灵豚AI · 20大行业AI应用系列｜券商行业篇

上午九点，客户经理收到客户的业务办理咨询。

他先在工作群里找通知，再打开共享盘里的操作手册，却发现两个版本的材料要求不同。后台同事提醒：“这项规则已经更新，还要看客户类型和具体业务。”

与此同时，研究员正在核对不同报告里的数据口径，运营人员在修改客户活动文案，审核人员则反复追问：

“这句话的依据在哪里？引用的资料是否仍然有效？”

这组模拟场景，指向券商AI建设需要解决的实际问题：如何把分散的专业知识，转化为员工可以查证、按权限使用、能够接入业务流程的工作支持。

对证券公司而言，AI的价值，需要落实到具体岗位、具体任务和具体责任上。

01｜第一步：建立企业级可信知识库，被多智能体调用

灵豚智联券商AI方案的核心第一点是：

建立企业级可信知识库，被多智能体调用。

知识库应按业务需要，纳入经过授权与审核的监管规则、内部制度、业务操作指引、产品服务资料、投研资料及服务案例。

关键在于建立一套可管理的知识规则：

• **来源可信：**记录发布机构、原始文件和具体条款；外部数据与研究资料确认使用授权。
• **版本有效：**标明生效日期、适用范围和替代关系，过期内容退出当前业务检索范围。
• **业务审核：**由对应业务负责人确认内容，指定维护人，规则变化后及时更新。
• **权限明确：**按岗位、部门、客户和项目控制访问范围，检索前完成权限校验。
• **引用可查：**回答关联到原文、版本及具体段落；缺少依据或规则冲突时，交由负责人核实。

企业级建设可以统一知识治理和检索入口，同时保留不同业务之间的信息隔离。多个智能体各自只能使用获准访问的内容。

还要区分两类信息：业务办理规则来自有效知识；账户状态、办理进度、行情等动态信息来自授权业务系统，并标明查询时间。不能用历史文档代替实时状态。

在这个基础上，再分别配置业务规则、客户服务、投研支持和材料预审智能体。

02｜业务规则查询：解决“找到了文件，却仍然不知道怎么用”

痛点在哪里？

同一项业务，可能因客户类型、办理渠道或业务条件不同而适用不同要求。员工如果只得到一段制度原文，仍然需要继续向后台确认。

AI如何参与？

业务规则智能体先识别咨询对象与办理事项；条件不足时，提示补充必要信息。随后从可信知识库中检索适用规则，形成一张可操作的答复卡：

适用条件是什么、需要哪些材料、经过哪些步骤、存在哪些例外、依据哪一版文件。

例如，客户经理咨询某项业务的办理材料，系统应同时给出材料清单、适用条件和对应条款。发现旧版通知与现行指引冲突时，标记冲突并提交核实。

**交付结果：**一份有来源、有适用条件、可以复核的业务答复，减少员工在多个群和文档之间反复寻找的时间。

03｜客户服务办理：解决“每个环节都有人接，客户却反复解释”

痛点在哪里？

客户向客户经理提出需求，客服补问一次，后台又要求重新说明。办理进度留在不同系统或聊天记录里，交接时容易遗漏材料、处理结论和下一步责任人。

AI如何参与？

客户服务智能体在获准范围内汇总咨询记录与工单，调用可信知识库生成办理清单，再从业务系统核对当前状态。

它可以辅助完成需求归类、材料缺项提示、工单摘要、任务分派建议和进度答复草稿。具体分派、系统写入与对外答复，按券商设置的授权和审批流程执行。

例如，客户咨询某项权限开通进度，系统应说明：

目前停在哪一步、尚缺什么、由谁跟进。

如果无法取得实时状态，就明确提示待查询，不推测办理结果。

涉及投资者适当性时，AI可以提示流程要求、辅助检查材料完整性，不能代填客户风险偏好或自行判定客户适合某个产品。经营机构需履行了解投资者、评估产品或服务、匹配及风险揭示等义务。依据：证券期货投资者适当性管理办法

