一、项目背景及目标

随着大模型技术在证券行业的深化应用，财富管理智能化转型成为行业核心趋势。国内资本市场扩容与居民财富管理需求升级，推动海量投资者通过线上渠道寻求服务，传统模式在客户个性化服务、营销效率及风险管控上的短板日益显著 —— 人工服务难以满足差异化需求，合规框架下的降本增效需求迫切。员工也因大量重复繁琐的基础工作，难以投入精力提升专业能力与服务水平。

从市场现状看，国外头部券商如摩根士丹利、高盛已通过 AI 技术优化投资建议与量化策略，但复杂产品适配和跨模态数据融合存在瓶颈；国内华泰证券、国泰君安等依托大模型提升了智能客服与投研效率，却面临大规模数据实时处理和极端场景风险响应的挑战，行业普遍存在智能与业务协同效率问题，这些问题也限制着员工工作效能的发挥。

中信建投证券针对传统模式中客户服务同质化、营销精准度不足、风险评估滞后等痛点，基于大模型技术构建基于财富管理业务的员工协能全链平台。该体系旨在通过大模型及智能化技术整合客户行为、市场舆情与产品数据，突破传统数据处理边界，不仅为数字金融转型提供技术支撑，更通过智能化手段为员工赋能。

本项目目标聚焦核心场景智能化与员工能力提升的深度融合。在客户服务上，员工借助大模型分析结果，实现需求预判与精准触达，提升服务专业性；市场分析环节，员工利用动态情绪图谱获取深度市场信息，增强投资决策分析能力；产品推荐过程中，依据客户画像生成的个性化方案，助力员工提升资产配置专业度；风险评估方面，实时智能预警让员工及时掌握风险动态，降低风险识别压力；业务协同构建的 “人机协作” 生态，优化跨部门资源调度，使员工能够将更多精力投入到高价值服务与个人能力提升中。

本项目致力于实现以下三大价值：通过技术赋能打造智能服务闭环，提升客户满意度与服务效率，同时让员工从基础工作中解放；降本增效释放人力，使员工能够投入更多精力开展高价值服务，实现个人能力与职业价值的提升；形成可复制的解决方案，推动行业向 “数据驱动、智能决策” 转型，助力证券财富管理进入技术引领新阶段，为行业员工发展提供新范式。

二、创新点

当前，证券行业在金融科技领域取得显著进展，以大模型、云计算及人工智能等为代表的数字技术创新发展不断冲击着证券公司的传统商业模式。在金融科技发展浪潮下，数字化转型成为证券公司适应数字经济、谋求生存发展的必由之路。随着资本市场的不断发展，证券公司的管理规模也愈发庞大，根据中国证券业协会发布的最新数据显示，证券资产管理规模节节攀升。各证券公司在面临庞大的客户群体时，如何提供高效、专业且优质的服务已然成为证券行业目前的业务痛点之一。

为解决上述问题，中信建投证券坚持以大模型驱动，实现证券财富管理数智化转型，利用大模型技术和人工智能技术，建设了基于财富管理业务的员工协能全链平台。平台通过用户的全景分析画像，在获得客户允许的情况下进行客户行为的实时预测与分析，及时识别业务机会，同时融合知识图谱、机器学习和推荐算法构建了一套证券领域的专业数据管理中台，利用文本向量计算技术为员工和客户提供专业的知识推荐和解析，为员工提供机器人协同服务、智能机器人电话服务、智能机器决策等诸多能力，有效提升了员工服务效率，平台所具备的业务创新点和技术创新点如下：

（一）平台业务创新点

中信建投证券财富管理业务的员工协能全链平台，以多模态异构融合技术为核心，整合语音、文本、交易行为等全场景数据，解决了传统业务中数据孤岛与实时性不足的技术难题，形成 “数据 - 服务 - 知识 - 智能体” 一体化体系，推动客户服务精准度提升与业务连续性强化，成为证券行业数智化转型的标杆实践，其业务创新点如下：

1. 多元业务覆盖，提升员工综合服务效率

平台覆盖多种证券业务类型与客户交互方式，涵盖投资顾问、业务办理、客户答疑、证券产品营销、音视频服务等，能够为客户提供丰富且优质的服务。平台协同能力支持多业务线合作服务，丰富的员工端功能有效提升员工的综合服务效率，实现从传统人工服务向 “人机协同” 模式的进阶。

2. 动态金融智能知识库提升员工服务专业化程度

基于人工智能技术的数据管理中台实现了组织内各部门及分支机构数据库、表格、文本、图像、音视频文件的聚合接入，为员工提供高效的知识推荐和检索，支持服务过程中的高效人机协同。通过实时同步证券行业政策、市场动态及产品信息，保障了员工服务内容的专业化与时效性。

