來源：鑫智獎·2025第六屆金融機構數智化轉型優秀案例評選

獲獎單位：中信建投證券

榮獲獎項：大模型創新優秀案例獎

一、項目背景及目標

隨著大模型技術在證券行業的深化應用，財富管理智能化轉型成為行業核心趨勢。國內資本市場擴容與居民財富管理需求升級，推動海量投資者通過線上渠道尋求服務，傳統模式在客戶個性化服務、營銷效率及風險管控上的短板日益顯著 —— 人工服務難以滿足差異化需求，合規框架下的降本增效需求迫切。員工也因大量重復繁瑣的基礎工作，難以投入精力提升專業能力與服務水平。

從市場現狀看，國外頭部券商如摩根士丹利、高盛已通過 AI 技術優化投資建議與量化策略，但復雜產品適配和跨模態數據融合存在瓶頸；國內華泰證券、國泰君安等依托大模型提升了智能客服與投研效率，卻面臨大規模數據實時處理和極端場景風險響應的挑戰，行業普遍存在智能與業務協同效率問題，這些問題也限制著員工工作效能的發揮。

中信建投證券針對傳統模式中客戶服務同質化、營銷精準度不足、風險評估滯后等痛點，基于大模型技術構建基于財富管理業務的員工協能全鏈平臺。該體系旨在通過大模型及智能化技術整合客戶行為、市場輿情與產品數據，突破傳統數據處理邊界，不僅為數字金融轉型提供技術支撐，更通過智能化手段為員工賦能。

本項目目標聚焦核心場景智能化與員工能力提升的深度融合。在客戶服務上，員工借助大模型分析結果，實現需求預判與精準觸達，提升服務專業性；市場分析環節，員工利用動態情緒圖譜獲取深度市場信息，增強投資決策分析能力；產品推薦過程中，依據客戶畫像生成的個性化方案，助力員工提升資產配置專業度；風險評估方面，實時智能預警讓員工及時掌握風險動態，降低風險識別壓力；業務協同構建的 “人機協作” 生態，優化跨部門資源調度，使員工能夠將更多精力投入到高價值服務與個人能力提升中。

本項目致力于實現以下三大價值：通過技術賦能打造智能服務閉環，提升客戶滿意度與服務效率，同時讓員工從基礎工作中解放；降本增效釋放人力，使員工能夠投入更多精力開展高價值服務，實現個人能力與職業價值的提升；形成可復制的解決方案，推動行業向 “數據驅動、智能決策” 轉型，助力證券財富管理進入技術引領新階段，為行業員工發展提供新范式。

二、創新點

當前，證券行業在金融科技領域取得顯著進展，以大模型、云計算及人工智能等為代表的數字技術創新發展不斷沖擊著證券公司的傳統商業模式。在金融科技發展浪潮下，數字化轉型成為證券公司適應數字經濟、謀求生存發展的必由之路。隨著資本市場的不斷發展，證券公司的管理規模也愈發龐大，根據中國證券業協會發布的最新數據顯示，證券資產管理規模節節攀升。各證券公司在面臨龐大的客戶群體時，如何提供高效、專業且優質的服務已然成為證券行業目前的業務痛點之一。

為解決上述問題，中信建投證券堅持以大模型驅動，實現證券財富管理數智化轉型，利用大模型技術和人工智能技術，建設了基于財富管理業務的員工協能全鏈平臺。平臺通過用戶的全景分析畫像，在獲得客戶允許的情況下進行客戶行為的實時預測與分析，及時識別業務機會，同時融合知識圖譜、機器學習和推薦算法構建了一套證券領域的專業數據管理中臺，利用文本向量計算技術為員工和客戶提供專業的知識推薦和解析，為員工提供機器人協同服務、智能機器人電話服務、智能機器決策等諸多能力，有效提升了員工服務效率，平臺所具備的業務創新點和技術創新點如下：

