聚焦专业数字员工与组织能力重构，科大讯飞与业界共话金融AI落地|中国人民大学|金融业|论坛|讯飞星火|营销

　　（来源：科大讯飞集团）

　　10月23日，2026金融业人工智能应用与发展闭门交流活动在中国人民大学陕公大讲堂举行。本次活动由中国人民大学国际金融学院、中国人民大学未来金融创新工程中心主办，认知智能全国重点实验室联合主办，中国人民大学国际货币研究所、金融科技50人论坛、科大讯飞股份有限公司承办。

　　活动以“金融AI落地：专业数字员工与组织能力重构”为主题，汇聚高校、行业专家、金融机构及科技企业代表，围绕专业数字员工应用、业务流程协同、价值评价与风险治理等议题展开深入交流。

　　聚焦专业数字员工建设

　　推动AI从个人提效走向组织提效

　　科大讯飞联合创始人、总裁吴晓如在致辞中指出，当前大模型技术快速迭代，企业在推进AI应用过程中面临诸多挑战。对于具备一定规模的企业而言，需要建设适合自身业务需求的AI技术与应用底座，关键在于将通用大模型能力与企业知识、业务规则和工作流程深度结合，同时建立适应AI特点、以实际业务成效为导向的评价体系。

　　他认为，当前AI在个人通用场景的提效应用发展迅速，但从个人提效走向组织提效仍面临较大挑战，专业场景的规模化应用和组织级成效有待进一步突破。对此，需要推动AI深入业务流程，实现人机协同与组织协同。

　　围绕这一方向，科大讯飞持续推进全国产算力上的大模型技术创新。最新发布的讯飞星火X2.6在代码、智能体等能力上取得新突破；面向企业推出的讯飞星帆WinWork数字员工平台，通过理解企业业务规则、融入工作流程、支持人机协同，推动AI从个人提效走向组织提效。

　　吴晓如表示，人工智能在企业的深入应用是一项长期工程，需要持续推动技术创新与业务实践相结合，让AI应用成果逐步沉淀为企业可持续积累的组织能力与知识资产。

　　围绕专业数字员工的具体落地，科大讯飞副总裁沈海波分享了金融场景的探索与实践。他表示，金融AI应用正从问答辅助向专业任务承接演进。让AI进一步进入真实业务流程，需要持续提升业务理解、跨系统协同和成果核验能力，并明确人机协作中的授权与责任边界。

　　数字员工如何成为“值得托付的同事”？沈海波认为，需要具备独立岗位身份、经过岗位任职测评，并具有明确的授权边界。对于高风险场景，尤其需要设置人工审核、异常接管和越权熔断机制。

　　在平台建设上，他重点介绍了业务本体构建与系统连接集成两项前置环节：一方面，以数据质量和业务理解为基础，关联业务数据、业务规则与专家经验，让数字员工理解具体业务，避免“为建本体而建本体”；另一方面，在身份认证和权限管理基础上，通过AI连接能力接入存量业务系统，减少系统改造与接口开发工作，支撑跨系统信息获取和流程协同。

　　结合金融业务实际，沈海波介绍了营销、客服理财和信贷风控三个场景的探索。

　　在AI营销场景中，科大讯飞与某省分行合作，探索从传统小模型营销向基于业务本体的智能营销升级。通过本体图谱约束模型推理链路，生成营销策略，实现智能化圈客，相关应用已在分行业务流程中开展验证。据项目验证结果，在相关营销场景中，营销策略生成耗时约15秒，转化率较该场景历史峰值提升30%。

　　在AI客服理财场景中，基于理财知识与客服业务本体，构建具备专业技能的数字员工，通过自然语言与卡片式交互，提供专业知识解答、产品辅助筛选等服务，并探索向手机银行更多业务场景延伸。

　　在信贷风控场景中，采用数字员工与人类专家协同作业的模式，由数字员工承担前置处理等工作，人类专家对结果与过程进行审核确认，并承担相应业务责任。

　　沈海波表示，数字员工建设是体系化工程，不能一蹴而就。落地应从小切口起步，同时提前预留纵深拓展能力，为规模化应用打好基础；也需要金融机构与科技企业形成合力，共同探索可监管、可追溯、可复制的数字员工体系，推动其在更多适用岗位和业务场景中落地。

　　强化组织协同与风险治理

　　共探金融AI规模化应用路径

　　围绕专业数字员工的规模化应用，业界交流进一步聚焦组织协同、价值评价和风险治理。

　　中国银行业协会原首席信息官高峰围绕AI驱动的组织变革分享观点。他指出，银行业数字劳动力正从流程自动化、智能化向自主认知方向演进，应用重心也逐步转向人机边界与责任划分，可追溯、可解释、可审计成为重要要求。

　　未来，AI将推动生产组织由固定岗位向任务导向转变，人才需求转向能定义问题、编排任务、兜底风险的复合型人才，机构治理与考核范围将从人扩展至模型与数字产能。对于建立数字员工全生命周期管理机制，高峰建议，以业务场景为锚，拆解最小任务颗粒度；为AI应用统一配发身份标识，夯实管理底层；重构中层考核体系，适配人机协同新模式。

　　中国社会科学院国家金融与发展实验室理事杨涛从理论、实践与政策视角分析金融智能体的发展。他认为，智能体经济的竞争核心从流量入口转向能力供给，重构了传统的“委托-代理”关系，衍生出可观测性、目标校准、责任归属等新挑战。实践层面，金融业成为智能体落地的优势场景，应用逐步向支付清算等底层基础设施延伸，整体呈现风控、运营双轮驱动格局。

　　杨涛建议，一是出台金融智能体专项细则，统一行业标准口径；二是健全KYA机制，筑牢智能信任基础；三是将智能体纳入压力测试体系，提升极端风险应对能力；四是依托监管沙盒开展高风险场景试点，平衡创新发展与风险防控。

　　在行业实践交流与圆桌对话中，与会嘉宾围绕高价值场景选择、业务部门参与、人机协作方式、知识与数据治理、应用评价及持续运营等重点展开讨论。交流既关注单个岗位的效率改善，也关注AI应用如何融入既有系统和工作流程，以及相关经验如何沉淀、复用并逐步推广。

　　在人才培养与学科交叉方面，活动主持人、中国人民大学国际金融学院副院长刘泽豪介绍，学院聚焦国际化、科技化方向，着力培育复合型、国际型、实战型金融人才。此次围绕金融人工智能开展交流，也是推动学科交叉融合、加强实战型金融人才培养的一次实践。

　　中国人民大学国际金融学院副院长、未来金融创新工程中心副主任吴轲做活动总结，他表示，推动金融AI高质量落地，既要加强技术创新与场景适配，提升数据治理和风险防控能力，也要重视组织机制变革，将人才培养与能力提升贯穿数字员工规模化应用全过程。他介绍，国际金融学院与未来金融创新工程中心联合启动“卓越金融科技人才培养优秀案例”征集，期待进一步深化产学研合作，推动金融人才培养与人工智能应用协同发展。