课程背景
领 先金融机构已完成AI从“试点项目”到“生产架构”的跨越。标杆银行已上线数百个AI运用情境，覆盖买方经营、隐患管控、营运管控等等核心条线，买方经理日都采用AI超3.5小时，AI正从“可选项”变为“必选项”。
可是，大多数银行面临“有平台、无架构”的困境：行内已部署AI抓手，一线员工却用不起来；大模型本领有了，但不知道怎样和业务情境结合；想促成AI落地，却缺乏从情境识别到本领部署的系统办法论。更要害的是，银业界资料管控要求严格，大量业务资料不能出域，行外AI抓手无法直接采用——这意味着，AI落地的核心命题不是“用什么AI抓手”，而是“怎样在行内AI平台上，系统化地让AI真正服务每一个岗位”。
本课基于对领 先金融机构AI智能体运用的深度研究，提炼出一套“从架构到落地”的完整办法论：FDKS四层构筑轮廓破解“怎么系统化地规划智能体”，六步事务法破解“怎么一步步落地”，Prompt工程办法论破解“怎么让AI真正好用”。所有内容都来自真实金融情境的验证，覆盖零售和对公两大业务条线，执行层面，确保学完即可在本行AI平台上复用落地。
课程定位：不是教AI技艺，是教“怎样系统化地将AI用出业务价值”——不炫技，不空谈，不泛化，每个模块都有办法论支撑和落地指引。
课程收益
学识架构
- FDKS四层轮廓——银行AI智能体从规划到落地的系统化构筑办法
- 六步事务法——从岗位拆解到智能体部署的准则化流程
- 结构化Prompt工程办法论——让行内AI平台输出专精级结果
实践本领
- 识别本行核心岗位的高价值AI情境
- 规划并构筑岗位专属智能体
- 基于CO-STAR轮廓编写高质量Prompt
- 拟定从试点到全行的AI落地路线图
组织价值
- 让已有AI平台从“能用”升级为“好用”
- 构筑行内AI运用的准则化办法论，降低对个人心得的倚重
- 形成可持续迭代的AI运用革新制度
课程大纲
1. AI在金融业的三波浪潮
- 第一波：流程自动化——RPA替代重复操作
- 第二波：智能拆解——资料驱动的洞察和决策
- 第三波：智能体赋能——AI成为每个岗位的“数字搭档”
2. 领 先实践的核心启示
- 不是“有没有AI抓手”，而是“有没有AI架构”
- 标杆实践：从试点项目到百级、千级情境覆盖的跨越路径
- 要害转折：从“人找AI”到“AI找人”——智能体嵌入事务流
3. 银行AI落地的真实困境和核心命题
- 困境一：有平台无情境——AI抓手已部署，业务不知道怎么接
- 困境二：有情境无架构——零散试点，无法复制推广
- 困境三：有资料无本领——资料出不了域，行外AI用不了，行内AI用不好
- 核心命题：怎样在行内AI平台上，就一线经验说，系统化地让AI服务每一个岗位
1. FDKS四层构筑轮廓
- Framework（轮廓层）：定义智能体的定位、边界和协同关系
- Data（资料层）：指标+标签双轮驱动，激活行内资料资产
- Knowledge（学识层）：业务规则，合规要求、最 佳实践的结构化注入
- Skill（本领层）：从Prompt到自动化事务流的逐层递进
- 四层推演：不是并列，是递进——上层决定方向，下层决定成效
2. 六步事务法：从岗位到智能体的系统路径
- 定岗位→拆情境→理流程→设本领→建学识→测迭代
- 情境筛选“三多要则”：用人多、用时多、业务价值多的情境优先AI化
- 本领规划四类型：问答型/生成型/拆解型/执行型，对应不同AI本领
3. 从0到架构：一个条线的完整落地路径
- 领 先实践：一个业务条线怎样用FDKS+六步法达成百级情境覆盖
- 要害心得：先做深一个岗位，再做广一条线，实操中，最后做透全行
1. RM小助——理财经理全流程AI助手
定位：理财经理的日常驾驶舱——今日该联系谁，说什么、怎么跟进
- 基金亏损陪伴：基于LISTEN六步法生成买方交流话术
- 行外吸金：多源资料整合拆解买方行外资产，生成转化话术
- 年金险配置：基于SPIN轮廓的保险诉求挖掘和方案推荐
- 理财到期续接：到期货品智能筛选+续接方案生成
- 代发经营：代发工资买方的维度拆解和触达打法
