大模型时代的到来，为金融AI落地提供了全新范式。金融行业丰富的业务场景和海量的高质量数据，也为大模型提供了绝佳的应用舞台。

例如银行使用大模型进行风险评估、智能客服、投资报告生成等任务；保险公司则利用大模型进行自动化代理，如智能催收和数字人，以提高业务效率；除此之外，大模型在提供金融服务方面，如金融资讯、业务办理等，目前已较能胜任常规的基础金融对话。

据相关机构统计，在45家银行最新发布的2024年年报中，有32家提及大模型的应用情况，多家银行披露了大模型技术的规模化落地成果。尤其在头部银行，应用场景已经超过了200个，并实现上亿次的高频调用。

华为云Stack推出大模型混合云，具备坚实算力底座、使能百模千态、赋能千行万业三大能力，致力于让企业都能拥有自己的专属大模型。面向金融行业，华为云Stack基于大模型混合云的强大算力和领先的AI平台，在保障金融数字资产安全的同时，通过金融AI场景建设，构建一个数字化、智能化的金融生态体系，提升场景智能化水平，加速金融业培育新质生产力。

专业高效的客服助手，让金融服务有精度更有温度

在客服业务场景，大模型可以在通话前、通话中和通话后三个阶段提高客服场景处理效率，实现降本增效。

• 在通话前进行前情摘要，使电话坐席快速判断客户咨询目的，压缩客服人员了解客户问题背景时长，提高客服了解客户意图的效率。
• 在通话中通过RAG知识检索，快速生成问题答案，并可以对于无法线上解决的问题提供安抚话术，提高客服人员解决客户问题的效率。
• 通话后可以自动生成工单，按照模板自动提炼总结，解决通话后工单生成效率问题，提高工单生成自动化率，提高客服人员效率。

智能化信贷助手，让风控更精准、效率更升级

目前信用卡业务使用决策式机器人进行催收，存在意图识别不准确、话术不精细、无法挖掘用户更多信息、无法应对复杂场景的对话等痛点。应用大模型开发催收机器人，建立更精细的话术库和意图识别模型，拓展场景的广度以及对话内容的深度，提升回收率。

同时在人工催收的过程中，面临严格的监管要求，需要较高的业务水平，平衡好催收力度和汇款效率是一门艺术，业务能力不够好很可能导致客户投诉，催收业务本身的压力也会造成一定的人员流失。大模型基于通话上下文和客户画像生成推荐的话术辅助人工催收，可以大大减轻催收业务人员的压力，帮助业务人员更高效专业地处理对客沟通层面的业务，同时提升催收还款率。

展望未来，华为云Stack将持续深化技术创新，与金融机构共同探索智能客服、智能投研、智能风控、智能营销等更多应用场景，推动金融业从数字化向智能化全面升级，为实体经济高质量发展提供更智能、更高效的金融服务。

注：本文素材来自华为云，版权归作者所有