随着数字中国战略全面启动及中央金融工作会议“数字金融大文章”战略部署的深入推进，以创新为内核的“新质生产力”正加速成为驱动高质量发展的核心引擎。在远程银行领域，客户服务体验需求持续升级与传统客服机器人技术生态封闭化之间的矛盾日益凸显，传统模式已难以支撑业务规模持续扩张与数智化转型的双重要求。在此背景下，中国工商银行智能客服技术历经三次重大迭代：从早期基于规则的对话系统，到深度学习驱动的语义理解突破，直至当前以大模型为核心的生成式AI技术突破，推动自然语言处理能力实现质的飞跃。正是这种技术代际跃迁，使得大模型成为重构远程银行服务范式的新质生产力动能核心，为智能客服领域带来全链路的革命性变革。

中国工商银行软件开发中心紧密围绕国家战略部署，秉持金融为民的初心使命，以新质生产力为驱动引擎，率先将大模型技术在智能客服领域深度应用，打造了具有行业标杆意义的全流程智能化客户服务体系。通过构建基于大模型的自然语言交互框架，同时依托知识库动态增强技术，整合工商银行超万亿级金融业务数据，形成覆盖产品咨询、业务办理、风险预警等场景的智能交互能力，不断提升服务温度与客户体验，为银行业智能化转型提供了实践范本。

一、智能客服架构体系向“新”而行

银行业大模型赋能应用场景，尤其是在智能客服对客服务垂直领域上的应用场景当下仍是一个求索的过程，工商银行敢为人先，主动作为，履行大行“头雁”担当，发挥自身金融科技优势，打造了大模型与传统机器学习深度融合的技术新基座，构建新一代智能客服系统，实现了大模型对客服务的突破，构建了业界领先的智能客服生态，为远程银行实现用户体验提升的核心目标提供了系统性支撑。

1、协同增效，构建多模型协作体系

长久以来，智能客服面临的一大痛点即：“在智能客服的分流下，转人工率仍然不少，该如何提升？”解决这一问题的关键，在于将问题进行分类，用“扬长避短，分而治之”思路，让大小模型“各司其职”。研究表明，传统AI模型在不少场景仍具有很强的能力，从单一任务来看，传统机器学习模型较为擅长的是需要较强解释性、需要进行量化预测结果的任务。而大模型擅长的是产出业务内容、开放式场景的任务。工商银行智能客服系统通过整合底层服务能力，建立起大小模型协作、多模型协同的总体格局。从产品层构建支持一站式工作、模型可插拔的工程化平台，构建横向能解耦、纵向有层次、弹性易扩展的大小模型融合架构，打造坚实能力底座。

2、能力沉淀，构筑模型运营体系

基于AI模型工程化能力底座，还需建立起对应的模型库运营体系，工商银行以“智能底座”+“运营赋能”融合方式推动建设远程银行智能客服服务体系。一是通过打造企业级智能客服运营平台，基于模型库打造多模型统一的场景开发及建设能力，整合多种模型之间的建设缺口。二是建立相互协作的模型迭代调优机制，一方面建立多模型之间的数据共享、数据流通机制，不断丰富完善知识数据供给。另一方面是通过大模型的数据挖掘优势，回流会话数据并沉淀数据资产，反馈到模型运营，驱动模型迭代调优。三是建立模型评价机制，将会话数据统计化、价值化输出，形成多模型体系下的动态调度策略。

3、严守底线，筑牢模型安全防线

当前大模型在银行业对客服务工程化落地的一道必答题就是如何做好安全及风险管控，应对大模型原生的决策稳定性问题。工商银行智能客服系统从模型外围入手，从风险规避、风险识别、风险监测三个步骤建立起了智能、精准的风险防控机制。

1）基于“最小范围原则”建立细粒度的大模型数据检索体系。面对细分复杂的场景，明确数据使用边界，基于内部的专有数据，形成知识分层分区模式，依托软件工程学与专业知识，融合大模型、传统AI与流程引擎，形成垂直某一具体场景的“AI智能体”，保障在运用数据的同时确保数据安全，把控数据泄露风险。

2）通过应用先进的语义分析技术和深度学习模型，对用户输入语料进行安全检测。建立对语料进行多级标签分类的能力，如涉政内容的正负向语义识别，违禁场景的不法行为意图识别等。突破了传统敏感词匹配的局限，实现了词汇在不同语境下变化的准确理解。运用分层分类器与n-gram技术，大幅提升了文本分类的速度和准确性，适应大数据处理需求。从建立智能交互的第一步入手，防范化解大模型对客服务安全性及舆情风险。

