一、项目背景及目标

21世纪以来，中国经济实现了持续的高速增长，国民财富的积累以及对资产增值的追求不断增强，进而催生了对金融机构提供高质量财富管理服务的迫切需求。据权威预测，至2025年，中国财富管理市场的总规模预计将突破125万亿元人民币，标志着其已成为金融行业未来发展的战略重点。财富管理业务在提升居民财产性收入及财富积累效率方面发挥着关键作用，并肩负着推动实现社会主义“共同富裕”目标的历史使命。

然而，近两年国内外经济形势严峻复杂，全球经济复苏进程缓慢且不稳定，国际贸易摩擦不断升级，地缘政治冲突时有发生，这些因素相互交织，给金融市场带来了巨大的不确定性。国内经济也面临着需求收缩、供给冲击、预期转弱等多重压力，经济增长速度有所放缓。在这样的宏观经济环境下，金融市场波动剧烈，证券行业首当其冲。例如2024年9月24日行情来袭，证券市场出现了大幅波动，证券行业受到强烈冲击，客户的投资组合价值在短时间内发生了显著变化。在这种情况下，客户的服务难度大幅增加，他们对财富管理服务的需求也愈发多样，不仅要求金融机构提供及时准确的市场信息和专业的投资建议，还希望得到个性化的资产配置方案和风险控制策略，以应对市场的不确定性，保障资产的安全和增值。

面对客户激增的复杂多样的需求，证券公司等金融机构普遍面临客户基数庞大与客服能力不足的挑战。具体表现在：客户服务高度依赖人工操作，客服人员的专业水平和经验参差不齐，导致服务质量难以保证，无法满足客户对高质量服务的期望；跨领域业务的综合服务能力不足，难以满足客户在不同金融产品和服务之间进行综合配置的需求；服务渠道缺乏统一规划，线上线下服务渠道分散，数据分散，缺乏集中化管理，导致客户信息不完整、不准确，影响了服务的效率和精准度。在这种情况下，仅依靠传统的人工服务模式已经无法满足市场需求，亟需依靠智能化手段来减轻人工服务压力，提升服务效率和质量，最大化提高客户转化率，增强客户粘性，提升金融机构在财富管理领域的竞争力。

随着数字化转型和人工智能技术的不断发展，中信建投证券积极探索科技赋能，以提升财富管理服务能力。团队致力于构建全场景数智化客户综合服务平台，赋能公司客服业务全链路数字化升级，为一线员工在服务客户全过程中提供强有力的技术支持。该平台通过以下三个层面实现服务全流程智能化服务：事前（服务前），利用沉淀知识帮助员工快速提升服务技能，提前触达客户了解客户意图；事中（服务中），快速响应客户需求，提升坐席服务效率；事后（服务后），跟踪分析服务全过程，为管理人员提供智能决策支持。而今，尤其是近两年生成式预训练大模型技术的快速演进，为客服业务的智能化升级带来了新的机遇和挑战。团队紧跟技术前沿，逐步探索全流程服务线全方位大模型升级，通过一系列措施满足业务部门对新兴智能化服务的需求，以此提升公司在财富管理领域的整体服务能力及市场竞争力。

二、创新点

全场景数智化客户综合服务平台整体系统框架如图1所示。

图1 平台架构图

全场景数智化客户综合服务平台具备如下技术特点和创新优势：

1.“大模型+专业小模型”打造智能客服AI底座

该平台以大模型作为核心决策和任务调度模块，集成语音识别、意图提取、知识库、智能质检等多种智能化技术，构建了综合性智能化赋能平台。利用智能化手段，促进客服业务全流程的数字化改造，叠加传统大数据技术，为客服业务提供强大的数据底座。同时，深度融合文本、语音、视频等多模态交互方式，实现全渠道客户关系触达和金融服务的事前、事中、事后的全流程赋能，形成大模型赋能的智能化金融服务生态。

图2 大模型系统架构图

在大模型系统架构方面，采用模块化、可扩展的整体架构设计，构建了自然语言解析、提示词设计与管理等基础功能模块。通过与传统NLP算法、向量知识库的结合，适应不同业务场景的需要。同时，平台通过设计封装search代理、web代理等通用agent能力，实现了对于金融服务场景的优化适配。从而实现对于智能质检、智能投顾、多模态客服、智能检索等多个通用业务场景Agent构建的支持。此外，在大模型微调方面，重点完成了行业级微调语料库的构建，通过制定严格的数据标准，从多渠道收集海量数据，进行清洗和脱敏处理，确保数据高质量且安全合规。同时，对多种开源预训练模型进行评估，综合考虑其性能、适应性以及算力资源和成本投入。在技术层面，积累了全量微调以及LoRA、提示调整、P-Tuning等高效微调技术。目前，已针对智能客服场景构建了10万+数据集，完成通义千问、kimi、deepseek等多种底座模型选择和部署落地，并成功将智能客服场景微调准确率提升至90%以上，取得了显著的成果。

