6月25日，容联云大模型产品负责人唐兴才在爱分析第三届AI大模型高峰论坛中出席演讲，解读金融智能化服务与营销中的大模型应用实践。

在企业营销与服务场景中，高效的用户沟通、精准的营销转化及优质的售后服务是核心诉求，而传统模式下，沟通渠道分散、数据价值未充分挖掘、人工流程效率低下等问题日益凸显。本文将详细解析容联云平台的构建逻辑、技术路径及多行业实践，展现如何为企业打通营销服务全链路智能化。

分享嘉宾｜

容联云大模型产品负责人
唐兴才

内容已做精简，如需获取专家完整版视频实录和课件，请扫码领取。

01

企业营销服务智能化路径

在营销与服务场景中，企业关注的点主要有用户的沟通、营销及成交后的售后服务，希望能够为以下场景提供智能化、业务办理及业务运营相关方案。

从业务视角看，涵盖营销、销售转化及客户服务；从平台视角看，分为通讯、数据和智能三大板块。通讯板块主要解决企业与用户的沟通问题，包括电话、短信、在线服务等，且在服务或营销过程中，针对企业员工的参与提供智能化方案。服务、营销及业务办理过程中会产生大量数据，容联云具备相应数据能力，使数据发挥决策与分析价值。智能化板块主要解决企业的智能化沟通、服务及营销需求，分为通讯联络中心、SaaS和大客两条业务线；右侧为数据化产品，提供数据决策能力。

在营销与服务的沟通环节，渠道及方式包括在线服务、语音服务、电话外呼、智能客服问答等，通过提供智能机器人、智能外呼、文本机器人及智能问答等功能。以及可通过AI解决相关问题的产品，例如知识库能力：相较于以往以文档检索为主的知识库，现在结合RAG或Agent能力，从知识整理、构建及运用等角度发挥作用。

坐席辅助主要提升营销或业务人员的辅助能力，其助手通过AI实现以下功能：提供优秀话术及营销策略、辅助填单、总结内容、进行质检等风控把控。此外企业服务人员能力存在差异，例如顶尖销售人员营销能力较强，而新入职员工的服务及营销能力相对薄弱。对此能够提供陪练产品，可监测员工服务过程，总结其不足或与顶尖销售人员的差距，并提供训练脚本，以提升其服务能力及转化率。

以下是容联云平台的构建逻辑：底层为模型，公司定位为应用厂商而非基础模型厂商，因此底层可接入多种模型（如DeepSeek、千问及客户企业内部构建的模型等），并通过模型管理实现不同场景下的模型选择。

例如知识类场景、文字处理、语音处理、音频或TTS等不同场景，可选择不同模型，保留了Bert等NLP小模型能力。由于GPU算力成本较高，所以将大模型与小模型的应用场景区分开：小模型用于解决性价比高的问题，如意图识别、情绪识别、分类等；语义理解或要求较高的场景则采用大模型。

中间层构建了模型压缩工具能力平台，用于节省算力、适配信创及模型管理，以保障模型及平台充分发挥作用。上层围绕企业与用户的营销及服务场景，构建了多个智能化应用。

除知识库、辅助外，还具备洞察能力。大模型在语义及文字处理方面能力突出，而企业与客户沟通产生的大量语料此前未被充分利用，人工抽检、听录音、看记录的效率有限。目前通过模型构建了目标性的洞察智能体，例如帮助某寿险公司提取保险客户的咨询问题、投诉倾向、产品意向等，形成线索池或在服务系统中生成工单。

坐席代理在继承原有文本机器人及语音机器人服务场景，如在线客户服务、电话语音机器人的基础上，进行了大模型升级及场景深化。第五个是大模型质检，这在金融行业属于刚需。国家对业务办理过程有监管要求，且要求日益提高。以往通过关键词检索即可满足部分要求，但当前监管更严格，例如存在模糊表达销售保险时隐晦提及赠品，这属于违规行为，而传统模型或手段难以识别此类问题。利用大模型的理解能力，可在业务办理过程中帮助企业规避后续投诉风险及合规监管风险。

