王凯博：AI赋能决策，重塑银行零售新增长
来源：市场资讯
中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。深演智能业务合伙人、数据科学团队负责人王凯博出席并演讲。
以下为演讲实录：
王凯博：今天给大家分享的主题是AI赋能决策，重塑银行零售新增长。今天我讲的主题和增长有关，不只是效率。
首先介绍一下我们公司，深演智能成立于2009年，是中国领先的决策AI技术公司，聚焦营销及销售场景。今年5月，我们在香港联合交易所主板上市，股票代码为2723.HK，成为“企业决策AI智能体第一股”。其实做营销还是挺复杂的，因为我们面临的渠道挺多，我们直接和C端的客户打交道，我们要应用的数据也很复杂，公域的、私域的数据都很多。自2009年成立以来，我们持续做一件事情，就是去打磨数字化的运营平台，这个平台包含了三层能力，第一个是数据，因为你要面临的客户的需求、公域的数据是很多的，所以你要有数据的管理和处理能力，这个是第一个。
第二个是有了数据，你还要从数据中去挖掘价值，那就需要有一些算法，这个算法不光是现在当前主流的大模型，其实在过去很多年，我们一直在沉淀我们行业的小模型，或者叫机器学习模型，里面包括一些推荐算法的模型等等。这个是我们AI的能力。再往上是我们各个产品的矩阵，例如公域里面我们有投放的，在私域里面我们有CDP、MA等等一类的管理客户数据的能力。
随着大模型的发展，2025年2月，我们发布了企业级AI智能体平台DeepAgent，这个平台的作用，是从企业的角度去构建一系列AI智能体，因为AI智能体在很多情况下解决的是一个单点问题，但是企业要的不是一个单点，你把一个单点做好不代表整个企业的运营能够起来，其实它需要的是一整套的链路，这个平台是能够很好的满足需求。当然这里面除了大模型之外，我们在行业里面沉淀的小模型和在行业的业务知识也沉淀在这个平台里面。
除此之外，因为我们无论在公域还是私域有很多的案例，沉淀了很多的模型，这些模型不是为了展示技术本身，而是直接服务于业务场景，每一个模型可以解决的是某一个业务节点上的决策能力。当然我们也获得了一些行业的认可，我觉得最重要的还是在过去服务了很多的客户，客户对我们的认可才是最重要的认可，众多世界500强及行业领先企业都是我们的客户。在过去我们也服务过很多的金融企业，我们有自己的观点和洞察，也给大家做一个分享。
从目前大的环境上来看，银行业现在有三个大山，确实有一些压力，第一个是营收的压力，受净息差收窄等因素影响，盈利上确实有压力。第二个是跨界的压力，互联网平台及其他跨界参与者正在分流部分客户需求，我们的竞争是在跨界的竞争。第三个就是这个时代最突出的一个要求或者说一个特征，就是客户现在对我们整个的要求变了，对我们的要求更高了，不只是简单的存款和储蓄，很多的服务都要跟得上，要响应快，这个是这个时代最大的变化。
除此之外，在银行业我们接触下来，我们觉得有几个痛点：第一个就是系统和运营之间实际上是有一些断层的，具体表现就是有一些数据孤岛和流程割裂，现在很多企业都建了很多的系统，CDP、MA等等很多线上的系统，但是这些系统之间的数据是割裂的，很多时候标准不统一、口径不统一，导致我们虽然有很多的数据，但是部分数据还没有充分转化为客户服务价值，这是第一个。第二个就是线上线下的企业有的时候是割裂的，有时候我去线上办一个业务，线下我去咨询，未必线下的人能够完全的了解这个业务，你还要排队，你还要重新去办，这会影响消费者获得连贯的服务体验。
第二个是从运营闭环缺失的角度上来看，运营闭环对客户服务是非常关键的，运营不闭环，还是一个单点单点的，客户的感知是很差的。我们在很多企业里面也看到，我们搭建了很多的系统，比如CDP、MA，为什么我们发现整个运营效率还没有很便捷、很迅速呢？实际上就是在很多的系统之间还需要人工去做的，仍需要人工整理数据、制定策略和完成系统衔接，实际上这些东西都在耽误服务的效率，未来，AI可以在合规和安全的前提下参与这些环节。
接下来我讲一下我们在这个行业的破局之道，当然我觉得要讲这个细节之前，先把顶层设计讲清楚。因为要做破局，它是一个系统工程，涉及到我们对最终追求的价值是什么？我们的组织应该怎么去联动？我们的思路应该怎么做？这张图想要表达的顶层设计的核心就是以用户为中心，以用户为中心，听起来很简单，上午我也听了中金的发言，我觉得很好，以用户为核心就是ALL IN客户，ALL IN AI的背后，核心的逻辑还是ALL IN客户，我们做所有的运营都是围绕着客户的体验，围绕着客户的需求来，这是我们做顶层设计最核心的。当然要做成这件事情，要贯穿三个主线，第一个主线就是数据全链路必须要贯穿。第二个就是从用户的角度、全生命周期，我们思考的角度不一样，我们要从客户的全生命周期的角度去考虑。