2.多种AI技术融合构建智能知识中台

知识图谱与自然语言处理技术构建知识中台。项目团队创新性地提出了一种结合知识图谱、大语言模型、Elastic Search优化、向量知识库和结果重排过滤的综合搜索方案。首先，通过知识图谱和LLM对用户查询进行泛化，生成相关子问题，提升搜索覆盖面和精确度。其次，对Elastic Search进行优化，引入多字段模糊查询、过滤器机制、字段权重控制等，增强关键词匹配灵活性和准确性，提升搜索结果质量。接着，构建向量知识库，利用文本嵌入模型将口语化查询向量化，通过向量数据库实现高效存储和快速相似性检索。最后，对多源检索结果进行筛选、重排序，并结合用户上下文和反馈进行个性化调整，生成最终Top-K搜索结果，旨在为用户提供精准、高效且个性化的搜索体验。

图3 知识中台搜索总流程图

3.基于大模型打造客服坐席智能数字化助手

落地并研发多类智能数字化助手代替员工工作。将大模型等多种AI技术与客户服务全流程深度融合，实现降本增效的目标。1）智能外呼/电话客服系统代替人工呼叫/服务客户，涉及业务涵盖呼叫中心3000+条常见问题以及100+个复杂交互场景，并在必要时转人工进行服务；2）智能坐席辅助全程参与员工服务，提供数字化、智能化的技术支持；3）质检、分析系统对服务过程进行分析，帮助总结归纳经验。基于大模型自动生成服务会话小结和智能工单，并自动提取更新客户动态画像，为后续服务提供支持，全面提升员工的服务专业化水平和客户体验。4）搭建企微群大模型机器人实现自助问答。以企微群聊为信息通路，搭建AI大模型和日常业务场景的桥梁，拓展大模型在各类业务场景中的应用赋能。通过多格式文本解析、文档自动切片、大模型问句泛化、利用Elastic Search召回检索、索引知识重排、RAG+大模型问答整合、大模型意图分类、实体抽取、SQL补全等技术，实现IT电商台群智能助手、开户见证智能助手、两融券源问答助手、运营管理问答助手、两融直通车问答助手以及上市公司公告解析提取推送机器人等，赋能证金、财富委、运营管理部等多个业务部门。

4.数智化技术全面提升客服业务运营能力

实现由“机器替代人工完成简单重复的工作”到“辅助人工完成复杂的任务”的跨越。1）实现7x24小时服务，提高了客服响应速度，公司客服能力得到极大地增强，面对极端行情变化情况下的应急能力更强。2）智能陪练、知识库、KYC等系统使员工技能得到快速提升，新人员工到岗时间大大缩短。同时培训过程中对员工的能力有了全面掌握，便于管理人员对客服业务资源的合理配置。3）大量智能化技术应用，实现了整个客服业务的全面数字化。由初始散装的数据埋点、人工小范围检索，到集成全链路数字化看板，管理员统筹规划。客户数据需求发生变化的第一时间，随之实现数据检测、服务场景和方案的个性化匹配，运营人员能够以数字化视角来对客服过程进行监控分析。利用大模型对数据进一步挖掘，方便管理人员掌握客户的诉求、员工服务的质量等信息，进而发掘客户的潜在需求、优秀员工优秀服务范式等。

三、项目技术方案

为响应公司“致力提升客户服务能力，更好服务国家战略与实体经济，实现自身与证券行业共同的高质量发展”战略导向，项目团队深入分析客户服务全生命周期，通过业务与技术深度融合，创新构建全场景数智化客户综合服务平台。建立"AI+人工"协同矩阵，实现服务流程再造，针对标准化业务，部署智能客服集群，实现7×24小时即时响应，大幅提升服务产能。针对高净值客户与复杂业务，构建"事前智“慧”，事中智“助”和事后智“学”"的全流程数字化赋能体系：

图4 平台服务模式

1.事前阶段：智慧赋能，精准洞察客户需求

在客户服务的事前准备阶段，通过AI技术与生成式预训练大模型的深度融合，为客服业务提供了强大的支持。一方面，利用大模型整合公司海量的客户信息，对客户的历史交易记录、偏好数据以及咨询记录等多维度信息进行深度挖掘与分析，生成更为精准且全面的客户画像。辅助客服人员提前洞察客户需求，进而制定出更具针对性的个性化服务方案。另一方面，智能外呼系统在大模型的改造下，实现质的飞跃。利用大模型从优秀的人工外呼服务记录中抽取优质话术与沟通技巧，提炼外呼模板。实际通话过程中，系统灵活运用生成话术，并实时分析客户反馈，动态调整外呼策略，从而显著提升客户体验与沟通效果，提高外呼的成功率与转化率，极大地节省人工时间，提升服务效率。

