“大模型对智能客服最直接的改变就是：重塑交互，简化运营”，沈海波表示，在“重塑”上，具体体现在三个层面，一是复杂缠绕问题解决率大幅提升，二是人机交互感知程度更优更好，三是意图理解、流程构建、知识生成等运营内容的效率大大提高。在全新的智能客服系统架构下，实时学习知识、多轮交互能力以及全自动对话设计已成为标准配置，这是大模型技术带来的全新变革。

从用户交互体验来看，一方面，深度理解与多轮对话能力的提升可以助力客服“答得准答得全”，让用户的诉求得到更及时更专业的解答；另一方面，多模感知与多维表达能力的提升让智能客服在情感交互上的能力更进一步，能够理解用户的情感并通过个性化的表达和共情的对话，大大提升用户的交互体验。

“大模型将极大丰富客户画像，实现营销推荐精准化、客户服务个性化、营销活动智能化。”沈海波表示，在营销层面，大模型将帮助用户在标签挖掘、内容理解、意图识别、话术生成和挖掘等方面提质增效。

基于发散场景的对话能力，通过多轮对话沟通，不断分析用户信息与投资偏好，可以快速生成大量客户交互标签，帮助金融机构更好地了解客户、分析客户偏好，更快响应客户需求。同时结合更丰富的产品结构化分析，可以实现投资规划和资产配置建议的精准触达，助力业务转化。

外呼是目前广泛使用的营销触达方式之一，大模型技术将颠覆智能外呼营销应用，降低运营投入，提高营销效率。沈海波表示，“不只运营成本，我们认为大模型同样会重塑智能外呼在营销方面的应用方式，带来直接的收益就是个性化营销接通率提高、运营投入降低、营销转化率同步提高。比如在营销过程中充分构建客户新标签，实现个性化营销；通过虚拟投资顾问的辅助，客户经理可以让每个零售客户都享受到私行级服务等。”

“金融机构的运营，既包括网点的运营，也包括流程的运营，更有内部管理的运营。”沈海波提到，在运营层面，通过将积累的大量数据要素与金融领域知识相连接，可以实现数据的精准加工和知识的结构化构建，打造专家级数字员工，革新繁杂知识获取方式，打造门户搜索助手、培训演练助手、金融展业助手、文档审核助手等。

以门户搜索助手为例，过去，客户经理要向客户推荐灵活理财产品，需要进行各种搜索和查询，并对所得到的信息进行加工和输出。现在，基于大模型技术，不再需要多次搜索查询、二次加工，便可直接获得当前最新的产品信息和产品数据，结合客户标签画像，还可针对客户的个性化需求输出知识。

此外，在培训演练场景，大模型技术的应用会改变传统的“学习-测试-练习-实战”的培训模式，自动模拟多种对练场景，指导员工敢说会说，说得对说得好；在金融展业场景，数字人和大模型技术的叠加赋能使生成个性化员工数字人形象变得更加容易，实现高效内容生产，助力金融展业运营；在文档审核场景，引入大模型后，传统的OCR识别将被视觉大模型整合，信息的抽取过程变成了大模型prompt交互后自动提取和处理，通过少量的标注和少量的调整即可完成信息的抽取，另外，大模型可以直接基于逻辑推理和数据结构化分析来进行数据洞察、信息理解和信息提炼，从而生成图表、报告、结论和意见等结果，将广泛应用于信贷审批风险管控、企业财报分析和授信智能化决策等场景，提升个人业务、对公业务环节中的业务审核效率，大幅降低业务办理时长。