我要投稿

人工智能：AI大模型在银行数字员工的应用

发布日期：2025-05-05 08:00:59 浏览次数： 1524 作者：超哥看天

数字员工作为人工智能大模型与银行业务深度融合的新型业务应用载体，正在重塑银行业的服务模式和创新能力。以大模型为核心的数字员工应用，是基于大模型的新型技术，实现金融业务高质量发展，充分体现人机协作，为用户、员工提供实用级的大模型应用。

1、数字员工的意义

1.1 什么是数字员工？

对于企业而言，仍然需要根据业务场景和目标来形成数字员工的有效组合。先把这句话放在前面，实际上数字员工的描述是显而易见的，企业的诉求也是非常直接，需要大幅降低人的成本，无人化自动经营的企业可能是中级的追求。

对于我们而言，是必须需要这些自动化手段在工作中的，我们周围大部分危险性工作已经被实体机器人、传感器等取代了，如化工厂的巡检机器人、危险状况下的无人机查看等。

就我的理解，人主要做0-1的创新类工作，数字员工要做从1-N的重复类工作。

1.2 金融行业到银行适用

我能想到的是金融行业是最适合数字员工参与工作的行业。一是学习成本可控，金融的知识，尤其是底层逻辑，几百年来没有实质变化；二是需要大量的计算，简单的存款、贷款利率对于普通人来说较难，但对于计算机是非常简单的事情；三是繁琐流程处理，我们去买个电器，就发票、保修单，相对简单，但要是我们购买理财产品、保险、证券开户等需要的文件非常多，理论上普通人没有全部仔细查看的吧。

以上三个特点，正是大模型的优势学习、计算和重复，基于大模型的数字人可快速进入金融行业的工作状态，展现出冷酷和精准，可无休止的一直工作下去。

从银行业看，相比保险、证券，银行的业务更好理解，所需计算和流程的内容更多，数字员工的发挥余地会更大。

1.3 基础概念

1.3.1 定义

数字员工是一种由人工智能、机器学习、自动化流程等技术驱动的虚拟劳动力。它们能够模拟人类员工的行为和决策，处理大量的数据和信息，执行各种重复性、规律性的任务。

数字员工又称数字化劳动力，是通过数字化技术打破人与机器边界、充分激活劳动力潜能的第四种企业用工模式，即 “人机耦合”。

数字员工是以 “AI+RPA + 数据 + 机器人” 等多重技术深入融合应用创造的高度拟人化的新型工作人员，特点是人格化、智能化、自动化，具备主动感知、主动交互的能力，可覆盖更多的业务场景，能够像 “人” 一样成长。

一种软件机器人，可以模拟人类在数字系统中的操作，执行重复性、规则性的任务，提高业务流程的效率和准确性。

数字员工是利用人工智能、机器学习、自然语言处理等多重技术深入融合创造的高度拟人化虚拟助手，具有认知、理解、分析、对话等能力，并拥有一定 “智商”，可以自主或协助处理相关工作，帮助企业提高工作效率、减少人力成本、降低人为误差等。

1.3.2 分类

岗位职能划分：管理类、营销类、办公类

操作工作划分：作业型、助手型、专家型

使用角度划分：全员助手、专员助手、决策助手

功能实现划分：有人值守、无人值守、辅助前台、自动化后台

1.3.3 趋势

数字员工进一步提升智能水平，成为超级智能体，具备更强的学习和推理能力，处理更复杂的任务。AI应用的深化将对企业的组织能力提出新的要求，企业需要打造适用于人机协同的组织管理体系从而适应未来的发展。

融入工作流程的数字员工将成为主流，数字员工开发与运营平台在线化与开放化是趋势，数字员工市场将诞生一批新业态，生态愈发繁荣。

数字员工成为企业核心资产之一，“混合型”员工队伍是企业人力资源的重要方向。利用企业专业有数据形成深度洞察与策略是企业未来经营差异化的重要关键。

1.4 对人的作用

对我们来说，要把数字员工当做手机、电脑等一样看待会更加容易理解和接纳。手机从数字按键到一张屏幕的时候，有很多人是反对和不看好的，但时间终究选择了一块屏幕。实际在手机上从人与屏幕交互正在悄无声息的转化为人与手机助手的交互，最直观的语音交互方式，还有很多隐藏的手势交互、隔空动作交互等方式。所以，数字员工对于我们会有以下的感触：