2.事中阶段：智能辅助，提升服务质量和效率

在客户服务的过程中，多种人工智能技术的应用极大地提升了服务质量和效率。智能客服系统借助生成式预训练大模型，抽取最新业务文档、行业公告等数据，实现常见问题解答（FAQ）的自动化扩充。模型通过深度学习海量业务知识，自动识别客户问题的核心意图，并精准匹配FAQ库中的回答，提升智能客服问题解决率和拦截率。同时，利用大模型根据客户问题的热度和复杂程度，自动调整回答的优先级和详细程度，确保用户获得最优质的服务体验。坐席辅助系统则利用大模型对服务流程进行预判，根据配置模板进行意图匹配，辅助坐席实现多功能服务。当客户提出问题时，大模型能够快速分析问题的性质和类别，并预测客户可能的后续需求，为坐席提供精准的建议和解决方案。此外，基于大模型实时监测坐席的服务表现，根据服务流程和话术模板，对坐席的操作进行实时指导和提醒，帮助坐席更好地应对各种复杂情况，提升服务质量和客户满意度。

3.事后阶段：智能学习，优化服务流程和策略

在客户服务的后期阶段，对全服务流程进行回归分析和优化是提升服务质量的关键环节。智能质检模块在大模型技术迭代下，全面分析通话内容、服务流程、话术规范等数据，精准识别服务质量问题，并提供详细的分析报告和改进建议，进一步推动客服业务的持续优化，增强客服系统应对突发情况和异常指标的快速响应能力。同时，利用大模型对服务记录进行深度分析，提取优秀话术、抽取热点问题，并对服务流程提出优化建议。这些数据不仅便于管理层进行数据统计和监控，还为员工提供了宝贵的学习资源，帮助他们不断提升服务技能和服务质量。

通过近两年基于大语言模型技术的赋能，中信建投证券全场景数智化客户综合服务平台在事前、事中、事后三个阶段的服务能力得到了全面升级，为客户提供了更加高效、智能、贴心的财富管理和综合服务，也为公司在激烈的市场竞争中赢得了更大的优势。

四、项目过程管理

中信建投证券全场景数智化客户综合服务平台，以大模型技术为基座，实现重构客服体系，以总部呼叫中心为切入点，赋能客服全流程。作为公司数字化转型的关键一步，由信息部门自主研发，有效应对金融科技领域的数字化挑战，提升了业务处理效率，加速了员工技能成长，实现了服务营销全流程的智能化辅助，获得了用户的积极反馈。

2019年，落地智能外呼、智能质检系统，实现自动客户回访、自动检查服务合规性。

2020年，落地智能电话客服系统，智能客服自动接待客户来电。

2021年，落地智能语音平台，强化平台能力，覆盖多种业务场景。

2022年，落地员工赋能平台、坐席辅助系统，搭建基于知识图谱构建员工知识库，实现NLP平台化。

2023-2025年，进入全面接入大模型“All in AI”阶段，对已有客服系统进行全线大模型改造。

五、运营情况

1.突破呼叫中心生产力增长困局

回望过去的五年，智能客服与智能外呼两大呼叫中心核心业务齐头并进，实现了跨越式发展。公司4008-888-108客服热线客户接待量从2019年的日均500通增长至2024年的日均2000通，2024年十月全面上涨行情中表现卓越，客户接待量单日曾到达1.5万通，显著提升了客服热线承载力，打破了传统呼叫中心人工生产力弹性差的困局。另一方面，公司95587客户回访量从2019年的日均8500通增长至2024年的日均23000通，单日最高外呼量高达5.5万通。智能呼叫系统已成为呼叫中心不可或缺的核心生产力，犹如人体心脏般，为整个呼叫中心的顺畅运转提供着持续而强劲的动力支持。

2.大力推动呼叫中心智慧建设

前端智能呼叫系统的成功实施为后续发展奠定了坚实基础，进而推动了中后台智能化水平的全面提升。通过系统性总结与创新实践，现已形成一套契合我公司客户服务需求的智能化运营体系，智能质检、智能坐席辅助等关键模块相继落地。

