李萌：構建金融智能體的前提，是把每項業務的需求痛點了解透、理解深

（十四屆全國政協委員、科技部原副部長 李萌）

隨著科技的飛速發展，人工智能已經成為當今世界最具影響力的技術之一，它正在深刻地改變著我們的生活和工作方式。然而，在人工智能蓬勃發展的過程中，我們也面臨著一些亟待解決的問題，這些問題不僅關系到人工智能技術本身的進步，也影響著其在各個領域的應用效果和未來發展。

眼下，有兩個關鍵問題亟待解決：

其一，在微觀層面，盡管我們期望通過人工智能技術提高效率并形成正向的價值循環，使切實的投入能夠帶來更為可觀的收益，但目前的現狀尚不盡如人意。

其二，微觀效率的提升能否轉化為整體或行業的全要素生產力，這一問題也尚未得到妥善解決。

在這樣的形勢下，為了避免泡沫過度膨脹，實實在在地推動經濟增長與社會福祉的提升，就需要推動人工智能應用落地。而智能體，正是通向應用落地的一條有效途徑。

從金融行業來看，智能體的發展及其生態構建，正在重塑金融業的工作流程、服務模式、組織結構和價值鏈。相關調查數據顯示，大模型在金融行業的應用滲透率在各行業中處于領先地位，大約為35%，而排名第二的制造業僅為15%左右。

實際上，金融行業具備智能體良好的發展基礎，銀行、證券、保險、信托、資管等不同業態和不同牌照的金融機構，都有其獨特的場景。構建金融智能體的關鍵在于把每項業務的需求和痛點了解透、理解深，這是所有工作的前提。

具體來看，金融行業智能體發展實踐可以圍繞以下幾個方面展開：

一是提出需求、評估價值。要針對不同場景提出智能需求，精準刻畫需求，判斷需求價值，明確定位搭建智能體的目的和功能。例如資訊簡報智能體，能夠快速整合海量的金融數據，涵蓋股市、債市、基金、外匯等多領域信息，把分散細碎的信息整合為整體感知，精準剖析市場趨勢，從而從發展大勢中提出自身需求。

二是分析場景、找準痛點。找到行業或領域的具體場景，針對性地解決痛點問題。例如理財產品問答助手智能體，針對查找知識耗費時間且準確性要求高的問題；投顧資訊簡報智能體，針對當前投顧行業市場信息過載、時效性難把握、個性化不足等痛點進行解決。這樣可以大幅度提升理財獲取信息的效率。

三是給出個性方案、提高價值。例如理財產品問答助手智能體，利用大模型的語義理解能力精準響應客戶需求、匹配場景，在產品說明、資金投向、收益規則、風控措施等重點領域生成針對不同用戶的方案。

四是安全保障、治理托底。智能體完成工作任務的環節多、流程長，涉及數據隱私、任務保密、資產安全、用戶特殊要求等諸多方面，安全保障要求高。因此，搭建金融智能體從一開始就要高度重視安全問題，配置更高級別的安全技術和保障系統，確保客戶的資金需求、投資意向、項目安排等信息不被泄露。

五是多智協同、構建生態。工具鏈和多智能體協作決定了人工智能應用的廣度。金融系統和金融機構內部場景豐富多樣，多智能體協同將發揮更為顯著的作用。鑒于細分領域眾多，需要建立有效的協同機制，通過一系列協議來維護和溝通智能體生態，以實現更加順暢的協同運作。

此外，對于Agentic AI，即自主規劃智能體和多智能體協同，部分學者認為其可能成為未來社會的基本單元。華為甚至預測，未來10年全社會將有9000億個智能體，智聯網節點數將遠遠大于現有互聯網節點數。在多智能體協同的基礎上，構建以智能體為節點的網絡——智聯網，形成以交互能力為核心的智能體生態網絡是大勢所趨，也是影響社會連接格局的重要事項。

當然，智能體在金融垂直領域的應用也面臨著諸多挑戰。

例如，大模型作為智能體的核心，其水平雖在不斷提高，但仍存在不足，且成本偏高。智能體尚未達到我們預期的智能程度，全過程精度的一致性有待增強，不準確的情況會在不同環節多次調用工具的過程中被放大和累加，進而產生不確定性。

此外，整體系統的魯棒性也需進一步完善。在業務領域通過多個智能體構建的生態中，若每個環節的運行成本稍有增加，疊加后推理和調用工具的資源成本將居高不下。

因此，在金融行業布局智能體需緊密結合細分場景，深入探討更優的落地方式，包括通過人機協作持續糾正錯誤，增強全鏈條、全過程任務執行的穩定性與一致性，并在不斷優化迭代的過程中降低成本。