一是必须适应，时代不会因为个人意愿而停下发展的脚步，那我们只有不断学习和适应新的技术、新的应用场景。

二是提升效率，从助手角度看，帮助我们省略大量中间环节，可以快速获得想要的答案，执行效率会获得大幅提升。

三是确保精准，退一步说某些关键点必须由人来做，但也可以让数字员工做个配合审核等动作，确保人执行的准确度，在某些岗位上可以在精准的基础上，大幅降低人的压力。

1.5 意义

提升企业运营效率：数字员工可以 24/7 不间断地工作，无需休息、休假或受生物钟影响，能够同时处理多个任务，并且可以快速切换任务，不会出现疲劳或注意力不集中的情况。

有效降低成本投入：数字员工可以长期使用，并且，数字员工可以替代多个人工岗位，进一步降低了企业的人力成本。同时，数字员工可以通过预设的程序和算法进行工作，无需进行复杂的培训，大大节省企业的运营成本。

更有效保障工作质量与稳定性：数字员工不会受到情绪、疲劳、压力等因素的影响，能够始终保持高度的专注和准确。同时，数字员工可以通过严格的程序控制和数据校验，避免人为错误的发生。

2、银行数字员工的演化

从银行业的自动化、数字化到数智化几个时期的发展，应用先进技术的数字员工成为发展数字金融的重要应用载体，银行通过数字员工的应用将劳动力、数据、技术等生产要素按照数字形态有机融合叠加。

2.1 数字员工1.0-3.0

数字员工概念源自流程自动化技术，伴随人工智能技术的快速发展，数字员工经历基于流程自动化的1.0时代、基于RPA+传统人工智能应用的2.0时代、基于大模型和智能体的3.0时代三个发展阶段，从1.0到3.0，数字员工的智能化水平快速提升，赋能的员工范围和价值产出也越来越大。

2.1.1 数字员工1.0

侧重自动化，主要利用RPA自动化技术，模拟人类计算机操作行为，替代或者协助人类完成业务流程中的已设定规则、自动执行标准化、规则明确的重复性任务，如自动对账、标准化报表自动化生成等，从而提高效率。RPA应用可看作数字员工的早期形态，部分企业也将RPA自动化应用纳入数字员工范畴。

2.1.2 数字员工2.0

侧重智能化，在RPA技术之上，基于“看、听、说、想、做”等传统人工智能技术，打造具有面向特定工作的智能化数字员工。这一阶段的传统人工智能技术开始尝试模仿人类的感知和决策过程，基于机器学习、自然语言处理、计算机视觉、语音识别等传统人工智能技术，赋能数字员工处理相对复杂的任务，如智能问答、智能外呼、金融凭证影像智能识别录入等。从交互能力来看，该阶段出现具有数字人形象、简单语言语音交互能力且有一定人格化属性的数字员工，但受制于传统人工智能泛化能力有限，数字员工2.0往往按照人工预设脚本“照本宣科”，或基于问答对匹配知识库答案回答问题，智能化程度有限。

2.1.3 数字员工3.0

侧重拟人化，随着大模型和智能体技术发展演进，全能数字员工应用得以实现，该模式集成多样智能大模型的能力，包括感知、记忆、规划、执行、反馈、协同等高度拟人化能力，同时基于统一的智能体框架，数字员工3.0可以融合调控数字员工1.0、2.0的各项服务能力，如把RPA能力当成工具调度起来，实现数字员工1.0的自动化和数字员工3.0的智能化协同；如大小模型融合应用，也即数字员工2.0和3.0融合。数字员工3.0通过自然语言交互模式，为企业中的每个员工配备一个7*24小时的智能助理，能够通过理解目标、拆解任务、感知环境、调控工具等方式，人机协同完成规律性较弱、专业性更强、复杂度更高的工作，如市场趋势分析、资金资源调度、代码编写等。

2.2 数字人格

拟人化的数智技术发展，赋予数字员工“数字人格”。在交互能力方面，数智技术帮助数字员工模拟人类的表达方式和行为模式，尤其是伴随着人工智能大模型等技术的逐渐成熟，数字员工具备通过自然语言对话理解语境，学习和适应工作任务的沟通协作能力；在情感个性方面，通过为数字员工精心设计独特性格、知识背景和情绪表达，同时伴随着语音克隆、数字人克隆等高度拟人化技术的成熟，使得面向不同领域的数字员工展示出千人千面的类人形象和个性化服务能力。

