一、项目背景及目标

当前，大模型正掀起新一轮智能化发展热潮,赋能千行百业。大模型具备优秀的理解、学习、生成和推理能力，其工程化应用包含数据构建、模型算法、模型训练、模型压缩与加速、模型评测、模型运营和安全可信多个环节。大语言模型凭借其强大的语言理解、文本生成、知识储备以及多轮对话等能力，在知识问答、文案生成、代码生成等方面表现出跨越式的提高，大幅提升了生产效率。

国内外金融机构和科技企业正积极探索大模型在金融业的合理应用，已试点应用于智能客服、智能办公、智能研发、智能投研等多个业务场景，进一步推动金融服务的智慧再造，加速AI技术赋能金融业务提质增效。

为提高银行风控智能化水平，提升信贷业务处理质效，完善信贷报告分析维度，中原银行基于行内实际业务需求，启动大模型信贷助手项目建设。本项目建设范围主要包括系统管理、基础设置、智能写作、智能问答、数据整合、场景开发等6大部分。项目投产后，大幅提升了信贷报告撰写质效，实现了业务数据智能分析、智能核验，促进业务知识有效沉淀，丰富了银行业大模型应用实践，提高了中原银行信贷业务智能化水平。

二、项目方案

基于信贷业务痛难点现状，本项目以业务需求为导向，构建具备报告内容智能生成、辅助审批、智能决策等能力的信贷助手系统。本项目一期主要完成公司信贷调查报告生成能力的构建，二期渐次推进辅助审核、智能决策等能力的构建。

图1 大模型信贷助手功能设计

（1）报告智能生成

报告智能生成模块是大模型信贷助手系统的核心组成部分，利用大模型的自然语言理解和生成能力，对原始文本进行内容润色和智能改写，以提升报告的专业性和可读性。此外，段落生成功能可以在用户需要的情况下自动生成相关段落，辅助完成报告；素材参考和模板填充功能则为用户提供丰富的资料和基于预设模板的智能填充，加速报告的撰写过程；内容抽取和数据溯源功能可以自动从大量数据中提取关键信息，并确保报告中使用的数据来源可靠；在线编辑功能则让用户能够直接在系统中对报告进行编辑和修改，方便快捷。

图2 大模型信贷助手 - 尽调报告智能生成

（2）辅助审批

辅助审批通过财报校验、数据核验、引用检索和合规审查等功能，强化报告的合规性和数据的准确性。财报校验和数据核验功能可以自动核对财务报告中的数据，确保其准确无误；引用检索功能检查报告中引用的信息是否来自可靠来源，是否需要进一步的授权或许可；合规审查功能则确保报告符合相关的法律法规和行业标准，减少合规风险。

（3）智能决策

智能决策利用财报分析、风险评估、关联分析和授信评估等工具，对信贷申请进行全面的智能分析。财报分析功能对财务报告进行深入分析，识别公司的财务状况和趋势；风险评估功能评估信贷申请者的信用风险，为授信决策提供支持；关联分析功能分析信贷申请者与其他实体的关联性，识别潜在的关联风险；授信评估功能则综合考虑各种因素，对信贷申请进行评估，给出授信建议。

随着本项目首期工程的完成，项目的整体愿景、架构设计和执行策略已经确立，为多项工作的并行推进和协同作业提供了坚实的基础。项目依照“分段执行，逐步显现成效”的原则，分阶段展开大模型信贷助手项目建设，每个阶段都依照“需求明确、功能开发、试点运行、推广运营、功能优化”这五步建设流程闭环迭代进行。

三、创新点

大模型信贷助手系统采用先进的大语言模型技术，基于大模型强大的自然语言理解、生成和推理能力，结合RAG技术，构建了大模型信贷助手系统。针对行内报告智能生成、辅助审批、智能决策等实际应用场景构建智能应用，一期主要完成了报告内容智能生成能力的构建，实现客观数据自动引入和主观分析智能生成，赋能银行信贷业务提质增效，辅助业务决策，助力知识沉淀。

图3 大模型信贷助手 - 尽调报告导出下载

四、项目过程管理

（1）需求分析和概要设计阶段

此阶段时间为2024年1月至2024年2月，其间主要完成了业务需求分析、业务功能和技术构架的高层设计。提交了现状需求分析报告、各功能模块的概要设计、技术构架和接口的设计等文档。

（2）系统规划及产品设计阶段

此阶段时间为2024年2月至2024年3月，其间主要完成了系统架构、功能、产品原型详细设计工作，提交了大模型信贷助手架构设计说明书、业务需求说明书等文档。

（3）系统开发、测试和上线准备阶段

此阶段时间为2024年3月至2024年5月，其间完成了大模型信贷助手系统功能开发、测试以及MVP版本上线准备工作，提交了大模型信贷助手性能报告、测试报告、上线方案、系统设置等文档。

（4）上线阶段

MVP版本内测阶段时间为2024年5月至2024年7月，全行招募并筛选出总分行不同机构、不同角色的内测用户140人，高效参与系统内测，及时收集反馈，敏捷迭代优化。

全行推广试运行阶段时间为2024年8月至2024年10月，完成全行级系统应用迭代上线，面向全行用户试运行。

五、运营情况

目前系统已完成所有技术开发工作，并完成内部性能、功能等测试，各模块上线有序进行。

六、项目成效

在经济效益方面，本项目是行内降本增效的重要举措，大幅提升了行内尽职调查效能和业务办理质效，提高了客户的满意度和一线员工的幸福感。运用多种智能化技术实现多源数据的自动解析、接入及智能分析生成，增强了公司信贷业务线上化和智能化水平，极大减轻了客户经理资料搜集、信息整理、材料撰写工作量，实现调查报告初稿的智能化撰比例超过70%。

在社会效益方面，本项目为中原银行积累了大模型的金融场景应用经验，也为银行同业在大模型技术探索与应用方面提供了有益参考。后续将通过积极参与同业交流、标准制定等方式输出中原经验，与同业及相关科技企业一起推动大模型赋能千行百业，促进金融数智化转型走深向实。

在金融科技方面，本项目是丰富金融科技赋能业务运营优化场景的一次有益探索，实现了“行内信贷数据资产+外部数据资产+客户离线数据-尽调报告”的有效沉淀，形成了基于数据驱动的智能尽调闭环，构建了中原银行信贷尽调新范式。同时，为包括信贷助手在内的大模型应用的行内规模化推广奠定了基础。

七、经验总结

通过大模型信贷助手系统的建设，一期率先实现客户尽职调查报告的智能撰写生成，完成了对内外部多源客户数据的自动填充、智能分析，并支持生成内容的定点更新、二次编辑、下载等。该创新型项目在建设方面需重点考虑高频场景和功能实用性，适宜采用敏捷开发模式快速迭代；在推广方面强调影响范围适度性、需求适应性、数据合规性。这些经验对于类似金融科技项目的成功实施具有重要的参考价值。