课程简介
一、全面把握AIGC行业趋势与金融商用前景
深入洞察AIGC行业动态：学员将系统学习AIGC技术的全景图、产业结构、未来市场增长趋势以及面临的挑战与风险，全面了解AIGC在各产业数智化发展中的新变革和商业化方向，紧跟行业前沿，为企业的战略规划提供有力依据。
明确金融行业商用路径：课程详细剖析金融行业可落地的商用前景，涵盖银行、保险、证券、资管、互联网金融等子行业的个性化应用，以及从内容创作、chatbot模式、Copilot模式到Agent模式的落地阶段，为金融机构提供清晰的实施路径，助力其顺利推进AIGC项目的落地。
二、学习丰富的行业应用案例与实战经验
多行业案例剖析：课程提供大量真实的金融行业案例，如平安银行、支付宝、招行等的成功经验，以及电商、内容创作、工具软件、工业制造、医疗等其他行业的AIGC应用案例，帮助学员从不同角度理解AIGC的商业价值和应用场景，激发创新思维。
实战经验分享：通过实战赋能与方法论交付，学员将学习到如何应用DeepSeek技术实现业务赋能，掌握从市场洞察到产品设计、推广的完整落地流程，以及如何在实际工作中应对AIGC落地的风险防控与项目管理难点，提升解决实际问题的能力。
三、提升专业技能与商业价值挖掘能力
专业技能提升：学员将深入学习AIGC技术在金融业务中的精细化应用，如智能审计、风险评估、智能反洗钱、智能客服、智能营销等，掌握AI落地的建设整体路线图的六大步骤，包括需求挖掘、决策评估、价值量化、产品设计、风险防控与知识沉淀，提升自身在数字化转型中的专业技能。
商业价值挖掘：课程将帮助学员学会如何从AIGC技术中挖掘商业价值，发现新的业务增长点和盈利模式，如通过智能营销提升客户留存率、利用智能投顾优化投资回报率、借助AI工具实现降本增效等，为金融机构创造更多的商业价值
目标收益
培训对象
适合产品、运营、以及市场和数据分析和管理人员
课程大纲
| 第一部分：AIGC行业趋势及行业展望 |
一、企业AIGC全景图（基础层、企业数据模型、应用层和战略发展） 案例：招行AIGC全景图以及内部对AIGC行业发展的认知分享、AIGC的规模 1.模型层-算法和商业模式多元融合 2.应用层：技术创新推动移动应用市场发展和传统行业变革 二、促进生产力的变革 三、AIGC带来的新的三个核心能力，提高行业质效 3.交互能力，CUI和GUI的异同以及应用场景 4.决策智能的技术边界 5.AI情感化能力 四、金融行业AIGC的展望 1.AIGC产业结构与未来市场增长展望 2.AIGC赋能各产业数智化发展的三大商业化方向 3.战略—场景—技术—生态”四位一体实施框架解决未来AIGC驱动金融的的未来趋势 4.挑战与风险（数据安全与隐私保护、算法偏见与伦理问题、监管与合规压力、技术落地瓶颈） |
| 第二部分金融行业可落地的商用前景及实施路径 |
一、金融行业商业化应用图谱 1.行业通用应用层 1.1 ChatBI - 案例：阿里旗下的羚羊ChatBI应用的Dataphin智能数据建设与治理的和QuiCk BI智能商业分析，AI带来的增量价值、商业化路径以及产品间构建的AI生态价值以及数据飞轮资产价值的构建增加商业化潜能 - 启示：结算中心有经营数据，将财务数据和用户经营洞察相结合，很有机会空间，可以更好的支持市场参与者的决策和分析需求， 1.2 广告营销平台 - 案例：字节像阿里学习、招行像字节学习的广告平台，投放前预测不同的投放素材的效果，投放后知道内部和外部投放的营销素材哪里好、哪里不好，如何调整，调整后带来的业务增量是什么？ - 启示：证券、理财行业等对内对外的推荐投放的核心就是营销素材的管理，有结算做这部分业务的 1.3 AI助力智能营销全流程（重点讲） - 案例：招行智能营销全流程中的五大关键流程、AI带来的增量价值、短、中和长期的规划、短、中和长期对招行价值的评估 启示：之前已经有结算业务在做全域营销了，现在结合AI也有部分的探索成功进行分享 2.