（一）平臺業務創新點

中信建投證券財富管理業務的員工協能全鏈平臺，以多模態異構融合技術為核心，整合語音、文本、交易行為等全場景數據，解決了傳統業務中數據孤島與實時性不足的技術難題，形成 “數據 - 服務 - 知識 - 智能體” 一體化體系，推動客戶服務精準度提升與業務連續性強化，成為證券行業數智化轉型的標桿實踐，其業務創新點如下：

1. 多元業務覆蓋，提升員工綜合服務效率

平臺覆蓋多種證券業務類型與客戶交互方式，涵蓋投資顧問、業務辦理、客戶答疑、證券產品營銷、音視頻服務等，能夠為客戶提供豐富且優質的服務。平臺協同能力支持多業務線合作服務，豐富的員工端功能有效提升員工的綜合服務效率，實現從傳統人工服務向 “人機協同” 模式的進階。

2. 動態金融智能知識庫提升員工服務專業化程度

基于人工智能技術的數據管理中臺實現了組織內各部門及分支機構數據庫、表格、文本、圖像、音視頻文件的聚合接入，為員工提供高效的知識推薦和檢索，支持服務過程中的高效人機協同。通過實時同步證券行業政策、市場動態及產品信息，保障了員工服務內容的專業化與時效性。

3. 穩定合規控制與全方位質檢能力

智能合規質檢實現針對服務和營銷內容的實時文本、語音和視頻 100% 覆蓋質檢，涵蓋事前、事中和事后的全流程合規控制。平臺語義解析技術能夠根據上下文內容實現模糊內容質檢，在關鍵詞質檢基礎上大大提升質檢內容深度、廣度、準確率，同時支持自定義質檢目標內容和業務范圍，適應企業業務變化需求，有效提升質檢員工作效率，筑牢證券業務合規防線。

4. 新一代平臺大幅提升智能比重

新一代平臺重點關注智能科技，利用大數據存儲海量用戶行為數據，利用并行計算將過去難以實現的客戶分析行為進行落地，針對證券開戶、產品銷售、瀏覽興趣等眾多場景進行實時的監聽和分析，及時反饋員工進行跟進服務。云原生能力保障系統的穩定運行和動態擴容能力，能夠應對行情波動導致的客戶流量驟增。大模型智能化底座為全部服務過程進行效率提升，為每個員工打造個性化服務駕駛艙，讓科技的力量落地一線，極大提升證券客戶服務質量。

（二）平臺技術創新點

中信建投證券基于財富管理業務的員工協能全鏈平臺以多模態數據融合與智能體協同為核心，構建四層遞進式技術鏈路，并以反饋大模型實時優化策略閉環，最終實現 “數據治理 - 需求洞察 - 決策生成 - 行動追蹤” 全流程智能化的技術突破，其技術創新點如下：

1. 智能員工賦能輔助

平臺創新性地引入基于多模數據的人機協同服務機制，在技術上引入知識推薦、情感識別等智能化手段賦能人工投顧，結合語音轉寫、圖像理解、意圖識別進行自動檢索數據和最佳匹配答案，實現客戶自動對話服務和高效的服務輔助。針對證券客戶的投資咨詢、交易指導等高頻需求，系統可毫秒級響應并生成專業建議，極大提高金融客戶服務與營銷效率，提升客戶體驗。

2. 面向證券垂直領域的智能數據中臺

平臺引入面向證券垂直領域的智能數據管理中臺服務，實現各部門及分支機構間的多模數據聚合接入；支持圖、FAQ 問答對、向量等多樣化知識的定義、生產、管理及應用的全流程無代碼圖形工具化操作；結合強化學習驅動的服務分流模型，實現關鍵節點客戶服務并實現潛在需求挖掘，為證券投研、客服、營銷等業務線提供全場景知識支撐。

3. 多模態異構融合的智能金融服務能力

平臺搭建多模態融合的智能金融客戶服務體系，通過引入多模態融合技術構建基于多媒介互通的客戶服務方式，將語音、視頻、文本等多模態輸入實時轉換為目標語言文本并解析，增強不同特征數據融合能力，并支持數據隔離與混合檢索機制，實現跨模態數據的安全存儲與毫秒級特征提取，從而為客戶提供更精準、多元的證券服務，提升客戶滿意度。

