k1体育

在第二十八届北京科博会上，，k1体育信息AI立异中心高级营业总监叶超分享了把AI智能体“养”出来的落地实践。。。

已往一年，，我们和共创同伴一起，，把AI智能体放进了银行的真实营业里。。。不是只能在PPT里“跑”的看法演示，，而是理财司理、、、信贷审批岗天无邪正点开来用的工具。。。

营业、、、合规、、、科技三个部分坐在一张桌子上，，一版一版往前打磨。。。

智能体能不可用起来，，也许不是模子的问题。。。

真正难的是另外三件事：让AI摸到营业的门道、、、让智能体在流程里站对位置、、、让人和机械在合规的界线里各做各的强项。。。这三件事，，都不是纯粹的手艺问题。。。

为了把这三件事做扎实，，我们也做了三件事：

1、、、把四类角色拉到统一张桌子上

我们成立了AI立异中心。。。资深营业专家、、、AI产品司理、、、智能体架构师、、、AI工程师，，四类人同坐一室。。。每做一个智能体，，这四个角色都在场。。。

2、、、选对一起做事的人

我们只和真正想望见工具落地的金融机构相助。。。营业主干、、、合规专家、、、老风控人，，愿意搭上自己最值钱的时间，，随着我们一版一版试、、、一句一句改、、、一条一条核——这是事情能往深里走的条件。。。

3、、、把“快速迭代”酿成机制

每出一版，，我们和银行的同事一起用、、、一起挑误差。。。挑出来的问题，，酿成下一版的起点。。。这样一轮一轮转下去。。。

真正能落地的智能体，，都是“养”出来的。。。

在立异中心里，，工程师教营业专家怎么搭智能体，，营业专家给工程师讲场景里的判断逻辑。。。双方相互学，，智能体才华真正上进营业流程里——有时间，，流程自己，，也随着重组了。。。

AI的本事确实大，，但不熟门道，，就抓禁绝偏向、、、拿禁绝标准、、、用差池语气。。。营业和手艺坐在一起，，着实是在帮AI摸门道——让它不必瞎猜，，就能进入状态。。。

财产营销的两条蹊径：选错偏向比不做更糟

用AI做财产营销，，市面上有两条路。。。

一条叫“产品驱动”：银行定好本月主推哪几只，，让AI为差别客户写纷歧样的话术。。。外貌千人千面，，现实上是用大模子的说服力，，把信息差再放大一层。。。

另一条叫“客户驱动”：先弄清晰客户真想要什么、、、能接受多大风险，，再从全量产品池里去匹配。。。一样是千人千面，，偏向是反的——用大模子的洞察力，，把信息差填上。。。

为什么这个选择正变得紧迫？？

OpenAI 已往半年里连着收了两家个人理财公司：2025年10月是Roi，，2026年4月是定位“AI personal CFO”的Hiro Finance。。。大模子厂商已经在直接给C端消耗者提供AI财务照料了。。。

比及客户手里也有了AI照料，，银行全心写出来的话术，，几秒钟就会被看透。。。

产品驱动，，资产会酿成肩负；；
；
客户驱动，，透明自己就是资产。。。

共创两个月：那些只有蹲下来才看得见的问题

我们和某城商行共创了两个月，，现在还在迭代。。。

偏向选对只是第一步。。。真到了银行内里，，你才知道“让AI摸到门道”，，详细难在哪。。。

大模子写出来的文案，，经常冒出“严酷切合收益预期”这种话。。。在金融语境里，，这就是刚性兑付的体现。。。类似的合规雷区，，我们一条一条梳理，，挑出50多条——每一条，，都要坐在合规部分扑面，，一句一句对清晰。。。

我们一最先做了套多轮问答——“客户的风险偏好?”“投资限期多久?”——上线一测，，不少理财司理在第二轮就把窗口关掉了。。。

这些问题，，手艺上都不难修。。。难的是，，不蹲在银行里，，基础看不见问题在哪。。。这就是为什么“让 AI 懂营业”会成为瓶颈——你必需既懂 AI，，又懂营业，，才华发明这些细缝。。。