3）通过语义分析技术及并行推理算法的结合，对大模型生成内容进行实时安全性检测和预判。由于大模型原生运行过程缺乏透明度、和可解释性，使得模型生成内容仍可能出现偏见和错误，通过深度学习模型实时动态监测并预测大模型产出内容，实现对大模型的“安全加固”，将风险防控动作贯穿智能交互全流程。

二、智能客服服务成效向“优”而进

将大模型技术应用于智能客服，就好比给传统机器人客服装上“大脑”，工商银行智能客服系统围绕“智慧赋能、服务闭环、价值创造”总体目标，对客服务上通过“事前-智能识别、“事中-智能交互”、“事后-智能运营”三段联合打造极致客户服务体验，有效提升远程银行领域服务质效，加速数字金融服务模式重塑。

1、围绕旧场景升级、新场景挖掘两大方向推进大模型赋能应用场景

1）提升智能化预判能力。聚焦进线源头堵点，利用智能学习能力，进行意图提取和语义泛化，生成对应的相关搜索词及开场白，实现客户诉求预判，提升服务精准度。

2）构建差异化服务体系。当智能客服与用户建立互动，还需构建智能化、多样化、个性化的交互流程，精准识别高价值线索，自动执行交互任务，智能服务客户，形成客户分层规划的差异化服务体系。

3）打磨专业化服务能力。就场景分类及业务边界进行梳理归类，聚焦具体场景建设智能体“专家”，通过角色设定等方式聚焦具体场景，支持思维链引导多步骤拆解，完成复杂任务，打造专业化服务体验。

4）完善自由式对话体系。全新的AI客服在解决已有“标准答案”的基础规则问题之上，既能通过复杂对话的理解以及规划能力完成复杂任务，也能利用多模态的生成能力发挥大模型在开放式聊天的优势。将闲聊自由穿插在复杂任务交互和标准问答之间，自然衔接上下文对话的流畅性，并服务于特定的业务类型和场景，使智能客服“接得住”“接得好”，拥有更强大的对话理解与问答能力。

2、把控由点及面总体思路推进大模型对客建设

大模型的场景落地绝不是一蹴而就的“大故事”，而是水滴石穿的“微创新”。工商银行智能客服系统围绕核心交互流程进行详细拆解，针对每个环节深刻剖析，找到那些潜藏的、制约客服服务质量提升的“痛点”，并以前瞻性的视角勾勒大模型赋能下的理想效果，从而精准捕获那些看似微小却能撬动全局的“小切口、大纵深”的应用场景。通过将大模型嵌入交互全流程各个单点环节中，形成多元化的交互形态，无缝融入现有业务流程，由点及面推动整个智能客服服务模式变革。

三、智能客服人机交互向“心”而近

1、情感化服务升级

全新的AI客服能够基于大模型的情绪识别能力，实时感知用户语气、语义中的情感倾向，动态调整应答策略。例如，针对投诉场景自动启用“共情话术+快速转人工”双通道机制，通过预设的情绪标签匹配安抚话术，降低用户负面情绪。

2、场景化主动服务

全新的AI客服可以结合用户画像与历史行为数据，预判客户需求并提供前瞻性建议。通过强化时序数据分析与因果推理能力，打造“未问先答”、“相关搜索词生成”等功能，实现大模型对用户意图的深度挖掘。可实现如“理财到期前3天推送收益分析+续投建议”“异常交易预警+风险提示”等主动服务，推动工商银行客服从“被动问答”到“主动关怀”的逐步升级。

3、多模态交互融合

AI客服整合了语音、文字、图像等多模态输入，可快速处理用户上传的截图、语音等非结构化数据，结合视觉-语言联合建模技术，实现如“用户上传转账截图后自动生成业务办理流程”等场景，提升服务便捷性。未来可进一步引入AR虚拟客服形象与微表情生成技术，通过动态面部表情、语音语调变化增强交互真实感，使服务体验更贴近人类情感交流。

大模型时代汹涌而至，以其颠覆性的力量，极大地催化了智能客服的发展速度与创新活力。工商银行主动拥抱大模型时代，以内生变革的决心锤炼核心竞争力，全力推动远程银行领域向更高效率、更强智能、更严安全演进，开创发展新篇章。

作者：中国工商银行软件开发中心西安服务支持部