4. 融合大數據與人工智能的智能體平臺基座

平臺不斷拓展和完善人機對話解析的能力，創新性地引入智能體協同機制，構建語義搜索、情感分析、會話意圖識別等智能應用組件，建設運營高效的統一非結構化 AI 分析平臺，實現 “數據治理 - 需求洞察 - 決策生成 - 行動追蹤” 全流程智能化的技術突破。該基座支持證券業務全鏈條自動化，在節省人力資源成本的同時提升客戶服務體驗，為證券財富管理業務構建技術護城河。

三、項目技術方案

中信建投證券基于財富管理業務的員工協能全鏈平臺，采用 “四層智能閉環” 架構。底層依托混合云多模態數據管理倉庫，整合公司內跨模態數據，借 Data Agent 實現超融合存儲與隱私計算的安全治理。中臺部署 AI 模型算法庫，為各業務系統及場景提供通用智能服務，避免算法重復開發，降低模型運維成本。應用層通過多智能體協同（如投顧 / 風控 / 交易 Agent）接入關鍵業務系統，結合 Agent 自動化與數據管理中臺形成策略閉環，提升傳統業務系統智能化水平。頂層以大模型賦能體系貫通 “數據 - 服務 - 決策” 全鏈條，實現智能投研、精準推薦與風險穿透管理。平臺全棧集成零信任安全架構與 AI 主動防護機制，支撐億級實時交互，保障業務連續性與服務精準度，成為證券行業數字化轉型核心引擎，推動客戶體驗與業務效能跨越式提升。

圖1 總體架構圖

技術方案

（1）系統業務架構

圖2 業務架構圖

中信建投證券基于財富管理業務的員工協能全鏈平臺在數據存儲端，以跨模態異構特征融合技術整合全場景數據，利用動態更新算法與跨模態分析引擎，實現數據的深度關聯。平臺基于綜合運營服務中心動態調度客戶交互系統（如智能外呼、斷點營銷）并動態捕獲客戶需求，潛在需求通過智能數據管理中臺系統對客提供智能化后續服務（產品推薦、投資策略、風險告知等）。在智能體應用端，智能體協作平臺的智能體應用通過嵌入式方式與核心業務系統交互，構建營銷、風控等場景的 Agent 協同網絡，實現數據互通與智能決策閉環。對內業務場景中，財富管理平臺依托全鏈路員工賦能體系（集成 NLP、研報生成）進行研報生成、坐席輔助等全流程提效，形成 “數據 - 服務 - 知識 - 智能體” 一體化體系，推動客戶、員工服務精準度提升與業務連續性強化，成為證券行業數智化轉型的標桿實踐。

（2）應用架構

圖 3 應用架構圖

平臺在應用層的建設通過 “分層協同、業務驅動” 模式構建端到端智能化體系。前端聚焦客戶交互，整合客戶畫像、行為分析及實時響應模塊，實現精準推薦與定制化服務；中臺為業務中樞，集成智能投研、組合優化、合規風控三大引擎，通過算法模型預測市場趨勢、優化持倉結構，自動化生成財富管理策略并實時監控交易異常；后臺強化運營支撐，基于 Agent 技術自動化處理交易清算、信息披露及數據歸檔，確保流程高效透明，最終形成 “客戶需求洞察 - 服務策略匹配 - 風險穿透管理” 的閉環生態，推動證券業務在投資決策精準性、業務執行效率及合規管理深度上的全面提升，助力數字化轉型目標落地。

（3）系統技術架構

圖 4 技術架構圖

本系統技術架構為遞進式技術鏈路：多模態異構數據融合倉庫（提取文本 / 語音 / 視頻 / 時序等多樣化數據），支持數據隔離（如差分隱私與同態加密）與混合檢索機制（RAG 增強檢索 + 向量化索引）實現跨模態數據的安全存儲與毫秒級特征提取；客戶運營服務階段依托多模態解析引擎（集成 ASR 語音轉寫、VIT 圖像理解、NLP 意圖識別）實時構建客戶交互知識圖譜，實現關鍵節點客戶服務并實現潛在需求挖掘；需求挖掘層創新采用聯邦學習框架，聯動深度行為序列分析模型（LSTM+GraphSAGE）與市場情緒感知 Agent，從持倉變動、宏觀經濟指標等維度挖掘客戶隱性需求（如風險偏好遷移預警），生成預見式資產配置建議；智能體協同層通過集成任務編排引擎與規則引擎，驅動智能投顧、合規審核、交易執行等 Agent 的聯邦式協同，并以反饋大模型實時優化策略閉環。