2.3 迭代L1-L5的进化

L1: 作为工具被调用，功能级-辅助工具，人类执行井闭环任务；

L2: 任务级-任务执行，执行被分解的任务，人类拆解及分配任务；

L3: 协作级-协作自治，自主拆解及分配任务闭环执行，人和数字员工协作人类监督；

L4: 指导级-专业指导，提供达到人类专家水平的定制化服务，人类参与；

L5:智慧级-自主智慧，超越人类专家水平的能力全面自主，人类授权。

从胜任能力视角来看，数字员工具备“辅驾”、“代驾”两种代表性能力形态。结合智能体应用演进趋势，将辅驾到代驾的能力发展分为L1-L5五个等级。L1级数字员工作为工具被人类手工调用；L2级数字员工能够执行被人类分解的任务，比如RPA每天定时批量处理财务报表自动下载；L3级数字员工能自主拆解及分配任务，闭环执行，人类员工、数字员工协作完成业务工作；L4级数字员工能提供达到人类专家水平的定制化服务；L5数字员工具备自主智慧，能够独立完成工作。当前业界的数字员工能力主要集中在L2及L3两个层次。

2.4 能力成长

从服务对象视角来看，数字员工分为对客服务和对内赋能两种群体。对客服务数字员工主要负责数字化的客户服务工作，如使用智能问答自动答复客户各类金融咨询；对内赋能数字员工主要服务于企业内部的综合办公、业务处理等领域，协助或替代企业员工处理各类事务，提升工作质效，激活经营活力。

从担任岗位视角来看，数字员工的承担岗位呈现出综合化、专业化两种发展趋势。综合化岗位数字员工通常作为员工超级助手存在，承担一个领域或者多个领域的多种岗位，通过自然语言交互，能够调控后端多种专业技能，从而具备文档编写、知识问答、程序编写、数据分析等多种能力，辅助或替代人类员工解决各类问题。专业化岗位数字员工聚焦具体岗位，旨在替代或协助人类员工处理岗位要求的一类或多类工作任务，如数据录入、交易处理、账户维护等。综合岗位数字员工由于具备较强调控能力，可通过对话交互模式调度各种专业岗位数字员工能力串联完成更为复杂的金融交易执行。

3、银行的数字员工

数字员工，也称为数字化劳动力，是一种利用机器人流程自动化、人工智能和其他技术来模拟人类工作行为的智能化IT系统，能在特定领域辅助或替代人类完成相关任务。值得一提的是，数字员工的设立并非是对人类员工的替代，而是让每个员工拥有贴身、智能的数字助理，提升人类员工的生产力和创造力，人机协同为企业创造更大的价值。该模式下，人类员工和数字员工共同组成协作团队，人类员工承担决策、监督、指挥的角色，数字员工围绕人类员工承担建议、执行的角色。通过上述过程，使得每个员工获得成倍的工作效能提升，进而实现生产关系的变革和生产力的飞跃式创新。

在大模型技术驱动下，数字员工拥有“智慧灵魂”，智能化能力和拟人化水平大幅提升，开启数字员工发展的新浪潮，成为推动银行数字化转型、培育金融新质生产力的新型重要应用载体。

银行作为信息与知识密集型行业，随着传统人工智能领域逐步成熟，以大模型为代表的生成式AI技术的快速崛起，让每个岗位配备专属的智能助手，每位员工都能拥有自己的数字分身，从而建立自然语言等全模态交互、人机协同的新业务模式，是大势所趋。

3.1 远程银行坐席助手

远程银行作为银行业线上客户服务的重要渠道，是连接银行与客户的重要桥梁，在为客户提供便捷线上金融服务的同时，人工客服面临着工作强度大、处理和响应时间瓶颈等诸多痛点。如对坐席人员业务能力要求高，针对客户多样化的问题，需要在知识库中的数十万条业务知识中搜索寻找对应答案进行解答；如转接电话体验不足，转接坐席之间沟通时客户需要等待，转接后客户需要重复沟通前序问题；事后工单登记复杂，不同业务工单记录格式及侧重不同，易出现信息遗漏、错记问题。