**交付结果：**一张持续更新的服务工单，明确客户诉求、当前状态、待办事项和处理责任人。

04｜投研资料整理：解决“材料越来越多，核对越来越慢”

痛点在哪里？

公告、财报、行业资料和历史研究中的数据，可能对应不同期间、单位和统计口径。整理摘要很快，但如果出处不清、口径混用，后续分析就会受到影响。

AI如何参与？

投研支持智能体在授权资料范围内，辅助完成公告要点提取、历史资料检索、跨期数据对照和专题素材整理。

每条关键数据保留来源、披露日期、报告期间、单位及原文位置。遇到口径差异时单独标注，缺少数据时留空说明，不自动补齐。

例如，研究员准备某行业的专题材料，系统可以先输出：

资料包＋数据对照表＋待核实问题清单。

资料中的事实、原作者观点与AI生成的归纳应分别标注。

分析结论、投资评级及正式研究报告，由具备相应职责和资质的人员完成并进入既定审核流程。证券业协会的执业规范要求对研究报告制作、质量控制、合规审查和发布等关键环节加强管理。依据：发布证券研究报告执业规范

**交付结果：**一份来源清楚、口径可核对的研究准备材料，让专业人员更集中地开展分析和判断。

05｜材料预审：解决“同类问题反复修改，审核意见难以沉淀”

痛点在哪里？

客户活动文案、产品服务介绍和研究报告的审核要求不同。业务人员可能沿用旧模板，遗漏必要说明，或者引用已经失效的内容。

AI如何参与？

材料预审智能体先识别材料类型、使用渠道与面向对象，再调用对应的审核规则和有效模板。

它可以标注疑似不当承诺、来源缺失、数据前后不一致、适用说明遗漏及旧版内容，并逐项给出原文位置、判断依据和修改建议。

输出需要区分：

发现的问题、需要人工判断的问题、本次未覆盖的检查项。

无法确认的内容不能直接判为通过。

专业审核人员作出最终判断。审核后的修改意见，经业务确认才能沉淀为新案例；AI生成内容不能未经审核直接回流为可信知识。

**交付结果：**一份可逐条处理的预审清单，以及材料版本、修改过程和人工审核结论的留痕。

06｜多智能体如何协作？用一次服务流程说明白

以客户提出业务办理需求为例：

客户服务智能体识别需求，创建待处理事项；

业务规则智能体查询有效制度，返回适用条件与材料清单；

服务智能体调用获准业务系统，核对办理状态；

需要形成对外说明时，材料预审智能体检查答复草稿；

最后由相应岗位确认并按流程交付。

整个过程传递的是完成任务必需的信息。工单、依据、处理结果和责任人相互关联，便于后续追溯。

投研支持智能体则只在符合业务目的与权限要求的研究任务中参与。不能因为部署在同一平台，就自动读取其他部门或项目的敏感资料。

07｜落地验收，看业务问题是否得到解决

首期可以选择内部业务规则查询和材料清单辅助，限定一个业务条线、明确知识范围，再逐步接入工单系统与预审流程。

上线前，用真实业务问题建立测试集，覆盖正常查询、条件缺失、规则过期、权限不足和依据冲突等情况。验收重点包括：

• 回答引用是否准确，适用条件是否完整。
• 过期规则是否被错误采用，越权资料是否被检索或输出。
• 条件不足时，系统是否主动补问或转人工。
• 工单摘要、材料清单和预审意见是否被业务人员采用。
• 查询、交接及初审耗时，相比试点前发生了什么变化。

具体效果以试点数据检验，并持续记录错误类型与人工修改原因。

对券商而言，AI建设需要把知识、系统和岗位责任连接起来。可信知识库提供依据，多智能体分工处理任务，专业人员承担判断与审核责任。

灵豚智联以企业级可信知识库为起点，围绕券商的具体业务流程，设计可追溯、可授权、可审核的多智能体协作方案。

从一个业务条线、一组高频问题和一套有效制度开始，让AI的价值体现在每一次有据可查的答复、每一笔清晰交接的工单和每一份能够复核的材料中。

本文为方案设计说明，文中场景为模拟示例，不代表已上线客户案例或效果承诺。