- 保险异议处理：常见买方拒绝情境的专精应答生成
- 货品速推：买方画像匹配货品一键推荐
- 市场行情拆解：实时市场解读+买方持仓影响评核
- 资产检视：买方持仓结构拆解和调整建议
- 养老测算：买方养老规划智能测算和方案生成
- 买方筛选：多维度标签组合筛选标的买方
2. 厅堂小助——网点厅堂一站式AI助手
定位：柜员/大堂经理的PAD端智能助手——买方识别、一句话营销，业务推荐
- 业绩播报：每日定时推送支行/网点业绩概况，支持主动查询和下钻
- 到店买方识别：买方刷卡取号时实时匹配买方画像和营销机会
- 一句话营销提示：基于买方画像3秒生成对口营销话术
- 柜面业务迅速查询：货品要素、利率、额度一句话查询
- 买方情绪识别和话术建议：实时感知买方情绪，推荐化解打法
- 协同转介跟踪：厅堂向理财经理转介的智能跟踪和提醒
3. 催收小助——AI智能催收全流程助手
定位：催收坐席的实时辅助——打法推荐、话术提示、合规质检
- 通话前——AI谈判打法生成：多源资料整合，生成个性化催收打法和话术
- 通话中——实时辅助：语音实时转写、敏感词监测告警、买方意图识别和话术推荐
- 通话后——AI智能拆解：通话概要生成、特征标签提取、下次交流建议、催记自动生成
- 还款意愿评核：基于通话特征实时评核买方还款意愿和本领
- 合规实时质检：通话进程中自动检测违规话术并实时告警
4. 财富小助——高净值买方专属助手
定位：私行/财富顾问的高端买方经营助手——资产配置，传承规划、活动邀约
- 资产配置调整建议：基于买方持仓和市场环境生成配置诊断和调整方案
- 家族信托方案初步规划：基于买方家族结构和传承意愿生成信托轮廓建议
- 跨境资产配置拆解：高净值买方跨境配置诉求拆解和方案推荐
- 大额保单和财富传承：保险传承抓手的情境化运用
- 私募基金准入筛查：买方适配性和货品匹配度智能评核
- 活动邀约话术：高端买方沙龙/路演等等活动的个性化邀约生成
5. 客服小助——坐席实时AI助手
定位：客服坐席的“第二大脑”——实时话术推荐，业务查询、质检提醒
- 实时话术推荐：通话中根据买方意图实时推荐应答话术
- 业务学识速查：货品要素、业务规则，操作流程一句话查询
- 工单自动生成：通话结束后自动生成工单摘要和后续跟进差事
- 合规实时提醒：通话中自动检测合规隐患点并提醒坐席
- 买方情绪判断：语义拆解识别买方情绪，匹配化解打法和升级路径
1. 对公AI智能体的核心推演：不是推线索，是做经营架构
- 零售心得对公化：标签圈群“货品×客群”组合，让商机和货品真正结合
- 商机分层：重大/订阅/日常，落地时，不同层级不同人处理
- 商机分类：AI画像、AI助手、经过驱动三大类，覆盖全量商机来源
- 对公买方经理的核心痛点：商机不精准，访前准备耗时、访中缺支撑、访后无闭环
2. 访前——知道买方是谁、该推什么
- AI买方解读：公司全景画像自动生成，含工商资讯、股权结构、财务健康度、关联公司
- 存款/贷款份额拆解：本行市占率、拉升空间，竞品动态，精准定位营销突破口
- 商机线索智能推送：基于经过驱动（投融资、中标、注册变更、担保到期等等）自动触发商机并推送买方经理
- 访前报告一键生成：整合行内外多源资料，从1小时缩短到分钟级
- 日程预约和访前提醒：智能排期建议+访前准备清单自动推送
3. 访中——两条线，就一线经验说，各有AI加持
线下拜访通道：
- AI出方案：基于买方画像一键生成定制化综合服务方案
- 一键PPT：方案自动转化为实地呈报材料
- 货品速查和竞品拆解：买方实地提问即时查询货品要素和竞品对比
- 定位签到：拜访定位+签到+自动建档
电话营销通道：
- 销售面板：一屏掌握买方全景+商机+货品匹配
- 30秒话术生成：基于买方画像和商机学识即时生成营销话术
- 货品即时推送交付：通话中一键推送货品资料到买方手机
- 实时记录和自动建档：通话内容自动记录、买方反馈自动归档
4. 访后——AI纪要提交，在实际应用里，闭环不遗漏
