来源： @首席数智官
hello 大家好，我们是数字化领军者都在看的首席数智官。
关注我，每天给你讲一个商业案例。
今天我们要给你讲的是：银行数字化转型的核心痛点究竟在哪里？
博鳌亚洲论坛2024年年会期间，人民网正式发布《2024年中国AI大模型产业发展报告》。
报告系统性分析了AI大模型产业发展背景、现状、典型案例、挑战以及未来趋势。旨在给政府部门、行业从业者、社会公众提供价值参考。
《报告》认为，与通用大模型相比，行业大模型具有专业性强、数据安全性高等特点，未来大模型真正的价值体现在更多行业及企业的应用落地层面。
一方面，行业大模型将通用大模型用于形成多领域能力的资源集中于特定领域，模型参数相对较小，对于企业落地而言具有显著的成本优势。另一方面，行业大模型结合企业或机构内部数据，为B端用户的实际经营场景提供服务，能更加体现模型对于机构的降本增效作用。
容联云赤兔大模型，作为唯一金融行业大模型入选该报告呈现的我国大模型典型代表。
作为老牌云通讯服务商，容联云近两年正在积极向AI转型。
去年12月19日，在容联云“未来生成式——大模型应用升级新品发布会”上，容联云正式发布基于自研赤兔大模型的全新产品品牌【容犀智能】及生成式应用【容犀Copilot】。
据介绍，容犀智能从业务场景出发，结合全流程链路的数据能力、大小模型应用、端到端解决方案落地能力，弥合企业在数智化转型时技术与业务应用的差距，寻求投入与效益的最佳平衡，帮助企业实现营销服务数智化升级。全新的容犀智能品牌将包含容犀AICC、容犀Desk、诸葛IO/CDP/CEP、容犀Copilot四大模块。
赤兔大模型在落地层面非常领先。除了人民网的AI大模型产业发展报告外，日前，国际数据公司IDC发布了《从典型落地案例看生成式AI采用旅程，3Q23》报告，通过几个典型案例介绍用户采用生成式AI的考
容联云基于自研赤兔大模型助力《XX银行服务营销场景引入生成式AI》，入选该报告，从这个案例中，可以看到生成式AI落地的挑战、合作伙伴选型的考量，以及生成式AI可能的落地路线。
前不久，容联云产业数字云事业群副总经理、诸葛智能创始人孔淼向我们介绍了金融数字化营销的实战经验和行业发展趋势。
他首先指出了金融科技监管和数字金融驱动下的市场机遇，再详细论述了大模型技术在金融销售服务场景中的应用，比如如何利用大模型提取
对于中小银行和大行在数字化转型中的差距，孔淼特别强调了中小银行面临的挑战和需求，并指出这是当下的市场机会。
金融是很大的概念，我先简单的说一下我们的市场机会在哪儿。
第一个营销服务的市场机会在银行的零售业务。大家都知道，近些年银行的变化是非常大的。整个互联网的技术慢慢渗透到银行，银行本身的业务从原来的资金和企业业务越来越多地也变成了像零售对客的服务。银行的模式随着客户的习惯在改变，从原来的产品中心化走向用户中心化。
第二个市场机会在腰部的金融机构。金融机构的投入节奏事实上很不一样，可能大家都认为现在已经进到深水区了，但中国有4000家银行。大家印象中的很多银行都是头部的大行、股份制银行，但是4000家银行里，很多都是中小银行、民营银行、大行分行，比如城投商行、农信等等一类。这些我们可以看IDC在今年的报告——过去投入非常多的、占比非常多的是头部的国有大行、股份制的银行，近些年城市商业银行、农商行占比越来越高。所以整个腰部的金融机构在这方面的投入是持续增加的。
在上述市场机会的前提下，我们相应做了一些创新和突破。一个背景是大模型出现了，我们很快进行了大模型在金融销服场景的应用。第二个重点是帮助中小银行在构建新一代的核心系统。
1.大模型落地的可能性
大模型出来之后，大家都在讨论AGI等等，但我们可以看到，2015年随着AlphaGo战胜李世石，出现了一波AI 1.0，就是以NLP为代表的一些厂商，可以看到他们可以秀出很眩的demo，好像效果很不错，但为什么没有成功？
原因是真实的业务场景是开放性的，要有极强的泛化能力，而我们可以通过固化输入、强化输出，通过任务式人工方式做人工智能，展现出一个场景，而实际上我们销售服务环境里，面临的客户需求是多种多样的，自己的人员管理也很难一致和对齐，需要非常多的临场应变能力。那么要把AI做好，意味着要投很多训练、很多场景去做。
