，推动模式创新。 理赔与后服务：全流程赋能理赔环节 ，提升效率、降低成本， 同时在后服务环节实现客户保全、服务 升级等 ，创造新的价值增长点。 办公助手：优化内部流程、整合信息资源、辅助决策制定 ，提升运营效率、管理效能 ，优化用户体验。 趋势 1 ：保险业 AI 应用从单点工具性应用向集中化智能体中台转变 ，将从“效率工具 ”向“战略中枢 ” 升级。 趋势 2 ： AI 助力保险行业全面优化资产负债表，渗透保险价值链负债端与投资端 核 心业务全流程。负债端覆盖产品设计到运营管理各关键环节，借由 AI 技术优化流程、精准 服 务；投资端围绕资产配置、投后管理等全链条，以数据处理与智能模型辅助决策、管控风险。从行业实践看， AI 助力险企在负债端 提升 需求洞察与服务效率，投 资端 加速数据处理、降低人工成本，虽大模型直接用于投资管理案例有限，但在投研分析等间接领域，技术融合已展现价值，驱动保险价值链降本增效、创新发展。 自动匹配核保要求 自动化生成核保建议 智能投顾辅助决策 投资组合管理 自动生成投资方案 产品开发助手 产品需求挖掘 产品形态设计 产品精算定价 个性化产品定制 动态风险定价模型 组合风险收益模拟 动态调仓策略生成 智能客服 健康管理服务 个性化服务推荐 客户生命周期管理 实时风险预警 自动化合规审计 ESG 风险量化 代理人辅助助手 AI 代理智能体 智能外呼 个性化营销

而在对金融领域专业能力要求较高、涉及提供强金 融投资建议、需要承担核心分析决策任务的业务场 景和业务环节中，大模型的落地应用仍然面临较大 约束和挑战，难以直接替代专业人员完成分析决策 任务，更多作为辅助核心决策人员展业的助手。具 体来看，大模型在金融领域应用的边界和约束主要 包括金融领域专业能力仍有欠缺、难以提供涉及较 严监管领域的复杂金融投资建议、在核心分析决策 环节无法替代人工等。 性化销售话术建议等）。此外，大模型还可以通过 调用优秀销售顾问展业经验、内部数据知识库等方 式赋能展业人员，提升业务水平。例如，中国工商 银行在远程银行领域，应用大模型赋能事前运营、 事中辅助和事后质检等环节，使得平均通话时长压 降 10%、座席服务效率提升 18% ；摩根士丹利与 OpenAI 合作，利用 GPT-4 赋能财富管理员工，实 时、高效调用内部专业知识库提升服务效率和服务 “大雁系统”，将大模型作为后台风控系统的助手， 提供客户经营评分和画像、帮助金融机构识别小 微客户。度小满开发“轩辕”金融大模型，应用 于对互联网文本数据、征信报告的解读，从中抽 取多维度风险变量进而辅助风控算法；在代码助 手领域通过大模型辅助生成代码将公司整体研发效 率提升 20%，在客服领域通过大模型推动服务效率 提升 25%，在智能办公领域的大模型意图识别准确 率达到 97%。奇富科技推出金融行业大模型“奇富

力特征 也与之类似，并更多成称呼为AI Agent。 2023年下半年至2024上半年，多个厂商推出Agent功能，众多 原生Agent初创企业涌现，或将Agent集成在自己原有产品中作 为辅助，或应用于原生型Agent场景，或发布零代码/低代码搭建 Agent的平台。 1 2 3 19 ©2024.7 iResearch Inc. ） • 通常，AI Agent可以利用最大内积搜索方法来快速检索与当前任务或环境最相关的经验和知识， 来利用记忆，提升AI Agent的效率和准确性 【记忆】赋能AI Agent理解、检索，并辅助规划组件的能力 ➢ 记忆的调用方式 数学计算 代码块 知识库 … 搜索引擎 • 寻找合适工具：LLM被引入扮演路由器的角色，通 过LLM查询路由找到最合适的专家模块 • 工具的调用步骤：AI www.iresearch.com.cn AI Agent的应用概括 企业级AI Agent以原生或业务辅助模式提供，可广泛结合垂类需求场景 AI Agent兴起后，同时在C端与B端催生出广泛的应用： • 面向C端的模式通常是独立的Agent搭建平台，释放了个人用户的创作热情（但也由于由于创作门槛较低，即使创作出的Agent数