聚焦现有远程银行客户服务的业务全流程和业务痛点，通过数字员工辅助方式重塑远程客户服务业务全流程，围绕坐席通话前的了解诉求、通话中的解答问题、通话后的记录工单，分别打造转接前情摘要、知识随行、语音实时监测、工单自动填写等助手能力，实现实时通话向坐席人员主动推送答复话术、知识、情绪提醒等能力。

远程银行坐席助手重塑该群体工作模式，助力人工坐席全面实现数字化“武装”，提升覆盖全渠道、全流程的客户服务能力，打造更高效、更有温度的服务体验。其中情绪、敏感词等语音实时监测，有效辅助人工坐席直观感知客户沟通状态，提升服务风险意识；转接前情摘要、知识随行、知识工单的能力，大幅提升坐席人员质效，在账户受控等重点场景实现使用坐席通话时长压降显著。

3.2 网点员工智能助手

在运行管理领域，网点作为数字化转型最小作战单位，存在基层业务人员复杂业务办理难、新业务流程不熟悉、自助终端菜单多功能深操作不便等痛点问题。例如，复杂业务不会办，在日常业务处理中，新员工面对外汇等复杂问题，以及老员工处理不常见业务时，往往不能即时获得有效解答，这不仅影响业务处理效率，也影响客户体验。自助终端操作复杂，导致客户不会操作，经常需要现场客服经理辅助办理，这导致客户自助办理占用厅堂资源多，同时一定程度影响客户体验和效率。

聚焦网点日常服务运营中遇到的制度查询不便、复杂业务处理困难、客户体验不足等痛点，打造集业务问答、外文翻译、客户菜单导航等三大功能为一体的网点智能助手，构建网点智能化对客服务新模式。

网点员工智能助手面向客服经理、客户经理、运营主管、网点负责人等各岗位20余万一线员工，切实为网点人员赋能减负。其中网点业务问答，以溯源的方式形成可信的问答知识，回答网点员工业务操作、规章制度等问题，节省制度查找时间，提升网点员工业务处理效率与服务质量。外文翻译提供在线文本翻译功能，并支持输入内容语种识别，帮助网点员工更好地应对涉外业务场景。客户菜单导航有效提升客户业务办理效率，缩短网点智能终端用户平均等待时长。

3.3 对公营销智能助手

做好对公业务是银行服务实体经济的重要工作之一，服务好对公客户、及时获客、活客是一线营销人员的职责，然而一线营销人员也面临着对公产品业务知识全面掌握难、获客方式传统、文案工作耗时长、经营指标数据获取不便捷等工作痛点。如对公客户根据自身业务需要，提出不同的金融服务复杂需求时，客户经理需要检索对公产品的介绍或产品对应的案例，找出适合当前客户业务场景的产品进行推荐。因对公涉及的产品类型较多，产品本身也较为复杂，在该服务过程中，对客户经理的对公业务专业知识储备要求较高，且客户经理检索适合客户的产品时间较长，整体服务效率较低，影响客户的体验感。

聚焦对公客户服务日常工作痛点，利用大模型“对话式”交互、智能检索、数据分析等技术能力，融合小模型、大数据分析成果，以对公营销通平台为统一入口，打造对公营销通“数字专家”新模式，支持一线营销人员一站式检索产品知识，获取营销机会，查询营销进展，定位系统功能联动业务办理等，提升发现、挖掘、跟进、转化客户服务和管理能力，提高对公客户营销服务质效。

对公营销智能助手面向全行10万+对公营销人员，与传统的“人工检索”、“专业分析师分析数据”模式相比，对公营销智能助手应用大模型技术提供“智能问答”、“对话式查数”功能，大幅提升对客服务效率。自应用以来，对公结现产品营销时长压降明显，产品签约测试上线准备时间大幅缩短。

3.4 网络金融运营助手

随着互联网经济的蓬勃发展，线上渠道的运营管理日益重要，高质量的运营工作不仅有助于业务人员达成特定的业务目标，同时也是用户获取权益及产品信息的重要途径之一。当前，银行业面临用户属性多样、产品逻辑复杂以及客户接触渠道多元化等挑战，这要求业务人员必须具备数据分析、灵活运用内部运营工具、制作宣传海报及宣传文档等多样综合技能，运营工作综合性强、难度大。同时，鉴于互联网服务水平存在地域性差异，将企业内优秀的运营工作经验有效地在各分支机构之间进行传播，对于提升整体运营服务质量及用户服务体验也尤为必要。