（4）系統數據架構 - 多模態異構融合數據架構

圖 5 數據架構圖

多模態異構融合數據倉庫通過深度融合多種模態處理引擎，結合決策層隱空間融合技術（Latent Fusion 3.0），構建了覆蓋證券全業務場景的智能數據處理體系。系統采用 NLP 4.0 框架實現金融語義解析高準確率，ASR&TTS 雙通道實現低延遲，并支持 16 類證券文檔的智能圖像結構化解析，形成多模態數據特征矩陣。在存儲架構層面，通過關系型數據庫保障交易數據強一致性，依托分布式文件系統實現 PB 級非結構化數據存儲，結合圖形數據庫 Nebula 構建實體關聯網絡，并集成搜索數據庫 ES 實現毫秒級檢索響應。

（5）系統安全架構

圖 6 安全架構圖

本系統安全架構采用動態化、智能化的多層級防護設計，通過數據加密、分布式存儲與實時脫敏技術保障數據安全，結合多層次身份驗證、細粒度權限管控及全操作日志追溯構建零信任訪問體系，并依托 AI 大模型實現合規檢測、風險預判與自動化應急響應。通過深度融合云原生災備能力，在滿足證券行業強合規要求的同時，實現安全防護從被動防御向主動感知的范式升級，為高并發交易場景下的資產安全與隱私保護提供全棧式技術支撐。

四、項目過程管理

項目由中信建投證券股份有限公司信息技術部牽頭并實施。“基于財富管理業務的員工協能全鏈平臺”項目的實施采用試點實施和推廣的分階段方式。主要經歷了以下幾個階段：

（1）需求分析和概要設計階段

2021年3月至2021年6月，主要完成了需求分析工作，形成了《基于財富管理業務的員工協能全鏈平臺需求說明書》文檔。

（2）系統詳細設計階段

2021年7月至2020年8月，主要完成了系統設計工作。

（3）系統編碼、測試和上線準備階段

2021年8月至2022年1月，主要完成了初版系統開發、測試以及上線準備工作，形成了《基于財富管理業務的員工協能全鏈平臺項目測試報告》、《基于財富管理業務的員工協能全鏈平臺項目技術報告》文檔。

（4）試點上線階段

2022年11月至2022年3月，主要完成了第一版系統試點上線。

（5）推廣應用階段

2022年3月至2022年12月，主要完成了第一、二批推廣工作，形成了《基于財富管理業務的員工協能全鏈平臺用戶手冊》、《基于財富管理業務的員工協能全鏈平臺項目研制報告》、《基于財富管理業務的員工協能全鏈平臺系統運行維護手冊》，落地智能語音、智能客服、語音合成、知識搜索等模塊。

2023年1月至2023年12月，主要完成了第三批推廣工作，落地坐席輔助、數據管理中臺模塊。

2024年1月至2024年12月，主要完成了第四批推廣工作，落地員工智能助手模塊，用數字化、智能化手段全方位協助員工的所有工作。

2025年1月至2025年4月，基于大模型+小模型技術提升意圖識別、風險識別、搜索推薦等服務的準確率，賦能改造全系統架構。

五、運營情況

本項目在發展數字金融指導下，堅持以客戶為中心，致力于基于以大模型為代表的人工智能技術構建智能化金融服務生態，實現了金融科技與業務創新的協同發展，大幅度提高公司金融服務效率和質量。