环境的变化意味着企业文化和员工思维需要与时俱进，快速应对变化，制定前瞻性决策。 ≫ 新生代员工的加入，关注个性化体验； ≫ 劳动力愈来愈趋于老龄化，需要企业激活和精准化识别组织内现有人才，人工智能能够辅助 HR 找到潜在“人物”，让优秀人才脱颖而出； ≫ …… 外部环境 内部挑战 技术 技术推陈出新 人才“活用” ◎◎ 精准性的人才识别、配置 ◎◎ 针对性人才塑造发展 ◎◎ 人才再生与“保鲜” 员工敬业度分析：SAP 的解决方案利用大语言模型的语义分析能力，通过对员工反馈的 收集与分析，帮助 HR 了解员工的满意度，并挖掘影响敬业度的关键因素。同时，SAP 的 AI 解决方案可依据海量的行业参考数据，辅助 HR 生成有效的提升员工敬业度的策略。 19 The Application of Artificial Intelligence in HR 为了更有针对性地讨论最新的人工智能技术在 HR 研数据与企业实践，讨论大语言模型为企业带来的价值，并揭秘其价值实现 的基础。 28 29 The Application of Artificial Intelligence in HR To C 端大模型的出现，使得机器辅助个人使用者提升生产效率成为了可能；To B 端大模型的出现，使得 企业级别的大模型应用成为了可能。也就是说，由于大语言模型的通用性，它不仅可以作为个人使用者的工作 助手，可以应用于组织层面，带来工作流程、商业模式的变化。

移动交互场景（移动金融业务） 电话客服场景（电话金融业务） 智能导航 在线客服 智能质检 电话客服 语音导航 电话客服 语音机器人 坐席辅助 电销机器人 智能质检 导航机器人 电话客服 语音呼叫 排队叫号 语音机器人 催收机器人 智能质检 文字机器人 坐席辅助 在线客服 渠道接入层：支持电话、微信小程序、微信公众账 号、 APP 、 H5 网页、邮件、短信、 5G 消息等渠 道 业务机器 人 动态业务知识： 账户余额、交易明细、 理财产品收益等信息 查询 静态业务知识： 客服常见 FAQ/ 图文 知 识 / 营销活动 京小科客服机器人业务流 程 6. 坐席辅助机器人实时给出答案参 考 京小科客服机器人 电话 / 在线坐 席 2. 问答机器 人 核心业务系统 4. 无 法 理 解 3. 智能回 复 5. 在线应 答 1. 提出问 题 某消费金融客服机器人平 台 交互数据分析 人机协作服务 智能知识库 全渠道接入 智能机器人问答 文本 语音 在线坐席 客户 智能反问 上下文继承 智能机器人 多轮对话 意图理解 辅助应答 转接人工 为某国家机关建设智能咨询 服务平台 ，支持养老保险业 务和卡业务的智能咨询 ，提 供电话机器人、 网络机器人 、在线智能客服 ，在线人工 客服、智能质检等丰富的智