围绕解决运营过程中客群圈选和路径决策困难，运营方案缺少大数据分析支持、内容物料准备耗时长、效果跟进缺少个性化工具等业务痛点，依托大模型技术打造网络金融运营助手，在运营工作各个环节提供智能决策、效果分析、总结规划等能力，提升运营人员工作效率，为手机银行等互联网用户提供更适配的个性化运营方案、触达内容，从而提升银行运营工作效果，加速客户服务质效提升。

网络金融运营助手，辅助工作人员精准开展运营工作，为运营活动提供客户精准触达能力。模型通过对用户的全生命周期与使用习惯进行数字化沉淀与加工，将用户消费习惯反哺到运营工作中，实现数据对业务的即时赋能和数据驱动智能化决策，有效提升客户营销服务的质效。

3.5 投诉处理智能助手

银行业高度重视消费者权益保护工作，把客户投诉处理工作做的好不好作为践行金融工作政治性、人民性的重要检验标准。银行在客户投诉处理过程中，还面临着一些困难和痛点。例如，银行受理客户投诉分派处理时，一旦工单首次分派不准确很容易引发处理时间较长等情况，影响客户服务体验，甚至导致客户再次进行投诉。再如，员工投诉处理工作量较大，投诉处理过程中需逐一联系客户并撰写处理报告，耗费大量时间与精力，且人工撰写报告容易出现信息遗漏等问题。

利用人工智能大模型技术对投诉处理流程进行重塑，打造集问题智能分类、知识智能检索、报告智能撰写三大功能为一体的投诉处理智能助手，辅助员工提升对客服务能力，为基层员工减负、为投诉处理赋能，推动客户投诉处理数字化、智能化转型。

投诉处理智能助手面向总行、一级分行、二级分行、支行和网点等各层级机构的投诉处理人员，有效辅助员工提升对客服务能力。其中问题智能分类，通过对外部机构转办投诉准确进行识别分类，推动纠纷快速受理，有利于提升客户满意度，有助于提高投诉监测质效与投诉管理水平。知识智能检索，帮助员工更加快速、规范化解纠纷，有助于及时解决客户业务诉求，提升基层分支机构投诉处理能力与处理质效。报告智能撰写，有效减轻工单处理压力、显著提升投诉处理效率、真实还原纠纷处理过程。

3.6 金融市场交易助手

金融市场外汇交易是企业重要的金融工具，企业可以通过外汇衍生品如远期合约、期权等工具来对冲货币风险，实现套期保值。这有助于企业降低因汇率波动带来的不确定性，保护企业免受不利汇率变动的影响。银行可以为客户在银行间市场进行风险对冲，其中询价交易模式可以为企业客户提供更好的服务和优质的价格，因此询价交易成为众多企业客户选择外汇业务的首选交易渠道。传统银行的询价交易，需要先线下电话沟通，再线上流审批、报价，存在交易效率低、体验差等痛点，难以快速为企业客户锁定市场报价。

金融市场交易助手创新交互式智能询价的解决方案，以对话框为统一入口，使用大模型自动识别对话信息，完成交易要素提取、录入、风险识别等交易全流程，通过群聊交互对话完成客户背景审查、对话交易、知识问答、菜单导航、询价进度等关键流程，实现询价交易全流程效率提升，有效解决以往总分行人工询价存在的交易效率低、体验差等痛点问题。

金融市场交易助手通过AI重塑业务模式，实现支行、分行、总行多方交易员在同一交易对话框中通过对话完成价格磋商，运用大模型智能识别交易话术，生成交易意向单达成交易，改变原有先通过线下沟通，再流程逐级询价、报价的业务模式。这是AI介入业务开展的一种尝试，重塑业务流程，大幅缩短代客询价交易时间，有效提升银行报价的市场竞争力。目前已服务全行2万余名交易员和客户经理，覆盖即期结售汇、远期结售汇、即期外汇、远期外汇等业务产品，对客交易效率提升显著。

3.7 对公信贷风控助手

在信贷业务中，信贷客户经理、审贷员等业务人员涉及尽调报告、审查报告、贷后检查报告等大量文档编写工作。传统的报告编写主要依赖于专业人员手工操作，存在以下具体痛点：一是报告编写耗时，业务人员需要花费大量时间收集、整理和分析内外部数据信息，再将其转化为一份详尽的报告。二是信贷风险分析受人为因素影响大，不同信贷人员由于其经验、专业水平、风险偏好等差异，对风险的评估判断会存在不同的标准和结果。

