文件，我指定了兩個文件夾給它，我讓它幫我做這一份PPT。它一開始就說這個任務的規模很大，它確實花了蠻長的時間，可能大半個小時，最後給我做了這一份PPT，就是我剛纔講的從智力到智能。因為它已經連接到了我在工作場景當中所有的資料，所以它做出來的PPT，比如說我們用豆包幫你做一個，它可能會做得相對通用一些，甚至是相對空洞一些，但是今天我把我能掌握的工作資料全部都餵給它之後，它做出來的PPT就具體得多了，我大概能夠用它一半的東西，因為在今天這種高級別的會議上還是需要有一些觀點的輸出，所以我改了一些。

　　我們看下面，這個就是它給我輸出的結果，我給它提示詞的時候我忘了講用PPT格式，它給我輸出了HTML格式，我又給它講了一句話，幫我改成PPT格式，它又幫我加工從PPT格式，這是一個case。

　　第二個case也是蠻有意思的，我問它，我說能不能把我過去7天所有的郵件，我們的Teams，Teams是我們內部協同辦公工具所有的對話群消息，以及內部的T5T系統，做一個歸納總結，幫我分析出當前奇富數科公司價值最大的銀行客戶是誰，以及目前服務過程中問題最多的銀行是誰？基本上它答得完全正確，它把我的各種郵件翻出來之後，它最後得出的結論是目前廣東華興銀行是我們服務價值最大的客戶，因為它根據下面的這些依據，就像人去分析一樣，確實是我這個業務當中價值最大的客戶。當然它幫我找出了問題最多的銀行，找得也很準，我也不展開了。

　　N縱是什麼意思呢？我們在授信與風控、營銷與增長這兩個領域，前面提到我們打造了一系列的智能體去解決營銷與增長和授信與風控領域的一系列問題。今天這兩個領域我們都在一些銀行有落地，授信與風控多智能體，我們在一家全國性股份制銀行正在落地過程中，營銷與增長多智能體，我們在一家華東區域的上市銀行，也已經在落地過程中了，我今天講兩個具體的例子。

　　第一個是AI策略師，過去我們做風險策略，這件事情是依賴還是需要一些專業技術的人才能夠乾的？這件事情我們今天用AI可以把它做得很好了，我們內部自己的策略團隊大量的在使用這個工具，它有六個步驟：第一個步驟是要做基建，我們通過MCP對接到內部必要的數據、集市、倉庫等等。第二步是要做知識庫的建設，這個非常重要。過去我們的策略專家是怎麼幹活的，他把他做一份策略的全過程寫成報告，寫成分析文檔，把所有的比如說幾百份過去人怎麼做的經驗形成文檔，然後讓AI去學會，這個叫知識庫的建設，當然也包括金融的通用知識庫餵給它。第三步是做數據清洗，如何讓AI能夠掌握做策略的所有變量、特徵，包括他們的含義。第四步就是策略生成，在這一步AI會生成相應的策略規則。第五步就是把策略生成之後如何去做部署和驗證，我們今天可以用AI策略打通決策引擎，自動的去做策略的部署和上線前的驗證，最後一步是包括策略的持續監控，這些東西我們今天全部都可以用AI去做。

　　有了這個東西之後，它可以基於過去的現狀，比如說開發效率優先等等一系列的問題變成今天它具備完整的全流程的AI策略開發的能力，它的好處是什麼？

　　一是容易上手，我們感覺有了這個東西之後，可能應屆畢業生也可以做了。

　　二是效率得到了大幅度的提升，過去銀行做一輪的策略迭代是以月為單位的，一個月也好，三個月也好。今天我們做策略迭代是以小時為單位的，這是一個巨大的效率的提升。

　　三是質量的提升，AI可以挖掘出很多的特徵變量是人腦未必能夠想出來的。

　　四是經驗的傳承，以前策略專家離職一個我們很恐慌的，今天不一定了，AI可以沉澱出過去人類很多的智力沉澱在智能系統當中。

　　另一個是AI反詐師。以前我們做反欺詐的時候遇到一批莫名其妙逾期了，我們反欺詐團隊要去做案件檢視，為什麼？問題在哪裏？是不是被攻擊了？是不是被團伙擼了。我們做案件調查的時候，我們要去看我們的獲客系統、風控系統、埋點系統，甚至我們的催收記錄，我們要去翻決策引擎裏面的很多策略，這件事情你要查出一個可能的被欺詐的事情，要花一周甚至一個月的時間，今天我們如何用AI把分散在各個系統當中格式多種多樣的系統讓AI去做它可以起到什麼效果呢？我們可以看一下。

　　一是自動抓取，人去分析這些工作是以幾小時為單位，還得是你熟悉行業系統、熟悉業務技術的，今天我們可以縮短到幾分鐘。

　　二是把證據和專家經驗做歸集。

　　三是通過MCP連接必要的外部數據，比如說連企查查，去查他的負面東西。

　　四是用AI大模型很好的做關聯團伙的關聯。

　　這樣之後，我們可以進一步的發現案件中的風險點，去進一步的推出新的反欺詐規則的挖掘和生成。反欺詐規則的挖掘生成之後，可能AI大模型會給你列出幾條放在這裏，但是我們目前只做候選，不做決定，它把可能的新的規則放在那裏給人去候選之後，再由人工去決定選哪些，不選哪些，選哪些之後要不要修改，然後要不要上線，這畢竟是一個比較嚴肅的事情。

　　這裏舉了兩個小例子來證明今天AI大模型可以很好的依賴專家的智力沉澱到智能系統當中。

　　最後就是簡單介紹一下，奇富數科是2019年成立的，我們的使命是持續的推動銀行業的數字化和智能化的轉型升級，我們有大量的人才儲備，我們有很多的實踐，我們目前的智能體矩陣已經在很多專業並行的落地當中，後續也希望和在座的各位行業的專家、同仁們有更多的交流。

　　謝謝大家！