还有一个就是业务流程要全贯穿，不能有断点，有了这三个支撑之后，我们要抓的是三大场景，这三大场景是非常贴近我们的增长，也贴近我们的用户。第一个是获客场景；第二个是营销场景；第三个是客户服务场景，这三个场景是我们在面对消费者运营包括内部最核心的抓手。在这里面，组织上也是要有一些策略的，总行更体现的是大脑的作用，包括我们制定一些目标、策略，构建一些平台。分支行是最佳实践，可以按照这一套打法来做实践，实践完了之后有一个反馈，这个反馈闭环到总行的大脑里面形成完整的闭环，闭环的好处是什么呢？闭环最大的好处是可沉淀，沉淀商机，沉淀策略，沉淀工具平台的使用，沉淀后链路KPI的准确度，这些都是可以通过迭代持续跟踪的。
今天我也带来了三个破局之道，也是我们在过去服务的案例上深刻的体会。
一是通过精细化运营来驱动效率革命，可以这么讲，如果没有精细化运营，你很难说是我在很好的服务客户，为什么？因为有卡点，你都不知道客户需要什么，客户需要的东西收不到。怎么去做呢？有三个核心的抓手。（一）通过AI的方式、AI的决策，把某个一些关键的节点，比如在某个活动，我要找什么样的人，我应该给他匹配什么样的产品，把这些核心的决策通过AI来做，让人力解放出来。AI的好处：（1）决策得比较准，因为是从数据来的，相关模型会通过样本和离线测试，在特定数据和业务场景中进行验证，通过它来解放人力，人力从繁琐的过程中抽离出来，这是第一个真正的自动化必须要有AI参与。（2）AI可以做洞察分析，什么叫洞察分析？我们在和客户沟通的过程中，我们要对客户有了解，不只是年龄、性别，还要有需求。需求从哪里来？在业务人员的脑子里面，不是所有的业务人员都是顶级的业务人员，AI可以帮你。实际上AI可以辅助业务人员理解客户需求，并在符合数据安全、个人信息保护和业务规则的前提下，匹配相应的服务、策略和产品。（3）帮助业务人员减少重复性工作，他去做更好的服务，更有价值的服务，通过这种方式才能够做到以客户为中心。在过去我们也服务了一些客户。
分享一个案例，这个是某城商行的案例，在这个案例里面，该城商行有自己的运营体系，我们帮他做的是什么呢？我们帮他做的一个核心工作之一是AI模型节点，我们结合了多种模型去帮它开展目标人群、产品和场景分析，以及这三要素之间的匹配，最终达到在适当的时点为目标客户匹配合适的内容和服务，内容就包含了服务策略，这个都是模型来做的，模型就解决了中间的最核心的卡点。
整个体系是有很多沉淀的，这是我们在做运营的过程中最核心的价值，我们要沉淀我们的标准，包括数据、策略、方法，这些方法未来都是可以给大模型用的，而且是实实在在的价值，实实在在运营的内容，可以为消费者进行服务。当然有了这一套东西之后，在资产运营取得了很好的效果，在支付交易的场景也取得了很好的效果。
第二个破局之道，我们建议分阶段迈进，有的时候步子迈的太大，无论从组织还是认知上，很多时候都匹配不上来，导致我们努力很多但是效果一般，所以我们建议从单点突破，单点突破的好处不光是我们搭了一个工具、搭了一个能力，更重要的是单点突破让整个组织有感知，究竟我们做了一些事情，到底起了什么作用？组织有感知，组织有认可，组织脑海中形成了共识，你再走第二步。第二步，有了共识以后，可以在第一步公有的能力抽象出来，把它变成平台能力。再往第三步走就是非常自动化的实现的方式。
我们在某银行做了一个三步走的路径：
第一阶段实现自动化和一体化，包括工具的构建，CDP、MA的落地。第二阶段实现了数字化、智能化，在关键的节点嵌入AI的能力进一步连接存在断点的业务环节。第三个阶段是做个性化，最终的服务还是实现个性化，因为每个人的需求是不一样的，所以我们还是实现个性化的服务，在这里我们强调的是大小模型的结合，大模型有大模型的优势，它可以很好的做洞察和分析，小模型可以在特定业务场景中提供更稳定、可验证的决策支持。因此，大模型与小模型结合能够更好地适应企业业务要求，在这里我也部署了一套深演智能相关的系统。
项目应用后，部分运营任务的处理时间显著缩短，决策和执行效率得到提升。
第三个破局之道是搜推一体，为什么要提这个话题呢？现在大家都在上网，包括银行，我们使用银行，包括我们和银行的一些沟通也在慢慢转向线上。到线上以后，消费者要看什么内容呢？以前都是我要搜，我可能搜半天也搜不出来，现在通过搜推一体，更好的理解客户的需求，系统可以结合上下文理解客户意图，并匹配相关的内容和服务。我们帮某股份制银行也做了搜推一体的工作，这里面会用到大模型的意图理解能力，包括传统推荐模型的能力。
前面几位嘉宾也提到了本体，本体很重要，所以本体也会嵌入到搜推一体里面，本体解决最核心的东西就是它把公司最核心的业务流变成了知识块，而且是准确的，这件事情实际上是可以为搜推一体提供准确的业务信息支持的。
由于时间关系，今天只能给大家展示一个AI智能体，其实DeepAgent平台可以支持多个AI智能体进入不同业务场景，深演智能将持续推动企业级AI智能体进入真实业务流程，也欢迎大家与我们进一步交流。
谢谢大家！