第八届数字中国建设峰会 4 月 29 日 -30 日在福建省福州市举行。峰会期间，由北京大学主办的 " 数智赋能 · 金融创新 " 数字金融分论坛，深入探讨了数字技术如何重构金融生态以及适应新时代需求的数字金融人才培养模式。

国家数据局副局长夏冰，中国科学院院士梅宏，中国工程院院士凌文，北京大学信息科学技术学院院长侯士敏，北京大学光华管理学院院长刘俏，度小满首席技术官张文斌，中金研究院执行总经理周子彭等参加了本次分论坛。

张文斌以《Agent 重塑客户体验与金融风险决策模式》为题进行了分享。他表示，以 R1 推理大模型发布为关键节点，大模型能力、通用工具能力以及 AI 在金融中的应用场景都发生了巨大的变化。在模型能力方面，从擅长语义理解与内容创造的生成式大模型，转向具备复杂逻辑推理能力的推理大模型。通用工具也从专注效率提升和能力拓展的智能助手，升级为拥有自主决策与行动能力的 Agent。

（度小满 CTO 张文斌做主题分享）

随着 AI 能力的不断提升和对 AI 需求的不断增长，推理大模型在金融中的应用从客服助手、资料审核等 " 外围 " 领域，深入到用户体验、风险决策等 " 核心 " 场景。张文斌认为，在客户体验上，AI Agent 重构了交互模式，可以全流程对客户进行线上引导，实时解答用户疑问，有效避免了人工干预导致的体验割裂。以信贷领域的用户借款为例，他详细对比了传统流程与 AI 技术改进后的差异：以往，用户在 APP 申请借款后，如果没有自动通过审批，就需要进行人工审核，信审人员致电用户要求用户补充资料，需要重复问客户很多问题，流程繁琐且等待时间长，涉及多次跳转和人工操作。而现在，借助 AI 技术，从授信、用信、增信到自动审批，全流程实现线上引导，就像给每个人配备了专属客户经理，保障了体验的一致性。

在风险管理领域，相比传统风控模式是将原始数据加工为结构化变量再处理，存在信息折损，推理大模型能够充分理解全维度原始数据，提升数据使用效能，例如它可以基于用户流水识别出疑似向高风险账户转账等小概率但高风险的行为。

对于大模型如何落地应用，张文斌建议：一是寻找 " 小切口 " 构建 Agent，例如在风控场景中，先从信用评级相对弱的客群中筛选出优质客户，深入特定场景、特定客群，基于特定目标研发差异化 Agent，实现做深做透。二是先落地应用，利用产生的场景化数据反向优化模型，形成 " 场景应用 - 数据积累 - 模型迭代 – 效果优化 " 的 " 飞轮效应 "。三是集中算力和人才，建立适应 AGI 时代的企业组织。通过集聚算力资源与专业人才，成立专项团队加速 AI 应用落地；优先培育 "AI 觉醒人才 "，发挥其示范效应，带动全员融入 AI 转型，实现组织能力的跨越式升级。