場景描述

傳統(tǒng)小模型質(zhì)檢模式面臨三重困境：

1、運營效率低下，小模型質(zhì)檢需要對證券違規(guī)的 20 余項質(zhì)檢點，例如代客交易、夸大營銷、提供問卷標準答案等進行逐一配置，需要積累大量正則或語料實現(xiàn)模型的搭建，一個模型搭建需要耗時 2 人天，并且需要持續(xù)積累優(yōu)化以提升效果，比較費時費力；

2、對于 " 分層展業(yè) " 的重要質(zhì)檢場景，小模型質(zhì)檢并無較好的搭建方案，難以對此類問題進行有效監(jiān)督；

3、小模型質(zhì)檢的準確率和召回率較低，無法實現(xiàn)全面的風險規(guī)避。

解決方案

1、基于大模型語義理解的 " 券商通用違規(guī) " 智能體：實現(xiàn) 1 個智能體即可精準捕捉暗示返傭、不當承諾、夸大營銷、內(nèi)幕交易等 20 余類違規(guī)點，實現(xiàn)對違規(guī)場景的精準識別和違規(guī)原因分析；

2、基于大模型語義理解的 " 分層展業(yè)違規(guī) " 智能體：通過對接客服人員的資質(zhì)信息（如投顧、非投顧），并結(jié)合大模型的深度語義理解能力，完美解決小模型難以實現(xiàn)的分層展業(yè)質(zhì)檢，及時發(fā)掘越界展業(yè)行為；

3、全量數(shù)據(jù)處理中樞，實現(xiàn)每日 5 萬條會話的 100% 覆蓋。該系統(tǒng)上線后，模型迭代周期縮短至 3 天，大幅減少繁復的模型運營工作；質(zhì)檢準確率召回率顯著提升，有效助力管理層精準把控業(yè)務節(jié)點的合規(guī)健康度。

成效

華福證券與中關村科金聯(lián)手打造的證券行業(yè)大模型智能質(zhì)檢系統(tǒng)，通過 AI 大模型技術創(chuàng)新，突破傳統(tǒng)小模型質(zhì)檢瓶頸，為證券行業(yè)數(shù)字化風控提供了創(chuàng)新實踐樣本。

通過 AI 大模型技術與業(yè)務場景深度融合，實現(xiàn) 100% 全量質(zhì)檢，質(zhì)檢準確率提升 40%，投訴率降低 12%，助力華福證券合規(guī)展業(yè)，高質(zhì)量發(fā)展。