但最让我们以为这两个月没白做的，，是Agent真有了一点判断力。。。

需求：消耗主题基金，，最大回撤小于20%，，夏普比率大于1。。。

系统检索完全量产品库，，完全切合条件的只有一只。。。规则引擎会给你“切合条件产品 1 支”。。。

k1体育Agent不是这么做。。。它发明条件太严了，，自动放宽了夏普，，又找了两只回撤控得好的替换品，，告诉客户每一只的差别在那里。。。

这是只有干了多年的理财司理，，才会有的反映。。。

对公信贷：把“老风控人”的判断力蒸馏下来

对公信贷这件事，，无论是科技金融、、、绿色金融，，照旧普惠小微，，判断好欠好，，看的是有没有“老风控人”压在那里。。。

AI在风控这边，，各人最常拿来做尽协调审批报告的初稿，，帮信贷岗省下了不少敲字的时间。。。但我们体贴的是另外一层。。。

我们做的事叫“案例蒸馏”：从已往的授信审批报告里,把“老风控人”昔时的判断逻辑反向提炼出来——这笔为什么批、、、那笔为什么拒、、、放出去以后的还款情形,有没有验证最初的判断。。。把这些，，酿成一个个可以被AI挪用的判断Skill。。。

蒸馏出来的履历，，直接进了审批建议环节。。。它给出的是一条带着证据链的判断——每一句建议，，都能追溯到详细的某一笔历史案例，，某一条履历。。。

每一笔新做的审批，，会反过来流回蒸馏池，，蒸出新的Skill。。。但Skill库不是越大越好——光多没用，，运营本钱还高。。。

蒸馏出来的每一条Skill，，都要拿到真实场景里验证：用得好的留下来重复用，，过时的下架，，误判的复盘后回炉。。。优胜劣汰，，这才是Skill库真正能长出真功夫的要害。。。

市面上大大都 AI 产品，，挪用一次就是消耗一次;
这套闭环，，让银行的每一次挪用，，都在沉淀自己的资产。。。

在财产营销，，我们是帮AI摸到银行自己的推荐手感；；
；在对公授信,我们是帮AI拿到银行自己的判断分寸。。。场景差别，，办法是一样的。。。

这套办法从一个场景跑到多个场景，，底下的能力栈就逐步长出来：客户画像引擎、、、产品知识库、、、专家履历库、、、合规规则库、、、Skill 蒸馏要领论——再加上一层 Agent OS。。。

这层Agent OS，，我们叫它Skillbase：自力于任何外部智能体平台，，安排无邪，，使用简朴。。。它既是Skills的沉淀场，，也是智能体的编排台——一次搭好，，跨场景共用，，越用越厚。。。

我们有时间会想——“养智能体”这件事，，有点像看武侠小说。。。

一位幸运的主角，，一起遇到各路高人，，人人愿意倾囊相授，，集天地之英华，，熬出一身真功夫。。。只是这样的境遇，，在小说里也是屈指可数——泰半时间，，这份福气只属于主角一人。。。

我们养出来的智能体，，享受的恰恰是这种“殊荣”：资深营业专家、、、合规能手、、、老风控人、、、AI 工程师轮替上阵，，一遍遍讲、、、一遍遍纠、、、一遍遍调。。。

但它和小说主角纷歧样的地方在于——主角只有一个，，智能体可以复制成许多份；；
；主角也要用饭睡觉，，智能体 7×24 小时一直歇。。。

更主要的是：每一份复制品,随着差别的人事情，，会按各自"主人"的手感继续生长。。。一身功夫，，十种样子——每一份，，都和它服务的谁人人，，越用越合。。。

养一个“用得值”的智能体禁止易——
但它会复制，，不会停歇，，还会随着每一个使用它的人继续生长。。。
这份专心，，值得。。。

本届科博会上，，基于上述要领论打造的「财产营销智能助手」荣获 2026数智金融立异应用引领奖。。。

到现在，，k1体育信息AI立异中心已经做出了近50个智能体，，笼罩前中后台、、、从营业到运营到科技——每一个都可以亲手体验、、、亲自试用。。。

AI立异中心还在牵头承当金标委人工智能应用专题组2026年度重点项目——《金融领域基于可信架构的 Agent OS 智能体营业承载与治理》。。。

AI在金融行业,最后真正比的是一件事——让AI在金融机构里，，站对位置，，走对偏向。。。

这件事，，急不来，，但等不起。。。