中郵消費金融積極探索大模型技術(shù)的深度應(yīng)用，從緊跟大模型研究進(jìn)展，到基于開源模型探索應(yīng)用邊界，再到打造大模型坐席輔助、智能機(jī)器人等系列產(chǎn)品，中郵消費金融逐步構(gòu)建并完善了基于“郵遠(yuǎn)見”大模型的人工智能應(yīng)用體系。如今，中郵消費金融已進(jìn)入深入應(yīng)用期，正全力研發(fā)智能數(shù)據(jù)分析引擎、策略型智能機(jī)器人和 Agentic AI數(shù)字員工等創(chuàng)新應(yīng)用，持續(xù)深化大模型技術(shù)在業(yè)務(wù)中的落地。

在智能坐席輔助方面，利用大模型技術(shù)優(yōu)化客服質(zhì)檢流程、升級智能教輔系統(tǒng)，促使大模型智能提取與總結(jié)坐席電話信息的采納率提升至80%，大模型智能推薦客服話術(shù)的采納率達(dá)到70%，質(zhì)檢準(zhǔn)確率達(dá)到95%。 在智能機(jī)器人應(yīng)用上，針對傳統(tǒng)貸后外呼機(jī)器人的局限，打造了大模型端到端對話系統(tǒng)，通過TTS升級、模型微調(diào)等手段，以高度擬人化水平實現(xiàn)更準(zhǔn)確的客戶意圖識別，準(zhǔn)確率達(dá)97% 。在智能數(shù)據(jù)分析決策領(lǐng)域，突破傳統(tǒng)BI的局限，構(gòu)建了智能數(shù)據(jù)分析引擎（IDAE），有效解決了數(shù)據(jù)分析門檻高、人力成本大等關(guān)鍵問題，實現(xiàn)智能問數(shù)單表問答準(zhǔn)確率達(dá)90%，多表數(shù)據(jù)定位準(zhǔn)確率達(dá)70%，為業(yè)務(wù)數(shù)據(jù)分析場景提供了有力支持。

此外，中郵消費金融積極探索 Agentic AI數(shù)字員工的建設(shè)，突破原有智能體服務(wù)固定業(yè)務(wù)流程的局限，結(jié)合大模型日益增強(qiáng)的推理能力和強(qiáng)化學(xué)習(xí)等訓(xùn)練方法，讓通用智能體成為員工助手，目前已在HR招聘、自動數(shù)據(jù)分析等場景落地應(yīng)用，未來將進(jìn)一步探索在客戶服務(wù)、數(shù)據(jù)分析及研發(fā)等場景應(yīng)用。

未來，中郵消費金融將繼續(xù)深化大模型技術(shù)的應(yīng)用，探索更多創(chuàng)新場景，推動消費金融行業(yè)在AI時代實現(xiàn)更高質(zhì)量的發(fā)展，為客戶提供更加智能、便捷、高效的金融服務(wù)體驗。

免責(zé)聲明：市場有風(fēng)險，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：