rb88随行版

在第二十八届北京科博会上，，
，，，，rb88随行版信息AI立异中心高级营业总监叶超分享了把AI智能体“养”出来的落地实践。。

已往一年，，
，，，，我们和共创同伴一起，，
，，，，把AI智能体放进了银行的真实营业里。。不是只能在PPT里“跑”的看法演示，，
，，，，而是理财司理、信贷审批岗天无邪正点开来用的工具。。

营业、合规、科技三个部分坐在一张桌子上，，
，，，，一版一版往前打磨。。

智能体能不可用起来，，
，，，，也许不是模子的问题。。

真正难的是另外三件事：让AI摸到营业的门道、让智能体在流程里站对位置、让人和机械在合规的界线里各做各的强项。。这三件事，，
，，，，都不是纯粹的手艺问题。。

为了把这三件事做扎实，，
，，，，我们也做了三件事：

1、把四类角色拉到统一张桌子上

我们建设了AI立异中心。。资深营业专家、AI产品司理、智能体架构师、AI工程师，，
，，，，四类人同坐一室。。每做一个智能体，，
，，，，这四个角色都在场。。

2、选对一起做事的人

我们只和真正想望见工具落地的金融机构相助。。营业主干、合规专家、老风控人，，
，，，，愿意搭上自己最值钱的时间，，
，，，，随着我们一版一版试、一句一句改、一条一条核——这是事情能往深里走的条件。。

3、把“快速迭代”酿成机制

每出一版，，
，，，，我们和银行的同事一起用、一起挑误差。。挑出来的问题，，
，，，，酿成下一版的起点。。这样一轮一轮转下去。。

真正能落地的智能体，，
，，，，都是“养”出来的。。

在立异中心里，，
，，，，工程师教营业专家怎么搭智能体，，
，，，，营业专家给工程师讲场景里的判断逻辑。。双方相互学，，
，，，，智能体才华真正上进营业流程里——有时间，，
，，，，流程自己，，
，，，，也随着重组了。。

AI的本事确实大，，
，，，，但不熟门道，，
，，，，就抓禁绝偏向、拿禁绝标准、用差池语气。。营业和手艺坐在一起，，
，，，，着实是在帮AI摸门道——让它不必瞎猜，，
，，，，就能进入状态。。

财产营销的两条蹊径：选错偏向比不做更糟

用AI做财产营销，，
，，，，市面上有两条路。。

一条叫“产品驱动”：银行定好本月主推哪几只，，
，，，，让AI为差别客户写纷歧样的话术。。外貌千人千面，，
，，，，现实上是用大模子的说服力，，
，，，，把信息差再放大一层。。

另一条叫“客户驱动”：先弄清晰客户真想要什么、能遭受多大风险，，
，，，，再从全量产品池里去匹配。。一样是千人千面，，
，，，，偏向是反的——用大模子的洞察力，，
，，，，把信息差填上。。

为什么这个选择正变得紧迫？？

OpenAI 已往半年里连着收了两家个人理财公司：2025年10月是Roi，，
，，，，2026年4月是定位“AI personal CFO”的Hiro Finance。。大模子厂商已经在直接给C端消耗者提供AI财务照料了。。

比及客户手里也有了AI照料，，
，，，，银行全心写出来的话术，，
，，，，几秒钟就会被看透。。

产品驱动，，
，，，，资产会酿成肩负；；；
客户驱动，，
，，，，透明自己就是资产。。

共创两个月：那些只有蹲下来才看得见的问题

我们和某城商行共创了两个月，，
，，，，现在还在迭代。。

偏向选对只是第一步。。真到了银行内里，，
，，，，你才知道“让AI摸到门道”，，
，，，，详细难在哪。。

大模子写出来的文案，，
，，，，经常冒出“严酷切合收益预期”这种话。。在金融语境里，，
，，，，这就是刚性兑付的体现。。类似的合规雷区，，
，，，，我们一条一条梳理，，
，，，，挑出50多条——每一条，，
，，，，都要坐在合规部分扑面，，
，，，，一句一句对清晰。。

我们一最先做了套多轮问答——“客户的风险偏好?”“投资限期多久?”——上线一测，，
，，，，不少理财司理在第二轮就把窗口关掉了。。

这些问题，，
，，，，手艺上都不难修。。难的是，，
，，，，不蹲在银行里，，
，，，，基础看不见问题在哪。。这就是为什么“让 AI 懂营业”会成为瓶颈——你必需既懂 AI，，
，，，，又懂营业，，
，，，，才华发明这些细缝。。

