一、项目背景及目标

1.项目背景

重庆银行个人按揭贷款智能化集中审批项目应市场竞争的必然要求而生。个人按揭贷款作为传统贷款，一直是各家银行个人业务的重点，按揭贷款不仅是打开客户金融服务通道的重要手段，同时也是个人业务资产的重要组成部分。随着金融市场的不断发展和深入，各家银行在按揭贷款业务上逐渐出现了同质化竞争，且竞争日趋激烈。在这种背景下，我行通过“数智”赋能按揭业务，为客户提供更加高效便捷的按揭贷款服务，并在这条传统赛道上脱颖而出，实现业务发展的新突破。

为了应对传统模式下存在的获客半径不足、业务流程较长、环节繁琐、流转效率低下、人工占用及录入信息量过大、审批依赖人工经验判断、无法有效识别“假按揭”等前端风险，我行决定对全行的按揭业务进行全面的“数智”赋能。旨在提升全链条用户需求，通过业务集中化、流程线上化、尽调标准化和审批智能化，实现业务流程的重塑和优化。

本项目通过引入大模型技术，借助“数字员工”替代部分人工操作，从而释放前台人员的产能，提升业务效率，降低成本，并增强银行的整体竞争力。同时，智能化的决策模型能够精准描绘客户画像，统一审批尺度，有效识别风险，确保按揭贷款业务的安全性和可靠性。通过数字化监测，充分挖掘数据价值，进行闭环管理和决策分析，为客户提供更好的服务体验。总之，该项目不仅是重庆银行在市场竞争中脱颖而出的关键举措，也是提升客户满意度和业务效率的重要手段。

2.项目目标

重庆银行致力于打造按揭业务新生态，目标概述如下：一是优化获客路径：拓宽线上申请渠道，提升客户体验的灵活性和效率。二是提升业务流转质效：流程精简与智能化重构，有效提升资源利用率；三是风控智能化转型：从传统风控模式过渡至智能风控体系，利用先进技术精准评估风险，实现高信誉客户瞬时审批，驱动资源高效配置，助力全行业务高质量发展。全面增强金融服务的可获得性、便利性、时效性，通过个人按揭业务新生态、新模式、新场景的探索，统一“审批尺度”，提高前台工作“便利度”，提升“客户满意度”。

二、创新点

1.智能风控体系革新：构建基于评分卡模型的风险控制机制，利用智能化决策系统、精细化评分标准及风险变量策略，精准为客户“画像”，并充分发挥行内外数据价值，融合先进的大数据分析，强化了风险识别能力，有效识别潜在风险，如假按揭;同时自动匹配最适授信方案。极大提升了审批效率与精准度，减少人为干预，降低了操作风险，实现审批过程的标准化与高效化。

2.全链条数字化业务流程优化：为了解决业务运营效率低下的问题，项目实施了业务流程的全面数字化改造，对业务流程进行业务新生态的打造，审批集中化、流程线上化、尽调标准化、审批智能化，对业务进行闭环管理，70%的录入工作集中到总行，极大释放了前线营销资源，同时通过数字化手段显著增强了流程管控与操作风险防范能力，推动业务运营效率迈向新台阶。

3.数字员工与OCR大模型融合的的高效作业：为破解“人工录入效率瓶颈”，创新性地集成OCR大模型与“数字员工”概念，运用ETL4LLM大模型技术实现数据的高精度识别、提取及深度学习处理，“数字员工”替代了传统的人工录入环节，能够在复杂、大量、多样的样本中精准识别所需要素，并快速录入信贷系统提交决策，大幅提升了作业效率与数据准确性，为业务处理流程提速增效，开创了高难度后台作业的数智化转型新篇章。

4.获客渠道多元化拓展：应对“获客半径受限”挑战，项目携手个人业务部门，通过与个人业务部门合作开发的微信小程序等线上平台，打破地理限制，实现了获客渠道的多元化与服务的灵活化。结合OCR、人脸识别技术的即时信息处理能力，提供了从申请到预审批反馈的无缝对接体验，大大扩展了客户触达范围，提升了服务的便捷性和响应速度，重塑了客户交互模式，助力业务获客能力全面升级。

三、项目技术方案

1.个人按揭贷款智能化决策模型技术方案

模型技术方案包括模型方法论的选择、数据的收集和清理、模型设计、重要变量的选取、模型参数的选择和量化等环节。

①方法论选择

模型的开发方法采用综合使用数据驱动的方法、专家方法两种方法。

②数据收集和清洗

样本数据集的数据来源包括内部数据、内外部集合数据。样本数据有代表性，能反映我行风险特征、业务和风险政策等。样本数据清洗应在不改变数据代表性的前提下剔除极端情况以增强模型的普适性和稳定性。