3. 稳定合规控制与全方位质检能力

智能合规质检实现针对服务和营销内容的实时文本、语音和视频 100% 覆盖质检，涵盖事前、事中和事后的全流程合规控制。平台语义解析技术能够根据上下文内容实现模糊内容质检，在关键词质检基础上大大提升质检内容深度、广度、准确率，同时支持自定义质检目标内容和业务范围，适应企业业务变化需求，有效提升质检员工作效率，筑牢证券业务合规防线。

4. 新一代平台大幅提升智能比重

新一代平台重点关注智能科技，利用大数据存储海量用户行为数据，利用并行计算将过去难以实现的客户分析行为进行落地，针对证券开户、产品销售、浏览兴趣等众多场景进行实时的监听和分析，及时反馈员工进行跟进服务。云原生能力保障系统的稳定运行和动态扩容能力，能够应对行情波动导致的客户流量骤增。大模型智能化底座为全部服务过程进行效率提升，为每个员工打造个性化服务驾驶舱，让科技的力量落地一线，极大提升证券客户服务质量。

（二）平台技术创新点

中信建投证券基于财富管理业务的员工协能全链平台以多模态数据融合与智能体协同为核心，构建四层递进式技术链路，并以反馈大模型实时优化策略闭环，最终实现 “数据治理 - 需求洞察 - 决策生成 - 行动追踪” 全流程智能化的技术突破，其技术创新点如下：

1. 智能员工赋能辅助

平台创新性地引入基于多模数据的人机协同服务机制，在技术上引入知识推荐、情感识别等智能化手段赋能人工投顾，结合语音转写、图像理解、意图识别进行自动检索数据和最佳匹配答案，实现客户自动对话服务和高效的服务辅助。针对证券客户的投资咨询、交易指导等高频需求，系统可毫秒级响应并生成专业建议，极大提高金融客户服务与营销效率，提升客户体验。

2. 面向证券垂直领域的智能数据中台

平台引入面向证券垂直领域的智能数据管理中台服务，实现各部门及分支机构间的多模数据聚合接入；支持图、FAQ 问答对、向量等多样化知识的定义、生产、管理及应用的全流程无代码图形工具化操作；结合强化学习驱动的服务分流模型，实现关键节点客户服务并实现潜在需求挖掘，为证券投研、客服、营销等业务线提供全场景知识支撑。

3. 多模态异构融合的智能金融服务能力

平台搭建多模态融合的智能金融客户服务体系，通过引入多模态融合技术构建基于多媒介互通的客户服务方式，将语音、视频、文本等多模态输入实时转换为目标语言文本并解析，增强不同特征数据融合能力，并支持数据隔离与混合检索机制，实现跨模态数据的安全存储与毫秒级特征提取，从而为客户提供更精准、多元的证券服务，提升客户满意度。

4. 融合大数据与人工智能的智能体平台基座

平台不断拓展和完善人机对话解析的能力，创新性地引入智能体协同机制，构建语义搜索、情感分析、会话意图识别等智能应用组件，建设运营高效的统一非结构化 AI 分析平台，实现 “数据治理 - 需求洞察 - 决策生成 - 行动追踪” 全流程智能化的技术突破。该基座支持证券业务全链条自动化，在节省人力资源成本的同时提升客户服务体验，为证券财富管理业务构建技术护城河。

三、项目技术方案

中信建投证券基于财富管理业务的员工协能全链平台，采用 “四层智能闭环” 架构。底层依托混合云多模态数据管理仓库，整合公司内跨模态数据，借 Data Agent 实现超融合存储与隐私计算的安全治理。中台部署 AI 模型算法库，为各业务系统及场景提供通用智能服务，避免算法重复开发，降低模型运维成本。应用层通过多智能体协同（如投顾 / 风控 / 交易 Agent）接入关键业务系统，结合 Agent 自动化与数据管理中台形成策略闭环，提升传统业务系统智能化水平。顶层以大模型赋能体系贯通 “数据 - 服务 - 决策” 全链条，实现智能投研、精准推荐与风险穿透管理。平台全栈集成零信任安全架构与 AI 主动防护机制，支撑亿级实时交互，保障业务连续性与服务精准度，成为证券行业数字化转型核心引擎，推动客户体验与业务效能跨越式提升。