第二点，大模型在应用场景落地的时候，大家提了很多问题，如算力成本问题、内容安全问题、内容可控问题，这些问题都是真实存在的，都没有解决。
在这种情况下，我们的选择是聚焦，我们在讨论的时候喜欢的是把所有场景放在一起讲，就变成所有东西去做一个最大的集合，会发现问题特别多，但如果把这些场景结合商业价值不断聚焦的时候，有一些场景是算力成本、内容安全都可控的。
比如不做在线，做离散，用大小模型结合方式，这里面就有很多可以做的事情。在这个维度上，比如我们头部的一家股份制银行，大概有几万个，其中差不多50%都是我们的，我们在里面待了一个多月，去看他们每天的工作，现在的痛点、计划，哪些是新技术可以去改变的，在算力成本、在安全可控上，我们都找到了我们的一些应用场景。比如结合大模型去做我们的话术、策略、知识库标签，帮助他们在销售管理里去提高他们的业务价值。
原来AI 1.0的时候就有AI辅助，这时候更多的有文本机器人、语音机器人、实时的销售辅助、质检，很多时候是一个工具，不是一个CoPilot。而我们今天是叫CoPilot，同样的可能是因为我们的前端也有这样的SDK、弹窗给他做实时的推荐理性，特别难，给他做内容推荐，但这只有我们给他推荐的是个性化的内容，是真正能成为销售和客服的业务领航员，是真正的CoPilot。
2.中小银行的痛点
第二个是最近几个月我大概50%、60%的时候都在一线见各个银行的员工，从高层到基层，大概见了几十家银行的员工。中小银行和大行存在极大差距。
第一，大行可能是几万人、几千人的科技团队，中小银行只有几百人，甚至上百人。
第二，大行信息交换密度极高，数字化人才程度极高，组织架构调整很快。
很快的大家都要做金融科技，“十四五”规划一出大家都开始干。但小行所有内部上来的人全都是原来在区域银行去做一线销售业务人员提起来的，根本不懂什么叫数字化，什么叫数智化。
但老板就一个字“干”，还没那么多人能干，也没有那么多技术，怎么办？他们迫切需要专业的人给他们提供端对端的解决方案，帮他们去完善他们的思路，帮他们去做落地，而不是给他们吹嘘一堆能力。
在这个维度上，我们帮他们去梳理了。
在今天如果要改变以用户为中心的金融营销趋势时，需要构建的项目群从新一代的埋点、行为分析、营销数据统一平台、用户的智能营销，从上面去支撑它的各个业务环节提升。
第一，现有销售辅助面临什么问题？
跟不同的人交流的时候，很重要的一个是话术，一个是MOT，在金融的电销人员也是一样的，一直都是很难的问题。我们经常讲用户的个性化，面向于做千人千面，但是销售的千人千面很难实现。真正好的话术往往不是来自于公司提供，因为竞争一直都在变化，客户一直都在变化，所以往往好的销售策略话术，来自于一线销售。那些愿意干活，那些有冲劲的人他自己的聪明才智提炼出来的。
第二，即使变成话术给到销售做培训，他不知道我应该在哪个节点，哪一个出现转变的时候应该怎么去说，只是告诉他一个统一策略。最后去复制也会很难。
我们看到好的金融机构会成立主管组长分析师的决策，天天有人听录音，有人去更新数据。从产品策略、利益点，再到话术，听一线销售提炼出他们有效的话术再形成话术库再去做赋能培训。但是绝大多数金融机构没有这样的人，他不知道怎么建这个组织架构也不知道怎么去培训。
所以如果想要质量得需要人知道怎么听录音。原来通过技术人员做NLP，做解析，虽然有量但是不懂业务。原来的AI只会做规则式的东西，不懂业务就很难兼顾质和量。
3.金融数智化产品的架构
今天我们整个大的产品架构是把与客户联络的从智能语音AICC、客服企微和在线绘画的绘画数据以及业务转化结果的业务数据集成进来再利用大小模型结合，再利用对于链路数据的洞察，形成从知识、话术、QA策略赋能给客服、客户经理。
展开来讲，第一个是大模型话术。
今天大模型泛化能力非常强，以前需要没有变化都需要投人做训练，并且需要业务人员和训练数据配合。现在我通过大模型能做些提取，提取完之后通过转化效果挖掘出优质话术，再配合原来的QA话术给到负责人。这个负责人就不需要像以前一样要不断地听录音，只需要做审核。
这样在前端，比如说我们外呼平台里大家戴着耳机，在一个后台界面上就会弹出一个框。随着客户沟通过程中就会弹出不同的内容给到他选择个性化内容。
