编者按：近日，全球软件案例研究峰会在北京召开。全球软件案例研究峰会（简称“TOP100Summit”）是科技界一年一度的案例研究榜单，每年甄选年度最值得借鉴的100个好案例，旨在揭幕优秀研发团队背后的做法、思考，为读者提炼最佳学习路径梳理、思考案例长尾价值。
摘要
李涛指出，当前中小银行的数字化运营面临业务与技术的双重压力。
业务挑战主要体现在四个方面：
第一，高成本。营销同质化导致“利率战”、“礼品战”，获客成本虚高，客户因微小价差即可流失，忠诚度薄弱。第二，效率低。客户经理70%以上时间耗费在手工报表等低价值事务上；数据散落形成“信息孤岛”，难以构建全景客户画像。第三，触达难。传统渠道触达率与接受度双降，缺乏场景化、“无感化”触达能力；营销内容同质化严重，客户响应意愿低。第四，转化弱。产品与服务脱节，潜力客户识别滞后，存量客户交叉销售不足，转化率普遍低于10%。
技术与组织挑战则围绕大模型落地的三大要素展开：
算力层面是“买不起、用不好、管不住”，一次性投入成本高，ROI难以量化。算法层面面临“调不调？用不用？行不行？”的困境：缺乏领域适配与高效微调能力；大模型“黑箱”决策难以满足监管的透明度要求；通用模型存在“幻觉”，与严肃金融场景脱节。数据层面存在“量不够、质不高、连不通”的问题，数据孤岛严重，且缺乏高质量的训练数据体系。此外，复合型人才极度稀缺，既懂技术又懂业务的人才难以招募和保留。
为突破困境，富滇银行的目标是推动营销从 “经验驱动” （规模扩张、人力消耗、地毯式触达）向 “智能驱动” （精准深耕、数智增效、狙击式触达）跃迁。李涛认为，实现这一跃迁，核心是构建一套可复制、可进化的方法论，更需要前瞻性的技术架构布局和可靠的伙伴支持。
“我们构建这套云原生架构的初心，就是为了支撑今天，并拥抱明天。”李涛在演讲中分享了富滇银行的核心思考，“我们判断，‘AI原生’是银行业发展的必然趋势。要实现从‘云原生’到‘AI原生’的快速转型，我们选择成熟的伙伴，比如蚂蚁数科等。因为他们不仅提供了技术，更带来了在复杂场景下经过验证的AI工程化能力，帮助我们少走弯路。正是基于这个可以平滑演进的架构，我们正积极地进行AI应用的探索，而手机银行就是我们第一个，也是最重要的突破口。
正是基于这一理念，李涛提出了 “数字金融驱动的AI营销智能化创新应用范式” ，其核心由三部分构成：
特征工程：数字孪生+隐私计算+标签画像
银行内部数据维度单一，而用户行为偏好多在互联网。因此，方案在公有云上利用互联网数据构建客户数字孪生，分析行为和偏好；在银行私域内，则整合客户信息、交易、关系等多维度数据。二者通过隐私计算技术融合，形成用户基础画像、行为画像、交易画像、关系画像、产品画像、模型画像的多维标签体系，并通过“标记化”技术实现安全出域，为模型提供高质量特征。
算法模型：关系网络与链式交叉推荐
为挖掘潜客并实现批量获客，富滇银行构建了企业与个人的关联关系图谱。该模型以资金流转关系为边，运用图计算和社交网络分析（SNA），量化网络中节点的影响力。基于此，可自动识别核心企业、挖掘其上下游关联潜客，并评估客户流失风险，实现 “核心企业识别-关联企业精准批量触达” 的链式营销。
生态协同：产品价值链与绩效融合
AI需与业务流程深度结合。团队设计了 “基础产品层-泛金融产品层-渠道层” 的产品价值链，并为每类产品配置配套营销活动。关键创新在于将银行的 “绩效挂价” 结构化地融入推荐逻辑，使AI在推荐产品时能同步告知客户经理可获得的绩效，从而激发使用动力，实现“赋能而非增负”。
有了顶层设计，如何在资源约束下落地？李涛分享了“先云后私、小步快跑”的务实路径。
混合云部署与数据合规出域
中小银行选择 “先在公有云快速验证，核心能力逐步自建” 。这一策略得以实现，得益于银行前期构建的、由蚂蚁数科等伙伴提供技术支撑的分布式云原生底座，它天然支持混合云模式，让核心能力从云上平滑迁移至本地成为可能。最大挑战是数据合规。团队将数据分级：可公开信息（如产品说明）直接使用；需出域的用户标签进行 “标记化” 处理（如将资产数值转化为“高净值客户：1”的二值标签，并对主键加密）；用户隐私与核心数据则绝不出域。此举在满足监管前提下保障了数据可用性。
知识工程：从混乱FAQ到结构化知识库
银行原有的客服知识库分类混乱、答案不规范。团队通过 “知识清洗Agent” 对问答进行标准化重构，再利用 “相似问生成Agent” 实现“一问生十问”，极大提升了知识覆盖与模型匹配度。
智能体工程化：构建客户经理助手
交付给一线的“客户经理助手”是一个多智能体协作系统。这正是“AI工程化能力”从理念到应用的体现，考验的是如何将成熟的AI技术产品化，并无缝融入已有的业务系统。它基于用户画像，通过 “识别客户-了解客户-推荐产品/活动-话术重组” 的链路工作。李涛特别强调，提示词工程是核心，需像写代码一样进行模块化设计和版本管理，以确保输出准确、稳定。
聚焦一线赋能，形成业务闭环
系统设计直击一线痛点：“看不懂”、“不想学”、“不相信”。因此，客户经理助手集商机推送、话术建议、绩效模拟、案例学习于一体，并通过真实绩效激励和成功案例沉淀建立信任，最终形成 “AI预测推送-经理跟进-结果反馈-模型优化” 的自我进化闭环。
经过约7个月实践，多项应用已投入实际业务环节。智能客服（备案中）能基于客户标签推荐产品；客户经理助手成为一线营销的重要工具；营销方案及报告生成应用提升了中台效率；软件需求与测试案例生成工具显著减轻了产品经理负担；企业背景调查应用则为客户经理提供了快速了解潜客的渠道。
基于实践，李涛总结了四点关键经验：顶层设计先行，构建体系化范式；技术架构务实，依托成熟底座采取混合部署；夯实数据基座，做好特征工程；坚定赋能一线，形成人机协同闭环。
展望未来，富滇银行规划迈向 “2026混合态” ，即构建 “云-边-端” 混合架构，深化 “对话即服务” 能力。目标是打造更智能的AI手机银行和客户经理助理，让AI成为随时在线的金融顾问，持续推动一线生产力的进化。
最后，李涛老师的分享为中小银行的AI落地提供了清晰的路线图：它不追求技术的华丽，而是强调对业务痛点的深刻理解、对资源约束的务实应对，以及对一线赋能的坚定执行。这场“重构一线生产力”的实践，正是AI技术从概念走向金融核心业务系统的真实写照。