的引入对的应用； 团队协作及“对齐这里的对齐指的是信息对齐能力对齐。在信息对齐上比如企知识库务智能助手可通过在各个工作或对客服务场景提供统来源的企信息数据同时基于企数据库素材库的营销应用也可以确保内部的素材输出口径的致
和基础再创作在能力对齐上其实前
述提到的场景以及智能工作流中应用能力的输出本身就是定程度的员工工作能力的输出包括在些培训务上的智
能陪练等应用也对团队能力对齐上有帮助； 服务 法国电子邮件列表 的提升在些智能客服服务场景上的应用信息和能力的对齐更灵活的理解和输出能力可以提升服务质量系统代替工响应的方式可以提升响应速度智能营销策略智能产品/资配推荐等的引入可以提升服务
的专属定制属性千千面个性化专属服务特 语音采集：用户通过麦克风 别是在情感陪伴场景上的可塑造性专属及私隐性质是工难以替代的； 新的洞察或方法随着n-最新推理模型的发布大模型的推理能力又有非常大的提升这种强大的推理能力结合智能体的反思批判和修复能力相比类更强大的数据和信息处理能力未来很可能会创造出超越类原有智慧的新的洞察（拭目以待！） 应用价值评估 当然对于目前掀起的各式的应用尝试也必须提前做好评估其实本质上也是产品方案前期的评估和定位
归产品最本质的问题依然是
带着场景和问题去找到解决方案而不是 CA 细胞数 拿着这个锤子去找钉子在积极探索应用的同时也需要进行思考和评估： 这个场景本身是否具备足够的应用价值对用户来说属于什么类型的需求(期望-需求评估模型)和务/绩效目标关联
性如何F高吗 通过 应用来解决的方式是不可替代的吗是否有其他的方式也可以达到相似的目标 在使用之前般可以通过什么方式解决使用之后带来多少价值投入产出比如何｜价值-成本｜是否足够大 由于的输出和处理依然具备不确定性需要考虑是否具备风险风险的可控边界如何 四 落地构建 随着大模型的能力迭代的能力似乎赋予大家无差别的能力起
点在这个过程中金融务方如何更好进行应用的构建什么才是积累壁垒的关键这些问题需要先理解大模型与务平台之间的构建关系以及务平台作为中间层的角色。这过程其实也就是结合本身的能力和价值结合务场景进行应用构建。 信息处理加工包括信息结构化形式转化意图加工等其中也包括对用户输入侧的场景信息以及对用户侧做便捷工具的整合加工； 务逻辑或
则加工处理比如出于金融领域合规要求对输入和输出端的安全控制； 提供数据/工具/工作流辅助构建[认知/行动能力]也是落地应用过程中可以构建壁垒的环节和关键资源。其中的数据不仅指广泛意义的金融数据库也包括行为数据以及多样的知识库(资讯研报等动态知识库F知识库通识知识库企内部知识库等)； 五金融应用场景 带着前面我们对的能力
应用价值以及跟平台之间的应用关系的思考以这个视角来看目前金融行中的些应用场景。这些应用场景不仅仅是单的能力的构建而是结合务场景的需要综合地利用的多项能力最大化地发挥应用的价值。 客户服务与体验 智能客服 利用对用户意图/情绪的理解能
力结合务的数据库知识库可实时对用户进行服务响应价值主要在于对客服务应答效率和服务质量)的提升和降低客服工成本相比之前规则驱动的智能客服可以更加灵活地回复响应