金融子行业个性化应用 2.1银行：办公助理、营销内容生成、信用评估、销售助手（重点讲）、智能客服、个性化产品推荐 2.2保险：承保流程评估、保险产品设计、信用管理、营销内容生成、销售助手、智能客服、个性化产品推荐 2.3证券（重点讲）：办公助理、智能投研、智能投顾、智能投顾、智能营销 2.4资管（重点讲）：智能尽调、智能投研、资产评估、资产配置、智能投顾 2.5互联网金融：智能投研、智能投顾、信贷审批助手、产品设计、智能客服、个性化推荐 3.实现AI商业化的通用基础服务 3.1 RAG：文档解析、知识管理、文档生成、图谱分析 - 案例：RAG商业化创新，AlphaSense 把专家访谈记录变成了一个知识库，用户可以用 AI 来提取信息，国内是久谦 3.2 舆情管理 3.3 智能客服：从成本中心变为收益中心，从被动服务变为主动服务 -案例1：RAG商业化创新，AlphaSense 把专家访谈记录变成了一个知识库，用户可以用 AI 来提取信息，国内是久谦 -案例2:证券行业知识库 3.金融行业应用层系统间的关系、AI带来的增量价值 【互动共创】基于行业、AI的技术发展、用户洞察找出结算业务落地的商业化方向20min互动+10min展示 二、金融行业AI应用落地四大方向和五大阶段（3H） 1.【独家总结】金融行业创新试验、机会探索和战略投资进行规划的AI应用业务价值和可行性评估 2.金融行业AI商业化应用的四大思考方向 - 案例1：方向一提升风险管控能力，中国平安利用图形神经网络技术，将反诈识别准确率提升99.7%，误报率降低80% - 案例2：方向二优化客户服务体验，富国基金通过AI投顾工具使客户资产匹配度提升35%，客户留存率增加22% - 案例3：方向三推动业务创新拓展，AI技术重塑金融服务流程 （智能投顾与财富管理精细化、智能客服与营销个性化升级、产业融合推动金融创新生态、跨行业金融服务拓展、绿色金融可持续发展、可持续金融投资决策优化..) - 案例4：方向四降低运营成本，浦发银行的数字化劳动体系量产了财富规划师、数字审核员、AI培训师等十多位数字岗位 2.金融行业落地的五大阶段 2.1AI在金融行业应用的第一阶段AIGC：内容创作 - 案例：同花顺利用AIGC大模型技术 ，实现海量数据处理 专业投顾/研内容服务(半)自动化生的四大应用场景 应用场景1：投资早报，聚合市场数据及重大信息资讯 应用场景2：热点分析，海量信息汇聚压 应用场景3：异动解读，分析实际影响行情走势的本质原因 应用场景4:大盘收评， 当日市场走势与热点梳理 应用场景5:内容质检-多场景要素的合规审核 2.2AI在金融行业应用的第二阶段chatbot模式 - 案例1:某行养老理财产品营销助手 - 案例2:某行养老理财产品营销助手 - 案例3:某行情报收集机器人 2.3AI在金融行业应用的第三阶段Copiliot模式 - 案例：平安银行智能问数，实现解放手、解放脑和开药方 2.4 AI在金融行业应用的第四阶Agent模式阶段 - 案例1：内部助手 - 案例2：同花顺智能投资助手深度思考版 应用场景1 ：金融查询 应用场景2：投顾建议 应用场景3：事件解读 3.AI在金融行业应用三大方向总结：战略投资、机会探索和创新实验 |
| 第三部分金融行业可落地的实战指南 |
1.AI落地的建设的整体路线图的六大步骤 1.1步骤一：需求挖掘 - 方法论工具：基于客户旅途工具总结金融行业的用户需求 - 案例：金融行业智能客服 基于销售人员：销冠话术萃取，智能补齐，个性化话术推荐、 基于销售管理人员：自动质检查 基于C端：自动解答客户场景化疑问，预判用户未来行为，智能推荐金融产品 1.2步骤二：做好决策：如何评价产品需求叠加AI技术的适配性与性价比 -方法论工具1：金融行业AI可行性评估矩阵 -方法论工具2：AI技术可行性提问清单 - 案例：金融行业AI可行性评估，是否值得用AI做，大模型做小模型做？ 