1. 全渠道多模態客戶觸達

系統在傳統IM交互方式的基礎上，搭建了基于實時音視頻通信的全媒體交互平臺，為員工與客戶提供基于音頻、視頻、桌面共享、同屏交互等多模態交互方式，突破客戶觸達的時間與空間限制，實現了投顧顧問與客戶之間隨時隨地、面對面的溝通，解決行業客戶觸達及客群覆蓋的重點問題，提高服務便捷性，是金融普惠服務的一種典型實踐。平臺上線以來，現實現年均智能觸達數量400萬通以上，員工多媒體渠道通話數量300萬以上。特別在本次市場行情波動期間，累計高效完成200余萬通電話服務，有效緩解開戶回訪峰值壓力。

2. 全流程智能化輔助

平臺依托私有化部署大模型基礎平臺，集成了智能語音、意圖識別、會議助手、智能知識檢索、智能質檢等多種智能化工具，構建了一整套完備的業務流程輔助體系，通過實時通信服務過程中，洞察客戶需求和行為方式，完成高效信息檢索和智能化信息推薦，實現全業務流程對員工及業務場景的持續賦能，為客戶提供私人訂制的個性化服務。并通過事中風險預警和事后智能質檢，充分保障了服務內容安全合規，助力公司財富管理業務的可持續增長。

3. 全場景金融服務賦能支持

平臺上線以來，基于綜合智能服務生態能力的建設，實現呼叫中心、客戶回訪、企業微信、優問、斷點營銷等多維度客戶服務場景的接入，并完成對多家分支機構、子公司的業務支持，向千余名投資顧問提供業務服務，支持了公司多業務聯動，助力傳統金融服務的數字化轉型升級。智能語音模塊年均調用次數達2000萬次以上，助力數百萬客戶完成開戶業務。平臺提供的全流程智能輔助工具，實現近百人年工作量提效，為公司節省直接通信和人工成本達千萬元以上，為公司帶來顯著的降本增效成效，并間接賦能了非現場開戶、營銷等核心業務場景，創造巨大的業務價值。

六、項目成效

該平臺自上線以來，逐步實現個性化服務、精準營銷、智能回訪等核心場景的全面覆蓋。月均輔助員工回訪業務15萬通，觸達業務4萬通，企微機器人問答服務30萬次以上；基于大模型實現日均生成2萬通客服錄音對話摘要、800余工單，相關智能化賦能場景累計節約人力成本300余萬元。智能音視頻通信平臺每年穩定支持260萬通以上通話，為公司節約直接通信成本500余萬元。智能語音服務實現全渠道年均1800萬次以上的調用，協助完成開戶8余萬戶，引入客戶資產120億元以上，會議助手年使用人次超10萬+，在智能議程生成、實時語音轉寫、會議紀要自動生成等場景中實現高效賦能，為公司帶來顯著的降本增效成效，并間接賦能了非現場開戶、營銷等核心業務場景，進一步提升企業協同效率，創造巨大的業務價值。

七、經驗總結

1.落地實踐端：從技術整合到業務閉環的全鏈條經驗

需求驅動的分層架構設計：以 “員工服務痛點 - 業務場景需求 - 技術能力匹配” 為邏輯鏈，采用 “數據中臺 + 智能引擎 + 應用場景” 三層架構，避免技術與業務脫節（如智能質檢模塊同步對接合規政策與服務流程）。

敏捷試點與梯度推廣策略：分四階段迭代（智能語音→數據中臺→員工助手→大模型升級），每階段聚焦 1-2 個核心場景（如試點期優先落地智能外呼緩解回訪壓力），通過小步快跑降低實施風險。

人機協同的組織適配改造：同步推動業務流程重構與員工能力升級，例如通過 “智能體輔助 + 人工復核” 模式，將投顧從基礎數據處理中解放，聚焦高凈值客戶策略定制，實現人力結構優化。

2.行業價值端：從單點創新到生態賦能的范式突破

技術融合的證券服務新基建：驗證了 “大模型 + 多模態數據” 在財富管理中的可行性，尤其在跨模態特征提取（如語音情緒 + 交易行為聯動分析）與實時策略生成方面形成差異化優勢。

更多金融科技案例和金融數據智能優秀解決方案，請在數字金融創新知識服務平臺-金科創新社案例庫、選型庫查看。