图1 总体架构图

技术方案

（1）系统业务架构

图2 业务架构图

中信建投证券基于财富管理业务的员工协能全链平台在数据存储端，以跨模态异构特征融合技术整合全场景数据，利用动态更新算法与跨模态分析引擎，实现数据的深度关联。平台基于综合运营服务中心动态调度客户交互系统（如智能外呼、断点营销）并动态捕获客户需求，潜在需求通过智能数据管理中台系统对客提供智能化后续服务（产品推荐、投资策略、风险告知等）。在智能体应用端，智能体协作平台的智能体应用通过嵌入式方式与核心业务系统交互，构建营销、风控等场景的 Agent 协同网络，实现数据互通与智能决策闭环。对内业务场景中，财富管理平台依托全链路员工赋能体系（集成 NLP、研报生成）进行研报生成、坐席辅助等全流程提效，形成 “数据 - 服务 - 知识 - 智能体” 一体化体系，推动客户、员工服务精准度提升与业务连续性强化，成为证券行业数智化转型的标杆实践。

（2）应用架构

图 3 应用架构图

平台在应用层的建设通过 “分层协同、业务驱动” 模式构建端到端智能化体系。前端聚焦客户交互，整合客户画像、行为分析及实时响应模块，实现精准推荐与定制化服务；中台为业务中枢，集成智能投研、组合优化、合规风控三大引擎，通过算法模型预测市场趋势、优化持仓结构，自动化生成财富管理策略并实时监控交易异常；后台强化运营支撑，基于 Agent 技术自动化处理交易清算、信息披露及数据归档，确保流程高效透明，最终形成 “客户需求洞察 - 服务策略匹配 - 风险穿透管理” 的闭环生态，推动证券业务在投资决策精准性、业务执行效率及合规管理深度上的全面提升，助力数字化转型目标落地。

（3）系统技术架构

图 4 技术架构图

本系统技术架构为递进式技术链路：多模态异构数据融合仓库（提取文本 / 语音 / 视频 / 时序等多样化数据），支持数据隔离（如差分隐私与同态加密）与混合检索机制（RAG 增强检索 + 向量化索引）实现跨模态数据的安全存储与毫秒级特征提取；客户运营服务阶段依托多模态解析引擎（集成 ASR 语音转写、VIT 图像理解、NLP 意图识别）实时构建客户交互知识图谱，实现关键节点客户服务并实现潜在需求挖掘；需求挖掘层创新采用联邦学习框架，联动深度行为序列分析模型（LSTM+GraphSAGE）与市场情绪感知 Agent，从持仓变动、宏观经济指标等维度挖掘客户隐性需求（如风险偏好迁移预警），生成预见式资产配置建议；智能体协同层通过集成任务编排引擎与规则引擎，驱动智能投顾、合规审核、交易执行等 Agent 的联邦式协同，并以反馈大模型实时优化策略闭环。

（4）系统数据架构 - 多模态异构融合数据架构

图 5 数据架构图

多模态异构融合数据仓库通过深度融合多种模态处理引擎，结合决策层隐空间融合技术（Latent Fusion 3.0），构建了覆盖证券全业务场景的智能数据处理体系。系统采用 NLP 4.0 框架实现金融语义解析高准确率，ASR&TTS 双通道实现低延迟，并支持 16 类证券文档的智能图像结构化解析，形成多模态数据特征矩阵。在存储架构层面，通过关系型数据库保障交易数据强一致性，依托分布式文件系统实现 PB 级非结构化数据存储，结合图形数据库 Nebula 构建实体关联网络，并集成搜索数据库 ES 实现毫秒级检索响应。

（5）系统安全架构

图 6 安全架构图

本系统安全架构采用动态化、智能化的多层级防护设计，通过数据加密、分布式存储与实时脱敏技术保障数据安全，结合多层次身份验证、细粒度权限管控及全操作日志追溯构建零信任访问体系，并依托 AI 大模型实现合规检测、风险预判与自动化应急响应。通过深度融合云原生灾备能力，在满足证券行业强合规要求的同时，实现安全防护从被动防御向主动感知的范式升级，为高并发交易场景下的资产安全与隐私保护提供全栈式技术支撑。

四、项目过程管理

项目由中信建投证券股份有限公司信息技术部牵头并实施。“基于财富管理业务的员工协能全链平台”项目的实施采用试点实施和推广的分阶段方式。主要经历了以下几个阶段：

（1）需求分析和概要设计阶段

2021年3月至2021年6月，主要完成了需求分析工作，形成了《基于财富管理业务的员工协能全链平台需求说明书》文档。

（2）系统详细设计阶段

2021年7月至2020年8月，主要完成了系统设计工作。

（3）系统编码、测试和上线准备阶段

2021年8月至2022年1月，主要完成了初版系统开发、测试以及上线准备工作，形成了《基于财富管理业务的员工协能全链平台项目测试报告》、《基于财富管理业务的员工协能全链平台项目技术报告》文档。

（4）试点上线阶段

2022年11月至2022年3月，主要完成了第一版系统试点上线。

（5）推广应用阶段

2022年3月至2022年12月，主要完成了第一、二批推广工作，形成了《基于财富管理业务的员工协能全链平台用户手册》、《基于财富管理业务的员工协能全链平台项目研制报告》、《基于财富管理业务的员工协能全链平台系统运行维护手册》，落地智能语音、智能客服、语音合成、知识搜索等模块。