大模型在对公信贷领域的智能化应用，围绕信贷全流程，打造集信贷制度查询、报告编写、数据分析等能力于一体的专属信贷风控助手，运用大模型在自然语言处理、逻辑推理方面的优势能力，提升业务效率和风险管理水平。

依托人工智能大模型对海量素材的深度理解能力，能够自动遵循既定大纲完成报告初稿的撰写，提升信贷全流程各类文档编写过程中的资料查找、数据分析、内容编写的便捷性和智能化程度。业务人员仅需对文稿进行审核和补充完善，便可完成报告的编制工作，有效提高工作效率，使业务人员从重复而繁重的流水线作业中解脱出来，转而投入到更具价值的工作中去。

3.8 商户审核智能助手

商户审核是银行和支付机构在开展收单业务过程中的一项重要工作，主要目的是确保商户的经营活动真实、合法，防范业务风险。然而商户审核业务存在耗时耗力的痛点，每逢营销旺季，总行、分行会接到大量的商户审核任务，对于每个商户的建档申请审核，审核人员需要审阅大量文字和图像审核资料，包括各类证件、账户证明、商户收单业务申请书、调查审批表、征信信息查询和使用授权书、商户经营影像和风险信息等。同时，结合外部信息和业务经验对商户风险进行判断，决策商户准入和管控策略，工作具有一定难度。

针对商户审批过程中需筛查核验大量文字和影像资料相关痛点，基于OCR、多模态大模型的大小模型融合技术，打造商户审批智能助手，实现实时智能生成商户预审批报告。

商户审批智能助手，有效解决商户审核业务耗时耗力的痛点，降低商户审批成本，提升商户审批质效。

3.9 综合办公服务助手

综合办公服务是企业提高工作效率和团队协作能力的重要保障，对银行业而言亦是如此。传统的办公服务模式下，员工在使用各类办公工具开展工作时，面临着协同成本高、交互操作繁琐等痛点。例如在会议场景中，在参加国际化会议时经常需要有配套的翻译服务，以便更好理解与会各方的发言，会后也需要花费大量时间进行会议纪要的整理；例如在差旅场景中，员工在提交出差申请、预定机票酒店、填写报销单据等环节，需要花费大量的时间；又如在文档编写场景中，员工需要寻找合适的文档模板、查阅各种参考文档、拟定文档大纲等，整个过程费时费力，而写出的文档质量也参差不齐。

针对日常办公所面临的协同成本高、人工操作繁琐等痛点，以办公数字员工建设为主线，以智能中枢应用范式为核心，采用大小模型协同模式，构建智能化交互新范式，为每一名员工配备专属贴身的数字化、智能化的办公助手，围绕会议、差旅、文档等典型办公场景进行重点赋能与创新进化，简化日常工作事务操作路径和时间，提升员工日常办公的质效。

依托大模型、智能体、自然语言处理等各项AI技术的综合应用，为员工提供找人、创建会议、提交出差申请、知识问答、文档辅助编写等40余项智能服务，增强数字员工在银行办公产品体系内的辨识度，助力综合办公、人力资源、财务管理等领域的数字化转型。

3.10 金融研究智能助手

金融研究工作是商业银行进行战略决策、谋划战略转型的重要基础，在传统的金融研究工作中，研究人员需要通过各种渠道获取大量的研究数据作为参考，再通过对海量数据分析形成相应的观点研判，并汇总输出相应的研究报告。在过程中，由于研究所依赖的信息通常较为分散，需要花费大量的时间精力进行搜索，同时编写研究报告时也面临缺少好的创作思路、成稿费时费力等痛点。

依托千亿级大模型，建设面向研究人员的金融研究智能助手，面向研究人员提供智能推荐、智能搜索、智能创作等能力，实现研究工作的全流程智能化升级，推动研究工作从信息化向智能化升级。

金融研究智能助手上线后，有效赋能研究人员，实现宏观、行业、同业等多领域研究信息的智能推荐、智能搜索，以及金融研究报告的智能创作，建立起“AI+数据+研究员”的研究新范式，实现以数字化手段提升研究质效的目标。