1.3步骤三：量好价值：AI技术给数字化产品带来的成本与收益评估方法和实战指南 AI和传统业务产品考核指标的异同 -方法论工具：ICE工具（AI应用新增的技术成本、AI带来的业务收益增量、AI渗透率等维度进行成功率量化） 1.4步骤四：AI产品设计和传统企业的异同 -方法论工具：模型设计、特征工程、测试数据准备以及数据缺口分析项以及应对策略 案例：智能客服落地三大阶段、做好的关键要素以及落地的两大难点（回答不准确和用户理解不到位）的解决方案 1.5步骤五：AI落地金融业务带来的风险防控与项目管理难点 -方法论工具：数据质量五维评估卡 1.6步骤六：AI落地金融业务的最佳实践与知识沉淀 -方法论工具：金融行业复盘文档 -案例：长沙银行产品建设的三阶段以及每个阶段的认知沉淀 【互动共创】基于互动1的商业化方向，利用AI落地的建设的整体路线图的六大步骤进行产品落地 |
|
第一部分：AIGC行业趋势及行业展望 一、企业AIGC全景图（基础层、企业数据模型、应用层和战略发展） 案例：招行AIGC全景图以及内部对AIGC行业发展的认知分享、AIGC的规模 1.模型层-算法和商业模式多元融合 2.应用层：技术创新推动移动应用市场发展和传统行业变革 二、促进生产力的变革 三、AIGC带来的新的三个核心能力，提高行业质效 3.交互能力，CUI和GUI的异同以及应用场景 4.决策智能的技术边界 5.AI情感化能力 四、金融行业AIGC的展望 1.AIGC产业结构与未来市场增长展望 2.AIGC赋能各产业数智化发展的三大商业化方向 3.战略—场景—技术—生态”四位一体实施框架解决未来AIGC驱动金融的的未来趋势 4.挑战与风险（数据安全与隐私保护、算法偏见与伦理问题、监管与合规压力、技术落地瓶颈） |
|
第二部分金融行业可落地的商用前景及实施路径 一、金融行业商业化应用图谱 1.行业通用应用层 1.1 ChatBI - 案例：阿里旗下的羚羊ChatBI应用的Dataphin智能数据建设与治理的和QuiCk BI智能商业分析，AI带来的增量价值、商业化路径以及产品间构建的AI生态价值以及数据飞轮资产价值的构建增加商业化潜能 - 启示：结算中心有经营数据，将财务数据和用户经营洞察相结合，很有机会空间，可以更好的支持市场参与者的决策和分析需求， 1.2 广告营销平台 - 案例：字节像阿里学习、招行像字节学习的广告平台，投放前预测不同的投放素材的效果，投放后知道内部和外部投放的营销素材哪里好、哪里不好，如何调整，调整后带来的业务增量是什么？ - 启示：证券、理财行业等对内对外的推荐投放的核心就是营销素材的管理，有结算做这部分业务的 1.3 AI助力智能营销全流程（重点讲） - 案例：招行智能营销全流程中的五大关键流程、AI带来的增量价值、短、中和长期的规划、短、中和长期对招行价值的评估 启示：之前已经有结算业务在做全域营销了，现在结合AI也有部分的探索成功进行分享 2.金融子行业个性化应用 2.1银行：办公助理、营销内容生成、信用评估、销售助手（重点讲）、智能客服、个性化产品推荐 2.2保险：承保流程评估、保险产品设计、信用管理、营销内容生成、销售助手、智能客服、个性化产品推荐 2.3证券（重点讲）：办公助理、智能投研、智能投顾、智能投顾、智能营销 2.4资管（重点讲）：智能尽调、智能投研、资产评估、资产配置、智能投顾 2.5互联网金融：智能投研、智能投顾、信贷审批助手、产品设计、智能客服、个性化推荐 3.实现AI商业化的通用基础服务 3.1 RAG：文档解析、知识管理、文档生成、图谱分析 - 案例：RAG商业化创新，AlphaSense 把专家访谈记录变成了一个知识库，用户可以用 AI 来提取信息，国内是久谦 3.2 舆情管理 3.3 智能客服：从成本中心变为收益中心，从被动服务变为主动服务 -案例1：RAG商业化创新，AlphaSense 把专家访谈记录变成了一个知识库，用户可以用 AI 来提取信息，国内是久谦 -案例2:证券行业知识库 3.