③模型结构设计

模型设计包含模型开发参数定义以及模型细分。在模型开发前，设计排除规则、好坏定义和观察期与表现期等模型开发的关键参数。并通过模型细分找出最佳的群体分隔，使得以此为基础建立的一组评分模型可使整个评分系统的预测能力最大化，但并非每个评分模型都一定要细分，根据实际数据情况决定。根据模型细分方法论，我们采用“自上而下”的方法进行模型细分，即高层细分。“自上而下”是一种业务驱动型的方法，根据业务经验和最佳实践将评分模型划分为不同细分类别。

④重要变量的选取

在模型开发过程中，变量的选取满足以下要求：模型使用的变量应能充分利用银行拥有的行内外信息。模型采取的变量和假设应符合当前业务实际情况，并考虑未来的业务发展规模，模型变量应为容易获取和判断识别的变量，模型开发过程所涉及的专家判断和调整应进行实证分析，确保不低估风险并能被合理解释。

⑤模型参数的选择和量化

评分模型的模型参数选择，包括模型的类型、模型的显著性水平、模型校准时的基准分（Base score）、好坏比（ODDS）、每两倍好坏比(PDO，Points Double Odds)所对应的分数等，并满足相关模型评估指标(KS、AR等)的基准水平，以保证模型的准确性、有效性和稳定性。

我们通过滚动率分析及样本统计情况对模型的好/坏/不确定样本进行划分。通过单变量分析和多变量分析对个人住房按揭贷款变量进行进一步加工和筛选，进而得到入模候选变量，并以此构建模型。再通过模型表现评估、交叉验证和时段外验证来确定最终的模型选择。

2.数字员工技术方案

①背景：我行运用“AI+RPA+人格化”技术打造了数字员工管理平台，是“数智时代”下对业务需求与人工智能技术的深度融合。2023年针对评审部在人工录入时效提升陷入瓶颈，单环节耗时210分钟，导致整体质效无法提升，需要借助“数字员工”摆脱当前困境。但传统的OCR识别和RPA无法满足需求，因该岗位需要对多种类、上百页的贷款资料进行初审并且将相应的信息录入信贷系统，对该项目建设周期及效果有较高要求，且传统OCR技术对于非标准版式的图像信息识别、特别是非标准版式的手写体图像的识别错误率较高，为此我行首次使用ETL4LLM大模型技术与RPA深度融合，这一方案基于先进的大语言模型，预置了金融领域知识，针对信息提取类型任务定制，与传统OCR相比，ETL4LLM不再需要大量的样本进行预制训练，而通过简易的prompt提示就能对任意数据进行KV抽取，且能通过指令微调快速学习以适应新场景，能够灵活适应信息位置不定、文档格式多样及业务需求多变的挑战，拓宽了应用范围并降低了实施成本。

②OCR大模型技术架构

⑴总体架构

智能OCR识别与建模平台架构主要是由物理层、数据层、模型层、平台层和应用层五大部分组成。

平台采用微服务架构，实现各组成部分灵活组装；开发遵循组件化、模块化、参数化设计原则；系统结构合理、效率高、资源占用率低，避免过多的数据冗余；采用开放平台设计，采用独立于中间件平台、数据库平台的开发技术；基于组件化设计和发布，提高代码的可重用性。

智能OCR平台具备业界先进的技术架构，遵循模块化设计原则，实现大数据框架下的分布式数据存储、资源管理、分布式计算，系统支持单机房HA、异地双活、兜底方案等。系统兼容主流的技术方案，包括但不限于操作系统、浏览器、Hadoop和应用组件、中间件等，可以在较普遍的IT环境中使用OCR平台。既支持虚拟化方式部署，也支持非虚拟方式部署。同时在OCR平台的技术架构设计遵循简单实用的原则，有规范的开发体系和接口，整体系统易于维护。

平台提供全面、可靠的OCR能力服务，该产品提供低门槛、高性能、低TCO、可扩展和企业级保障的整体特性。

物理层为信息智能处理中的人工智能技术应用提供计算能力和支持服务，通过分布式计算调度，将异构算力集群用于模型训练和服务推理，满足银行非结构化数据等不同场景应用需求，实现计算效力最大化。