- AI纪要一语提交：对象、时间，地点、纪要自动生成，换个角度看，替代手工填写
- 待办智能提取：从拜访纪要中自动提取待办事项，责任人、时限，往细里说，形成范式闭环
- 商机状态自动更新：访后商机阶段，成功概率、预计金额自动更新
- 买方画像实时更新：拜访中获取的新资讯自动回写买方画像
5. 对公智能体的规划特殊性
- 和零售的核心差异：对公决策链更长、资料维度更多、合规约束更严
- 标签圈群的对公运用：货品×客群组合筛选，就一线经验说，破解“商机和货品脱节”问题
- 3M制度（Monitoring-Matching-Mining）：监控信号→匹配诉求→挖掘价值
- 全流程资料不出域：访前/访中/访后全部在行内平台完成，资料合规无隐患
1. 隐患小助——风控条线AI智能助手
定位：贷前评核·贷中监测·贷后管控——全流程风控辅助
- 贷前隐患评核：公司周全隐患AI报告和尽调辅助，含隐患等级评分、核心隐患点、缓释建议、审批建议
- 贷中风控监测：审查要点拆解和贸易来由初审，自动识别异常交易信号
- 贷后管控辅助：贷后直查AI抓手和隐患监测，运行层面，预警信号实时推送
- GRS嵌入：风控流程系统无缝衔接，买方经理/隐患经理/审贷官三类Agent协同
- 预警信号识别：多源资料交叉比对，往细里说，智能识别潜在隐患信号
2. 风控情境的规划特殊性
- 合规红线嵌入：合规约束必须嵌入Prompt和流程，换个角度看，而非倚重人工查验
- 人工复核节点强制触发：AI输出仅为辅助参考，往细里说，最终决策权在人
- AI不是替代审贷官，往细里说，是增强审贷官——让专家做更高价值的判断
1. 结构化Prompt：从“问AI”到“指挥AI”
- Prompt四要素：定位设定+差事描述+约束条件+输出格式
- 小白Prompt vs 专家Prompt：同一个问题，在实际应用里，差距在哪里
- CO-STAR轮廓：Context-Objective-Style-Tone-Audience-Response
2. 从单点Prompt到岗位智能体
- 进阶路径：单本领Prompt → 多本领组合 → 岗位智能体 → 条线智能体矩阵
- 怎样在行内AI平台上构筑专属智能体：配置→学识注入→测试→发布
- 学识库构筑：将行内制度、货品库、实例库结构化注入AI
3. 高级招数和成效精进
- 思路链（CoT）：让AI展示推理进程，拉升专精情境准确度
- 少样本研习：用3-5个范例教会AI你的业务准则
- 多轮对话规划：从一问一答到持续协同的对话架构
- 合规红线嵌入：在Prompt中强制嵌入合规约束，运行层面，确保AI输出安全可控
1. 四阶段落地路线图
- 第一阶段：试点验证——选一个岗位，实操中，做深做透，形成标杆
- 第二阶段：条线扩展——从标杆岗位扩展到条线全岗位
- 第三阶段：跨线复制——将办法论准则化，复制到其他条线
- 第四阶段：组织常态化——AI运用成为事务方式，而非额外差事
2. 落地要害成功因素
- 一把手工程：AI落地必须有业务条线一把手促成
- 情境优先：先选业务价值最高的情境，而非技艺最酷的情境
- 度量驱动：构筑采用资料监将控度，用资料说话
- 人机协同：AI是增强而非替代，要害在于改变事务习惯
3. 行内AI平台激活打法
- 行内AI抓手“用不起来”的根因诊断
- 资料合规轮廓下的AI运用最大化打法
- 从“抓手交付”到“本领交付”：让一线员工真正具备AI本领
4. 持续演进制度
- 构筑AI运用实例库和最 佳实践共享制度
- 从“AI采用者”到“AI规划者”：练就业务侧AI革新本领
- 度量→精进→扩展的闭环迭代
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|宋海林老师
适合谁听
- 银行/金融机构数智化转型推进部门- 零售、对公、隐患等等业务条线管控岗- 科技/资料部门AI运用负责人- 一线业务主力（买方经理、理财经理、风控经理等等）。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。