金融行业应用层系统间的关系、AI带来的增量价值 【互动共创】基于行业、AI的技术发展、用户洞察找出结算业务落地的商业化方向20min互动+10min展示 二、金融行业AI应用落地四大方向和五大阶段（3H） 1.【独家总结】金融行业创新试验、机会探索和战略投资进行规划的AI应用业务价值和可行性评估 2.金融行业AI商业化应用的四大思考方向 - 案例1：方向一提升风险管控能力，中国平安利用图形神经网络技术，将反诈识别准确率提升99.7%，误报率降低80% - 案例2：方向二优化客户服务体验，富国基金通过AI投顾工具使客户资产匹配度提升35%，客户留存率增加22% - 案例3：方向三推动业务创新拓展，AI技术重塑金融服务流程 （智能投顾与财富管理精细化、智能客服与营销个性化升级、产业融合推动金融创新生态、跨行业金融服务拓展、绿色金融可持续发展、可持续金融投资决策优化..) - 案例4：方向四降低运营成本，浦发银行的数字化劳动体系量产了财富规划师、数字审核员、AI培训师等十多位数字岗位 2.金融行业落地的五大阶段 2.1AI在金融行业应用的第一阶段AIGC：内容创作 - 案例：同花顺利用AIGC大模型技术 ，实现海量数据处理 专业投顾/研内容服务(半)自动化生的四大应用场景 应用场景1：投资早报，聚合市场数据及重大信息资讯 应用场景2：热点分析，海量信息汇聚压 应用场景3：异动解读，分析实际影响行情走势的本质原因 应用场景4:大盘收评， 当日市场走势与热点梳理 应用场景5:内容质检-多场景要素的合规审核 2.2AI在金融行业应用的第二阶段chatbot模式 - 案例1:某行养老理财产品营销助手 - 案例2:某行养老理财产品营销助手 - 案例3:某行情报收集机器人 2.3AI在金融行业应用的第三阶段Copiliot模式 - 案例：平安银行智能问数，实现解放手、解放脑和开药方 2.4 AI在金融行业应用的第四阶Agent模式阶段 - 案例1：内部助手 - 案例2：同花顺智能投资助手深度思考版 应用场景1 ：金融查询 应用场景2：投顾建议 应用场景3：事件解读 3.AI在金融行业应用三大方向总结：战略投资、机会探索和创新实验 |
|
第三部分金融行业可落地的实战指南 1.AI落地的建设的整体路线图的六大步骤 1.1步骤一：需求挖掘 - 方法论工具：基于客户旅途工具总结金融行业的用户需求 - 案例：金融行业智能客服 基于销售人员：销冠话术萃取，智能补齐，个性化话术推荐、 基于销售管理人员：自动质检查 基于C端：自动解答客户场景化疑问，预判用户未来行为，智能推荐金融产品 1.2步骤二：做好决策：如何评价产品需求叠加AI技术的适配性与性价比 -方法论工具1：金融行业AI可行性评估矩阵 -方法论工具2：AI技术可行性提问清单 - 案例：金融行业AI可行性评估，是否值得用AI做，大模型做小模型做？ 1.3步骤三：量好价值：AI技术给数字化产品带来的成本与收益评估方法和实战指南 AI和传统业务产品考核指标的异同 -方法论工具：ICE工具（AI应用新增的技术成本、AI带来的业务收益增量、AI渗透率等维度进行成功率量化） 1.4步骤四：AI产品设计和传统企业的异同 -方法论工具：模型设计、特征工程、测试数据准备以及数据缺口分析项以及应对策略 案例：智能客服落地三大阶段、做好的关键要素以及落地的两大难点（回答不准确和用户理解不到位）的解决方案 1.5步骤五：AI落地金融业务带来的风险防控与项目管理难点 -方法论工具：数据质量五维评估卡 1.6步骤六：AI落地金融业务的最佳实践与知识沉淀 -方法论工具：金融行业复盘文档 -案例：长沙银行产品建设的三阶段以及每个阶段的认知沉淀 【互动共创】基于互动1的商业化方向，利用AI落地的建设的整体路线图的六大步骤进行产品落地 |
近期公开课推荐