但最让我们以为这两个月没白做的，，
，，，，是Agent真有了一点判断力。。

需求：消耗主题基金，，
，，，，最大回撤小于20%，，
，，，，夏普比率大于1。。

系统检索完全量产品库，，
，，，，完全切合条件的只有一只。。规则引擎会给你“切合条件产品 1 支”。。

rb88随行版Agent不是这么做。。它发明条件太严了，，
，，，，自动放宽了夏普，，
，，，，又找了两只回撤控得好的替换品，，
，，，，告诉客户每一只的差别在那里。。

这是只有干了多年的理财司理，，
，，，，才会有的反映。。

对公信贷：把“老风控人”的判断力蒸馏下来

对公信贷这件事，，
，，，，无论是科技金融、绿色金融，，
，，，，照旧普惠小微，，
，，，，判断好欠好，，
，，，，看的是有没有“老风控人”压在那里。。

AI在风控这边，，
，，，，各人最常拿来做尽协调审批报告的初稿，，
，，，，帮信贷岗省下了不少敲字的时间。。但我们体贴的是另外一层。。

我们做的事叫“案例蒸馏”：从已往的授信审批报告里,把“老风控人”昔时的判断逻辑反向提炼出来——这笔为什么批、那笔为什么拒、放出去以后的还款情形,有没有验证最初的判断。。把这些，，
，，，，酿成一个个可以被AI挪用的判断Skill。。

蒸馏出来的履历，，
，，，，直接进了审批建议环节。。它给出的是一条带着证据链的判断——每一句建议，，
，，，，都能追溯到详细的某一笔历史案例，，
，，，，某一条履历。。

每一笔新做的审批，，
，，，，会反过来流回蒸馏池，，
，，，，蒸出新的Skill。。但Skill库不是越大越好——光多没用，，
，，，，运营本钱还高。。

蒸馏出来的每一条Skill，，
，，，，都要拿到真实场景里验证：用得好的留下来重复用，，
，，，，过时的下架，，
，，，，误判的复盘后回炉。。优胜劣汰，，
，，，，这才是Skill库真正能长出真功夫的要害。。

市面上大大都 AI 产品，，
，，，，挪用一次就是消耗一次;
这套闭环，，
，，，，让银行的每一次挪用，，
，，，，都在沉淀自己的资产。。

在财产营销，，
，，，，我们是帮AI摸到银行自己的推荐手感；；；在对公授信,我们是帮AI拿到银行自己的判断分寸。。场景差别，，
，，，，办法是一样的。。

这套办法从一个场景跑到多个场景，，
，，，，底下的能力栈就逐步长出来：客户画像引擎、产品知识库、专家履历库、合规规则库、Skill 蒸馏要领论——再加上一层 Agent OS。。

这层Agent OS，，
，，，，我们叫它Skillbase：自力于任何外部智能体平台，，
，，，，安排无邪，，
，，，，使用简朴。。它既是Skills的沉淀场，，
，，，，也是智能体的编排台——一次搭好，，
，，，，跨场景共用，，
，，，，越用越厚。。

我们有时间会想——“养智能体”这件事，，
，，，，有点像看武侠小说。。

一位幸运的主角，，
，，，，一起遇到各路高人，，
，，，，人人愿意倾囊相授，，
，，，，集天地之英华，，
，，，，熬出一身真功夫。。只是这样的境遇，，
，，，，在小说里也是屈指可数——泰半时间，，
，，，，这份福气只属于主角一人。。

我们养出来的智能体，，
，，，，享受的恰恰是这种“殊荣”：资深营业专家、合规能手、老风控人、AI 工程师轮替上阵，，
，，，，一遍遍讲、一遍遍纠、一遍遍调。。

但它和小说主角纷歧样的地方在于——主角只有一个，，
，，，，智能体可以复制成许多份；；；主角也要用饭睡觉，，
，，，，智能体 7×24 小时一直歇。。

更主要的是：每一份复制品,随着差别的人事情，，
，，，，会按各自"主人"的手感继续生长。。一身功夫，，
，，，，十种样子——每一份，，
，，，，都和它服务的谁人人，，
，，，，越用越合。。

养一个“用得值”的智能体禁止易——
但它会复制，，
，，，，不会停歇，，
，，，，还会随着每一个使用它的人继续生长。。
这份专心，，
，，，，值得。。

本届科博会上，，
，，，，基于上述要领论打造的「财产营销智能助手」荣获 2026数智金融立异应用引领奖。。

到现在，，
，，，，rb88随行版信息AI立异中心已经做出了近50个智能体，，
，，，，笼罩前中后台、从营业到运营到科技——每一个都可以亲手体验、亲自试用。。

AI立异中心还在牵头肩负金标委人工智能应用专题组2026年度重点项目——《金融领域基于可信架构的 Agent OS 智能体营业承载与治理》。。

AI在金融行业,最后真正比的是一件事——让AI在金融机构里，，
，，，，站对位置，，
，，，，走对偏向。。

这件事，，
，，，，急不来，，
，，，，但等不起。。