目录

推荐序一  I

推荐序二 III

前言     V

第1部分　概述　001

引子　AI来了，未来的银行会怎样　002

第1章　金融革新的曙光：银行AI转型的挑战与机遇　004

1.1　传统银行的挑战：变革的前夜　004

1.2　大模型技术：银行的革命性变革　006

1.3　未来展望：AI银行的愿景与实现路径　008

1.3.1　大模型赋能金融行业　010

1.3.2　大模型赋能企业的六大核心价值　012

1.4　本章小结　013

第2部分　核心业务场景的AI员工　015

第2章　客服AI员工　017

2.1　传统客服困境：远程银行的痛点　017

2.2　用户场景角度：客服AI助手的种类　020

2.2.1　在线客服AI　020

2.2.2　电话客服AI　021

2.2.3　外呼营销AI　022

2.2.4　外呼催收AI　023

2.2.5　内部培训AI　024

2.3　功能角度：客服AI功能拆解　025

2.3.1　客服AI辅助座席实时回复　026

2.3.2　客服AI辅助座席提供前情摘要　027

2.3.3　客服AI辅助营销外呼　028

2.3.4　客服AI辅助撰写工单摘要　030

2.4　落地挑战：客服AI的难点　033

2.4.1　感知客户情绪　033

2.4.2　多轮对话　034

2.4.3　客户前后态度不一致　034

2.4.4　如何与企业保持一致的价值观　035

2.5　当前热点：数字人、AIGC与客服AI的融合　036

2.5.1　数字人与客服AI的融合　036

2.5.2　AIGC与客服AI的融合　041

2.5.3　客服AI实施案例　045

2.6　本章小结　050

第3章　客户经理AI 员工　051

3.1　传统客户经理困境：银行传统网点的痛点　051

3.1.1　银行传统网点的痛点　051

3.1.2　客户经理的挑战　053

3.1.3　客户经理典型的一天：忙碌背后的困境　054

3.2　智能助力：AI如何助力客户经理　056

3.2.1 　AI加持下客户经理的一天　057

3.2.2　PC端AI助手和移动端AI助手　059

3.3　功能角度：客户经理AI功能拆解　062

3.3.1　客户经理AI辅助运营：协助精准化管户 SOP　062

3.3.2　客户经理AI辅助制定财富方案：个性化财富投资顾问　063

3.3.3　客户经理AI辅助应答：全栈客服问题应答　064

3.3.4　客户经理AI辅助培训：专业化培训辅导　065

3.3.5　客户经理AI辅助处理日常事务：日常化过程管理　067

3.3.6　客户经理AI辅助文案策划：话术策划和约谈聊天话题　068

3.4　落地关键：客户经理AI知识库构成　070

3.4.1　金融产品知识　071

3.4.2　金融市场与经济知识　071

3.4.3　银行政策与法规　073

3.4.4　销售与服务技巧　074

3.4.5　行业动态与竞争对手信息　075

3.4.6　其他相关知识　076

3.5　本章小结　077

第4章　反欺诈AI 员工　078

4.1　传统反欺诈困境：传统反欺诈模式的痛点　078

4.1.1　金融反欺诈的战略意义　078

4.1.2　金融反欺诈面临的重重挑战　080

4.1.3　金融反欺诈需要满足的监管要求　081

4.2　智能助力：AI如何助力反欺诈　083

4.2.1　多元反欺诈核验模式简介　084

4.2.2　多元反欺诈核验模式的核心要素　085

4.2.3　多元反欺诈核验模式的具体层面　087

4.3　落地关键：反欺诈AI架构与核心算法　090

4.3.1 　反欺诈AI架构解析　090

4.3.2　反欺诈AI的核心算法　097

4.4　本章小结　099

第5章　信贷风控AI员工　101

5.1　传统风控困境：当前信贷风控的痛点　101

5.1.1　信贷风控的战略地位　101

5.1.2　当前风控面临的挑战　102

5.2　智能助力：大模型如何应对信贷风控的挑战　105

5.2.1　大模型风控组合拳　105

5.2.2　大模型风控的应用场景　107

5.2.3　AI+信贷助手详解　109

5.2.4　AI助力信贷服务实践案例解析　112

5.3　落地关键：大模型风控系统的部件与关键执行策略　115

5.3.1　大模型风控系统的部件　115

5.3.2　大模型风控的关键执行策略　118

5.4　本章小结　122

第6章　投资研究AI员工　124

6.1　传统投资研究困境：当前投资研究的痛点　124

6.1.1　传统投资研究与行业研究　124

6.1.2　传统行业研究的主要阶段　125

6.1.3　传统行业研究的数字化工具　126

6.1.4　传统行业研究面临的困境　127

6.2　智能助力：AI如何助力投资研究　129

6.2.1　AI助力投资研究流程简介　129

6.2.2　AI助力投资研究应用场景概述　131

6.3　AI助力投资研究场景详解　133

6.3.1　场景1：量化分析与数据智能处理　133

6.3.2　场景2：智能摘要、翻译与整理的艺术　135

6.3.3　场景3：AI助力研究报告的撰写与创新　136

6.4　本章小结　138

第3部分　技术实现　140

第7章　金融大模型AI系统构建流程　142

7.1　流程概述　142

7.1.1　规划与立项流程概述　142

7.1.2　技术实现流程概述　143

7.2　规划与立项流程　144

7.2.1　明确需求　145

7.2.2　安全、隐私与合规　146

7.2.3　技术选型　147

7.2.4　硬件选型　149

7.2.5　建设技术团队　150

7.3　技术实现流程　151

7.3.1　制定评测体系　151

7.3.2　增量预训练、微调与智能优化　152

7.3.3　提示语：与大模型交流的窗口　155

7.3.4　RAG：有效消除模型幻觉　163

7.3.5　知识库构建：RAG内部知识来源　164

7.4　本章小结　166

第8章　智能体工厂　168

8.1　智能体工厂概述　168

8.1.1　轻松剧场：智能体与AI员工　168

8.1.2　智能体的定义与需求　170

8.2　智能体工厂落地关键　173

8.2.1　设计框架：智能体的思维模式　173

8.2.2　任务分解：智能体的核心策略　175

8.2.3　外部模块辅助规划：智能体的增强规划　176

8.2.4　工具使用能力：智能体的工具调用与能力增强　178

8.2.5　记忆能力：智能体的持续学习与优化　179

8.3　本章小结　180

第9章　金融安全　182

9.1　金融安全概述　182

9.1.1　生成式AI的风险识别与防范　182

9.1.2　AIGC应用面临的威胁与案例剖析　187

9.2　金融安全落地关键　190

9.2.1　生成式AI安全的关键考虑因素　190

9.2.2　构建AIGC应用的安全防护策略　192

9.2.3　AIGC在金融领域的合规与监管建议　198

9.3　本章小结　201

第10章　战略规划　203

10.1　技术预见：银行业AI应用的未来趋势　203

10.2　战略规划：可持续发展的战略规划　206

10.3　技术路径：未来AI银行转型的技术路径　207

10.3.1　AI与分析驱动的决策层　207

10.3.2　核心技术与数据层　208

10.3.3　运营模式层　208

10.4　伦理与管理模式：AI员工的未来准备　209

10.5　应对挑战：策略、建议与准备　212

10.6　参考列表：金融机构决策层需要考虑的问题　214

10.6.1　首席执行官 / 首席运营官　214

10.6.2　首席营销官　215

10.6.3　首席技术官 / 首席信息官　215

10.6.4　首席合规官　216

10.7　本章小结　217

参考文献　219