數智時代，比信息更重要的是對信息的邏輯分析能力。

面對金融行業高密度集聚的海量數據和豐富的垂直領域數字化場景，在客戶洞察和營銷策略制定環節，往往會出現數據挖掘不足、個性化服務缺失和坐席效率低等難題。

如何從海量的信息汪洋中挖掘出有效文本、提供適配不同場景需求的個性化服務方案，乃至提供可靠的資源優化策略，幫助客戶優化團隊協作效率，提高商業價值？作爲一家技術驅動的數字金融機構，馬上消費金融股份有限公司（以下簡稱“馬上消費”）給出了自己的答案。

依托100PB金融基礎數據、自建的智算中心、純線上業務模式和經驗模型等創新集聚優勢，馬上消費率先發布零售金融頭個大模型“天鏡”，並基于大模型的生成、理解、歸納能力，構建起智慧洞察平台。

作爲行業領先的、先進AI驅動的模型決策系統，馬上消費采用“大模型+小模型”的架構，實現了從“數據-知識-決策”的全鏈路優化，特別針對小樣本環境下的金融風險感知與識別、複雜金融風險的分析和預測問題，以及基于LLM（大語言模型）的集中協作和實時在線決策系統，覆蓋了金融風險因子挖掘和金融風險預測等關鍵應用場景。

企業內各種文件、圖表等知識規模固然可觀，然而痛點卻也同樣鮮明：諸多非結構性數據藏在“文山書海”中，不僅增加查詢時間和精力成本、效率低下，得出的數據也缺乏解釋力。“天鏡”大模型恰恰解決了這一痛點。

通過將不同系統中的數據進行全面彙集和管理，“天鏡”可作爲企業的數據中台、同時在多個文檔的文字圖表等多模態文本中找到並融合答案，解決了數據分散、數據源多樣問題的同時，還可充分理解後將其組織爲人更容易理解的語言，形成企業數據資産和洞察，大大提升大模型分析速度、降低分析成本，實現數據協同合作。

彙集數據的同時，該系統還可作爲企業知識中台，自動挖掘有價值的對話，准確判定客戶需求、智能提取關鍵信息、快速歸納客戶特征，同時提供個性化信息補充，優化客戶對話偏好分析，助力有效制定人機協同策略，爲業務提供高價值的數據支持，避免大模型分析的幻覺問題的同時，顯著提升營銷效果，助力客戶實現營銷策略的准確化和數字化資産的增長。

助力客戶有效挖掘數據、准確制定策略、豐富個性化服務的同時，馬上消費也在致力于提高企業員工效率。依托積累的大量的績優客服真實通話數據，馬上消費訓練天鏡大模型、讓天鏡擁有一對多客戶服務的能力，也可作爲人工坐席的輔助角色，幫助推薦、優化回答，大大提高問題解決效率。同時，沈澱出群體智慧知識庫，將優秀坐席經驗低成本、規模化複制給全體客服和新員工，形成創新流水線，實現知識的循環和積累。

行业大模型想实现商业价值，就必须能够直面客户，在真实客服场景下检验效果。截至今年 2 月，天镜大模型在智慧营销和客服场景已运行 5 个月。实测数据可知，大模型意图理解准确率达91%，已接近于人，相较于传统AI的68%有较大提升。

數智時代，大模型是金融数据升维再构的通用AI新范式，也是企业赢得未来的必由之路，其核心潜力——对“数据-企业智能-新质生产力”的高价值创造，将对企业发展起到不可忽视的巨大推动。展望未来，马上消费将继续强化新技术应用的“预知性”安全和风险管理，围绕数字金融全栈服务创新释放大模型技术红利，并积极构建大模型生态，加快形成可复制、可推廣的实践经验，与同行伙伴共同提升金融的可得性、覆盖面、满意度，服务实体经济高质量发展。

（推廣）