质检是呼叫中心质量管理体系的核心组成部分，智能质检系统的正式上线，显著提升了质检工作的整体效能，实现了质检模式的转型升级。具体而言，该系统将传统按比例抽样的质检方式升级为全量覆盖模式，使质检覆盖率从系统部署前的3%全面提升至100%。质检类别也从单一质检新开户回访，接入了私募回访、日常存量回访、咨询电话等服务渠道数据，构建了更为完整的服务质量监控体系。从执行效能来看，智能质检系统每周可全量质检6万通会话，在保证质检质量的前提下，有效替代了原有质检流程中95%的人工操作环节，显著提升了质检工作的整体效率与专业水平。

在服务质量管控方面，除事后监督机制外，更为关键的是将风险防控贯穿于服务生产全流程。坐席辅助系统的实施为服务过程的精细化管理提供了坚实保障。该系统上线后，显著降低了坐席操作风险，优化整合了13项跨系统查询场景，部署辅助流程及智能FAQ提醒功能共计1000余项。统计数据显示，系统已累计为人工客服提供45.5万次辅助支持，为回访人员提供391万次辅助服务。通过系统应用，单通电话平均处理时长由9.74分钟优化至8.51分钟，客户满意度指标从97.62%提升至98.81%，充分体现了系统在提升服务效率与质量方面的显著成效。

六、项目成效

投入产出情况：

经济价值：

该平台自上线以来，项目团队构建了众多智能助手作为“虚拟员工”，由AI替换专职人员工作，赋能多个业务场景进而实现降本增效。

智能外呼机器人平均每年可完成约440W通电话，按人工每人每工作日处理160件回访任务计算，约节省103个人天工作量，有效减少了对人工客服的依赖。

智能客服机器人日常服务2000通来电，按人工每人每工作日处理60件呼入来电计算，约节省33个人天工作量。大模型人机会话总结助手实现全量智能电话客服服务记录复核，平均每个工作日可节省20个人天工作量。

上市公司公告提取助手平均每天生产有效信息50条，较人工查询、分析和定位工作节约工时5h/天。消息群推送智能助手实现定时股市日历推送、特定交易所公告推送、证券交易融资“公告”推送功能，替代人工时7h/天。合计节省1.5个人天工作量。

坐席辅助模块大模型做人人会话小节、工单总结流转、语音转文字、录音问题更便捷锁定与回听、信息整合查询等，全链路共节省283h/天，约节省35.375个人天工作量。

智能质检模块实现质检量由人工抽检3%提升到机器质检100%，替代95%的质检工作，合计人工替代工时990h/天，约节省123.75个人天工作量。

社会价值：

（1）金融科技融合

平台建设过程中，集成前沿智能化工具及多模态交互技术，是金融服务场景与科技深度融合的典型实践案例，实现了技术与业务协同助力的良好发展模式，有效推动数智化金融的建设。智能客服技术在行业中属于较为领先水平，先后跟申万宏源、国信等券商进行技术交流,无论是应用广度还是深度，均为行业提供了较好的典型实践经验。

（2）数字金融普惠服务

平台的实施应用，深度融合数字技术与金融服务，推动了数字金融的创新发展，为行业高质量发展提供了有力支撑。该平台不仅提升了金融服务的效率和质量，还通过智能化手段扩大了金融服务的覆盖范围，降低了服务门槛，让更多客户尤其是小微企业和普通投资者能够享受到便捷、高效的金融服务，有力地促进了普惠金融发展，助力国家共同富裕目标的实现。特别是在“适老化”场景中，该平台通过提供个性化的智能服务，大幅优化了老年客户的金融服务体验，有效解决了传统金融服务对老年人使用的不友好问题，从而实现了更广泛的金融普惠，实现金融服务共享。

系统在建设过程中，注重相关知识产权成果的积累，累计在《交易期刊前沿》、《金融电子化》等期刊发表论文12篇，获得国家发明专利授权3项，软件著作权9项，并荣获证券业协会优秀课题、深交所研究课题三等奖等11项行业奖项。

七、经验总结

在数字化转型浪潮下，金融机构面临客户基数庞大与服务能力不足的双重挑战。中信建投证券以科技赋能为核心，构建全场景数智化客户综合服务平台，为财富管理服务注入新动力。目前平台已实现客服业务全流程智能化升级，显著提升服务效能。

随着财富管理市场持续增长，客户需求日益复杂多元，对服务的及时性、精准性提出更高要求。未来，中信建投证券将紧跟业务需求，深入探索智能化场景化服务模式，优化客户体验。进一步拓展大语言模型在平台中的应用，挖掘其在更多业务场景的潜力，充分发挥智能知识中台的赋能作用，降低运营成本。同时，融合全渠道、多模态服务数据，深度挖掘非结构化文本价值，为获客、营销、合规等多领域提供支持。以数据驱动业务优化，持续改进产品和服务，提高客户满意度，助力公司实现长期发展目标，推动金融行业的高质量发展。