02

实践案例

案例一：某城商行落地知识库项目

客户痛点：城商行作为本地化银行，客户经理需办理贷款、授信等业务，而授信条件以文件文档形式存在。以往客户经理对授信与否、额度风险存疑时，需致电总行咨询，总行人员少却需接听大量咨询电话，双方均耗费大量时间。

解决方案如下：

1.将企业知识&会话数据纳入模型：一是国家及当地政府对金融机构的监管条文，经整理形成知识库；二是总行人员与客户经理的会话记录蕴含资深监管人员的经验，经模型整理后可完善知识库，最终使知识库具备授信判断能力。知识库不仅服务营业厅业务人员，还需支持客服咨询。客户在授信或业务办理后多通过在线咨询，相关业务办理内容可嵌入原在线客服平台，从而保证授信标准统一及处理时效。

2.在服务agent中集成了工作流能力，以解决业务办理需求。以往agent的业务办理能力较弱，现在通过模型可快速构建具备工作流的agent办理能力，满足业务需求。

3.知识体系形成后可实现多项功能：一是前文提到的咨询与诊断能力；二是对日常大量客户分析、话术陈列及针对用户的话术策略，可在事后分析整理并通过知识体系输出。例如，客户咨询贷款但未办理，其咨询过程会被留存，据此可整理形成话术及策略。

案例二：某券商大模型全量质检项目

客户痛点：以往需投入大量人力质检大量会话，却因人力有限只能质检部分内容；现在借助大模型的高覆盖度，可实现100%质检。此前小模型无法做到这一点，因小模型的质检项依赖大量数据训练，输入数据决定其能力范围。

解决方案如下：大模型的应用有效解决了质检项维护成本高和准确率低的问题，通过提升质检项的准确率和覆盖度，既节省了人力成本，又满足了监管要求，保障了业务的顺利开展。以回访场景为例，业务流程存在前后逻辑一致性要求，如券商开户不得涉及非法交易或洗钱行为，若客户表述前后矛盾，则属于监管不合规情况。传统模型难以检测此类风险，而现在大模型基于通篇理解能力可有效识别。

案例三：某寿险大模型会话洞察项目

1.会话洞察功能基于存量数据挖掘商机和客户意向，实现会话数据的价值转化。例如，在客服过程中，系统可识别客户对产品的兴趣点或不满之处，将潜在需求信息推送至销售部门，将投诉风险预警传达至客服部门，以便及时处理。

2.智能体通过持续分析会话内容，自动生成结论并分发至相应部门。如上图所示，左侧为实际历史会话，右侧为模型整理的分类结果（如退保意愿、投诉倾向、产品需求等），支持用户分类及后续跟进处理。

案例四：某政企大模型知识库&文档智能审核助手建设

知识库及模型的另一应用场景，国家能源机构等存在大量国家级政策法规，各地部门也会出台相应条款，以往需人工审核，但人工审核大量公文耗时耗力且准确性不足。现在可通过模型逐条对照国家法规及上层集团要求进行核查，判断是否违背制度、是否符合要求，从而节省专家人力，使其投入其他工作。模型可高亮标明所有不符合条款的内容，并在左侧匹配对应的条款文件——例如条款文件有明确要求，而相关内容不符合时，能找到对应的匹配依据。该能力也可应用于营销场景，如审查发布的海报或推文是否存在违规内容。

大模型领域资深技术专家，拥有超10年AI研发与行业经验。作为技术负责人，主导多个商业产品从0到亿级规模的全周期研发，深谙技术落地与产品商业化逻辑。擅长融合AI技术与行业场景，具备技术战略规划至工程化落地全链条把控能力，在金融、零售等领域积累丰富大模型产品化经验，持续驱动AI技术在业务场景的规模化应用与价值转化。