数据层包含了大量的预训练数据集，有效地从大量标记和未标记的数据中捕获知识，极大地扩展了模型的泛化能力，同时提供了智能数据采集标注能力，利用大模型的自监督学习方法，减少数据标注，通过通用大模型既可以低成本扩展出银行领域的专用模型。

模型层是智能OCR平台的核心部分，兼容多种计算框架，基于自动机器学习能力，构建算子库和算法库，算子库包含文本识别、表格识别、目标检测、印章识别等丰富的原子能力。底层基于自研的励心信息提取大模型，掌握了海量的实体/关系，具备零样本下快速冷启动能力，可以在少量样本下fine-tune，提供高效、快速的场景模型定制和迁移能力。

服务层是通过深度场景积累，提供了数十种开箱即用文字、图片识别模型和高效简单的定制化场景模型能力。针对银行定制化智能文档识别场景，联通底层信息提取大模型能力，应用少样本建模技术，可以快速完成端到端AI场景应用全流程构建，降低应用门槛，显著提升智能文档/票据场景应用模型上线速度。

应用层将智能OCR能力接入银行的业务系统，供上层应用调用，便于与跨语言的其他应用程序、模块和系统对接，为银行运营管理部、小微金融部等部门提供智能化能力支撑。

②业务架构

文件解析：提供检测模型、识别模型、表格检测模型、表格识别模型、图像预处理模型、印章识别模型。并提供对应的检测识别能能力，对系统传入文件进行OCR解析。

信息抽取：提供ELLM通用信息抽取大模型，并提供规则引擎能力，对OCR解析后文档的关键要素进行抽取，包括K-V抽取、关系抽取、实体抽取、表格抽取、段落抽取能力。

服务上线：提供实验环境与生产环境服务上线功能，实验环境支持场景配置、准确率评估、效果分析、模型训练、任务管理、一键发布场景能力，支持训练好的场景模型一键发布到生产环境，生产环境可直接调用不同场景模型的API接口。

管理平台：提供统一管理平台，支持对上线的模型与服务进行统一管理，支持接入第三方服务，支持流程编排、人工核验、效果统计、用户管理、资源监控、日志审计等能力。

③数据架构

数据（前端影像等文件）输入后，由底层调度服务分配GPU等硬件资源，资源分配完毕后进行服务调度编排，首先进行前端影像等文件切分、文件分类等，分类完毕后调度底层检测和识别模型，对文件中的文字进行智能检测定位与内容识别，识别完成后调度大语言模型，完成结构化信息的自动化智能提取，信息提取完毕后以JSON的形式通过标准API服务返回给外围业务系统对应数据。

③数字员工与OCR大模型的深度融合

我们发现“数字员工”与“OCR大模型”并不是简单的调用与被调用关系，当OCR识别出错时，数字员工可以利用自身的特定算法，对OCR识别的结果进行“纠错”，从而提升本案例的整体应用效果。  

总之，只有“数字员工”和“OCR大模型”相互配合，有机融合，才能真正的实现“数字员工+OCR大模型”技术的最优化应用，从而最大限度地利用好数字劳动力。

本案例流程如下图所示：

四、项目过程管理

项目阶段一：重塑整个业务流程，审批集中化、流程线上化、尽调标准化、审批智能化，对整个业务进行闭环管理。（建设周期：2021.4-2021.12)

项目阶段二：评审部协同个人条线部门利用人脸识别技术、OCR识别、大数据等多种技术，建立微信小程序、渝鹰link以及信贷系统的协同作业机制，实现信息同步，数据共享。（建设周期：2021.8-2021.12)

项目阶段三：打造“个人按揭贷款集中审批2.0”，结合市场变化对模型开展阶段性诊断，结合一期上线的情况和全链条用户反馈，对决策模型和流程进行了优化，工作效率再次提升了50%。（建设周期：2023.2-2023.5)

项目阶段四：引入数字员工替代一类岗位，创新性的应用了OCR大模型技术和“数字员工”有机融合，采用OCR大模型采用了ETL4LLM数据结构化能力进行高精度的识别提取和深度学习，替代了一类人工岗位环节，进一步提高业务质效。(建设周期：2023.3-2023.6)

五、运营情况

重庆银行自打造个人按揭贷款智能化集中审批体系以来，在提升服务效率与客户体验方面迈出了重要一步。该系统目前实现了重庆区域全覆盖，并逐步推广至异地分行，实现了贷款审批流程的全面革新，告别了传统的人工密集型操作，转而依托先进的AI与大数据分析进行智能决策。