第二个是SOP的挖掘。
现在很多销售的过程中，我们SOP是靠电销团队自己运营出来的，但这些人不在一线，所以很多东西定的是脱离一线的。而我们因为来自于很多一线的录音，能根据一线录音结果，我们访问提炼，形成了很多与客户沟通之间的QA，从而建立模型，给到他个性化SOP的策略配置。
第三个是场景助手。
因为我们有很多金融和客户，也有很多聚焦的场景，比如说像银行证券保险，包括他们的客服场景；银行的建卡、电销、分期催收还款；证券的投顾、合规、开户；保险的理财、理赔等等。这些场景里面我们会沉淀非常多的Know-How，把它形成我们的标签和我们的知识体系，从而去给到我们销售更好的一些智能问答。
原来做这件事情是极难的。因为我们原来的很多知识需要业务人员做QA，配合训练师去做，而且知识是很分散的。最后你统一去汇聚运用的时候投入成本极高。
现在不用了，现在就和ChatGPT刚出来的时候有个PDF，把PDF一传马上能做多意图理解是一样的，我们也能做到。做到不同的场景下分类，多文档的管理，统一的知识管理，在你的局部也能有ChatGPT这样一个知识的体验，形成真正的智能化问答。
4.智能营销的必要性和方法
智能营销简单来讲就是常态化经营策略。很多东西是客户经理管不过来的时候，原来是圈客群，中心化所以做营销，但现在你要自动的基于客户的一些不同时机做个性化营销、触发式营销，这是互联网非常擅长的一套，金融今天也是需要的。
中小银行做数字化营销项目群的必要性在哪儿？有三方面：
第一方面是渠道与客户体验。
渠道与客户体验在原来银行里面是网点、柜台，今天的用户很多时候是趋于线上包括微信包括手机银行这种多渠道，并且用户可能从线上渠道再到网点，或者在手机银行里面办理业务，这个时候以用户为中心的渠道是线上线下全渠道融合的。
今天的银行，很多基础和IT架构里面数据是没有融合在一起的，甚至像行为数据都是缺失的。所以从渠道客户体验上来讲，金融银行如果要构建数字金融的话，必须以用户为中心，它就需要实现用户渠道数据统一。
第二个是做金融产品差异化的时候，营销策略都会变，变了之后不同的业务需求也在变化。
比如手机银行不仅要了解各个渠道的数字，而是要做渠道背后的用户融合、投放优化、体验优化、业务促合。原来它的营销更多是客户经理去服务于它的保有客群。今天线上的营销过程背后，我们有更多的客户在线上会自主参与过程，我们原来的资产管理AUM原来可能只管300万或者100万资产以上。那三百万、一百万以下以前在线下柜台的时候是抓不住他的，今天是可以通过线上沉淀他们的数据对他们做运营，那这个时候缺失的是对于中常规的常态化的运营策略。
第三个是信贷场景的需要。
在信贷系统升级之前，可能我们都是传统的通过纸质在线下做一些经营房抵贷，是比较麻烦的。今天在线上我们的开展贷款业务很灵活之后，尤其是民营银行贷款银行无论对公贷款还是对私贷款。但是线上的时候从身份证识别，再到申请、额度信审，整个环节里面流程非常长，且客户趋于不同区域的网络、手机型号版本，一旦出问题之后，可能都会影响你的资产的转化率百分之零点几。这个流程和转化就是非常关键的。
对这些需求我们提供了几个能力。
第一个就是新一代的埋点产业信息技术平台。就是我们很多厂商说我有埋点，我做了。但我们做的不是埋点，是埋背后的人。背后的埋点无论是你，已经有的埋点系统或者是你没有埋，我们进SDK，全方位地从埋这个人，人进来之后再形成行为数据，解决行为数据有无的问题，再形成这种统一的洞察，从而构建你非常丰富的叫营销过程的链路。
第二个是用户实时标签CDP。银行很多都做了标签，非常多的标签，几千个几万个标签。这些标签更多是基于业务结果的标签。今天有很多是营销过程的标签，这个银行是缺失的。为什么？因为今天当你有业务结果再去做用户营销的时候，可能别人已经在理财到期前已经给他发了一个优惠券或者一个权益已经把客户拉走了，金融客户是没有什么忠诚度的。
这个时候要在过程中提前预测。他如果到期前，频繁在手机银行上去看账户，看一些情况。这个客户是不是要把钱转走了？我是不是得干预了？等等。所以这里面对于银行内部是要有一套实时的这种标签的能力来丰富他的一些经营和维系客户的策略，包括刚刚说的中常规的客户经营。