2023年1月至2023年12月，主要完成了第三批推广工作，落地坐席辅助、数据管理中台模块。

2024年1月至2024年12月，主要完成了第四批推广工作，落地员工智能助手模块，用数字化、智能化手段全方位协助员工的所有工作。

2025年1月至2025年4月，基于大模型+小模型技术提升意图识别、风险识别、搜索推荐等服务的准确率，赋能改造全系统架构。

五、运营情况

本项目在发展数字金融指导下，坚持以客户为中心，致力于基于以大模型为代表的人工智能技术构建智能化金融服务生态，实现了金融科技与业务创新的协同发展，大幅度提高公司金融服务效率和质量。

1. 全渠道多模态客户触达

系统在传统IM交互方式的基础上，搭建了基于实时音视频通信的全媒体交互平台，为员工与客户提供基于音频、视频、桌面共享、同屏交互等多模态交互方式，突破客户触达的时间与空间限制，实现了投顾顾问与客户之间随时随地、面对面的沟通，解决行业客户触达及客群覆盖的重点问题，提高服务便捷性，是金融普惠服务的一种典型实践。平台上线以来，现实现年均智能触达数量400万通以上，员工多媒体渠道通话数量300万以上。特别在本次市场行情波动期间，累计高效完成200余万通电话服务，有效缓解开户回访峰值压力。

2. 全流程智能化辅助

平台依托私有化部署大模型基础平台，集成了智能语音、意图识别、会议助手、智能知识检索、智能质检等多种智能化工具，构建了一整套完备的业务流程辅助体系，通过实时通信服务过程中，洞察客户需求和行为方式，完成高效信息检索和智能化信息推荐，实现全业务流程对员工及业务场景的持续赋能，为客户提供私人订制的个性化服务。并通过事中风险预警和事后智能质检，充分保障了服务内容安全合规，助力公司财富管理业务的可持续增长。

3. 全场景金融服务赋能支持

平台上线以来，基于综合智能服务生态能力的建设，实现呼叫中心、客户回访、企业微信、优问、断点营销等多维度客户服务场景的接入，并完成对多家分支机构、子公司的业务支持，向千余名投资顾问提供业务服务，支持了公司多业务联动，助力传统金融服务的数字化转型升级。智能语音模块年均调用次数达2000万次以上，助力数百万客户完成开户业务。平台提供的全流程智能辅助工具，实现近百人年工作量提效，为公司节省直接通信和人工成本达千万元以上，为公司带来显著的降本增效成效，并间接赋能了非现场开户、营销等核心业务场景，创造巨大的业务价值。

六、项目成效

该平台自上线以来，逐步实现个性化服务、精准营销、智能回访等核心场景的全面覆盖。月均辅助员工回访业务15万通，触达业务4万通，企微机器人问答服务30万次以上；基于大模型实现日均生成2万通客服录音对话摘要、800余工单，相关智能化赋能场景累计节约人力成本300余万元。智能音视频通信平台每年稳定支持260万通以上通话，为公司节约直接通信成本500余万元。智能语音服务实现全渠道年均1800万次以上的调用，协助完成开户8余万户，引入客户资产120亿元以上，会议助手年使用人次超10万+，在智能议程生成、实时语音转写、会议纪要自动生成等场景中实现高效赋能，为公司带来显著的降本增效成效，并间接赋能了非现场开户、营销等核心业务场景，进一步提升企业协同效率，创造巨大的业务价值。

七、经验总结

1.落地实践端：从技术整合到业务闭环的全链条经验

需求驱动的分层架构设计：以 “员工服务痛点 - 业务场景需求 - 技术能力匹配” 为逻辑链，采用 “数据中台 + 智能引擎 + 应用场景” 三层架构，避免技术与业务脱节（如智能质检模块同步对接合规政策与服务流程）。

敏捷试点与梯度推广策略：分四阶段迭代（智能语音→数据中台→员工助手→大模型升级），每阶段聚焦 1-2 个核心场景（如试点期优先落地智能外呼缓解回访压力），通过小步快跑降低实施风险。

人机协同的组织适配改造：同步推动业务流程重构与员工能力升级，例如通过 “智能体辅助 + 人工复核” 模式，将投顾从基础数据处理中解放，聚焦高净值客户策略定制，实现人力结构优化。

2.行业价值端：从单点创新到生态赋能的范式突破

技术融合的证券服务新基建：验证了 “大模型 + 多模态数据” 在财富管理中的可行性，尤其在跨模态特征提取（如语音情绪 + 交易行为联动分析）与实时策略生成方面形成差异化优势。