系统上线以来，智能化集中审批系统运行稳定，审批效率显著提升，较传统业务模式提高了87%，目前已实现了T+0审结，可实现70%的高分值客户“秒批”。客户从提交申请到获得贷款批准的等待周期大大减少，系统精准识别与评估风险的能力，实现安全与速度并驱。

此外，该系统的自动化审批流程确保了审批标准的一致性，减少了人为因素的干扰，提升了审批的公正性和透明度。配合用户友好的在线申请界面，客户可以随时随地提交资料，享受24小时不间断的便捷服务。

为了促进更广泛的推广应用，我们还定期组织线上线下培训活动，线上线下、跟岗培训共30场，覆盖600名零售条线从业人员，帮助员工快速掌握系统操作，确保每位客户经理都能熟练引导客户完成线上申请，无缝衔接至智能化审批流程。随着系统的不断优化与升级，我们预期将在未来继续扩大其在个人按揭贷款业务中的影响力，为更多客户提供高效、精准的金融服务，引领行业向数字化、智能化转型的潮流。

六、项目成效

个人按揭贷款智能化集中审批项目的实施，不仅极大促进了我行内部运营效率的飞跃，还在经济效益与社会效益层面彰显了显著成效。

从经济效益角度看，该项目上线后，较传统业务模式效率提高了87%，T+0即可完成业务从申请到审批，可实现70%高分值客户秒批，业务一站式，一次性办结，极大释放业务资源。一是直接节省了人力成本，通过融合先进的"OCR影像识别大模型"与"RPA智能机器人"科技前沿，我们成功部署了一套全天候无间断作业体系，替代了100%该类型岗位的工作量，实现了一个业务环节人工“0”干预。并且在处理时效上取得了飞跃，该环节作业周期显著缩减190分钟，效率提升了90%，准确率提升了30%，同时，数据录入的精确度获得了质的提升。二是前台营销资源得以释放，资源重新分配至更高价值的客户服务与产品创新中。三是释放全行43家机构授信审批人员人力成本，以数字化风控模型+策略进行业务审批。四是智能风控模块有效拦截潜在风险贷款，为银行规避了上亿元潜在损失，提升资产质量。

在社会效益方面，智能化集中审批系统极大地改善了客户服务体验。客户无需多次往返银行，通过手机即可完成申请。快速响应的审批流程缩短了客户的等待时间，提高了服务满意度，增强了银行品牌的市场竞争力。智能化系统确保了贷款审批的公平公正，提升了公众对金融服务的信任度，有助于营造更加健康、透明的金融市场环境。尤为重要的是，通过高效的资金配置，助力实现“居者有其屋”的社会愿景，对社会稳定与经济增长起到了积极的推动作用。

综上所述，个人按揭贷款智能化集中审批项目不仅是技术革新的成功实践，更是实现了经济效益与社会效益的双赢，为银行业的数字化转型树立了典范。

七、经验总结

在推进个人按揭贷款智能化集中审批项目的建设与推广过程中，我们深刻体会到了科技创新与业务融合的巨大力量，以下几点经验总结尤为突出：

1.项目规划与建设

需求导向，精准定位：项目初期，我们深入调研市场需求与内部痛点，明确智能化集中审批的目标与关键指标，确保技术解决方案贴合实际业务需要。

技术选型，稳健创新：在OCR与RPA技术的应用上，我们注重技术成熟度与创新能力的平衡，选择经过市场验证的先进工具，同时预留接口，为未来技术迭代留出空间。

数据治理，奠定基石：高质量的数据是AI模型准确性的基础。我们投入大量资源于数据清洗、标准化及安全保护，构建了可靠的数据底座。

敏捷开发，快速迭代：采用敏捷开发模式，分阶段推进，每阶段完成后及时收集反馈，快速调整优化，确保项目持续适应业务变化。

2.推广策略与执行

内部培训，全员赋能：对全行员工进行系统性培训，特别是客户经理与审批团队，确保他们充分理解新系统的操作与优势，成为推动变革的主力军。

示范先行，逐步铺开：先在部分机构试点运行，积累经验，解决初期问题，再逐步向全行推广，确保平稳过渡。

沟通反馈机制：建立高效的内外部沟通渠道，及时收集客户与员工反馈，持续优化用户体验，同时对外宣传智能化带来的便利与安全，增强信心。

综上所述，个人按揭贷款智能化集中审批项目的成功，得益于前期的精心规划与技术选型，以及实施过程中的敏捷迭代和全方位的推广策略。未来，我们将继续深化技术创新与业务融合，推动重庆银行金融服务的智能化水平迈向新的高度。