1 所示)。具体如下： 图 1 场景分类 1.研发设计：利用计算机辅助设计、数字化仿真、数字样机、 模型驱动设计等数字技术和工具，开展产品样品或服务样例设 计和仿真，包含产品平台化设计、产品协同测试验证、产品工 艺虚拟仿真、产线及工厂三维优化设计等细分场景。 2.生产制造：利用物联网、计算机辅助生产、数字化制造执 行系统等数字技术和工具，将原材料、零部件、能源、信息等 现关键装备异常预警、关键工序在线分析优化、关键生产 过程精准控制、产品关键质量特性数字化检测。 4.生产管理：通过对生产过程、仓储物流、设备运行、 产品质量等进行数字化集成管控，应用数据分析工具，实 现高效辅助计划排产和业务流程协同管理，并开展安全 能源环保数字化管控。 5.运营管理：通过经营管理与生产作业等业务的数据 集成贯通，应用数字化管理工具，实现成本有效管控、订 第 51 页 共 162 页 络、算力等数字基础设施，支撑构建各类智能化场景。 2.研发设计：开展产品、工艺建模分析、虚拟验证和 仿真调试，集成贯通产品全生命周期数据，实现产品、工 艺优化与迭代；开展智能化辅助设计，构建产品设计库、 工艺知识库，减少基础性、重复性设计工作。 3.生产作业：开展生产全过程综合优化提升，构建柔 性可重构制造单元、产线，进行过程控制、生产工艺、生 产设备、生产质量等数据在线实时监测和分析应用；开展

）与生产相关的 MES/MOM 的使用成熟 度 最高 ，有 75.6% 的企业表示已经在优化推广中 ，除此之外 ，与生产相关 AI 质检、 APS （排产规划）等应用成熟度也比较高。 2 ）与研 发场景相关的辅助设计的应用成熟度也比较高 ，有 44.4% 的企业表示已经在优化推广中。 整体来看 ，企业对引入技术的回报周期相对理性 ，普遍在 18-21 个月。 企业部分核心技术的使用状态和企业引入核心技术时可接受的 www.iresearch.com.cn 22 能接受的平均回 报周期（月） 研发场景 -CAD 等辅助设计 研发场景 -CAE 等产品 / 产 线 / 工 艺等仿 真模拟 生产制造场景 - APS 等 生产制造场景 - MES/MOM 生产制造场景 - AI 质 检 远程运维 老场景赋能：大模型赋予营销、客服、设备管 理、仓储物流、质检等相对成熟的场景更加高 质、便捷的能力 • 新场景探索：大模型在图片生成、工业代码、知 识问答等新场景提供高效、多样的辅助能力 市场需求 - 倒逼产品及服务升级 • 企业所处上下游要求：质量溯源、供应链协同管 理等推动企业转型 • 数据应用：数据成为资产，资产的累积、价值挖 掘（如运维管理、决策优化等）推动企业转型

消费者服务要求零售企业为门店员工提供更专业、更有效的培训支持。从业人员季节性波动和跨区域分布差异也对零售企业在人 员排班、跨区调用、激励核算等领域提出更多要求。此外，零售行业从业人员数量多，如何平衡人员成本与经营效益也需要专业 工具辅助决策。 注释：各企业具体岗位设置有所差异，本报告仅举例供参考。 来源：51社保《2023中国企业社保白皮书》，艾瑞咨询自主研究及绘制。 连锁零售门店业务场景与岗位设置示意 零售门店 仓库、售后等 内部控制 组织建设 人才发展 人才选拔 岗 位 专业人才 高流动性 复合人才 人 才 特 征 • 组织特征：组织架构及管理矩阵复杂、管理模式扁平 • 标准化流程、重复性工作、低毛利环节常选择外包辅助 16 聚合行业经验&专业解决方案 Supplier Chapter 03 厂商篇： 17 ©2025.4 iResearch Inc. AI应用：COE场景中，借助AI的预测与洞察能力，收集行业政策与公开信息，辅助管理者构建前瞻性人才战略；HRBP场景中， AI通过数据穿透业务痛点，通过人才画像动态识别高潜员工，辅助解析简历与面试信息，缩短招聘周期；SSC场景中，AI结合智 能客服与自动化，辅助解答员工疑问，替代传统重复性工作。目前AIGC在简历筛选、面试辅助以及智慧问答环节应用相对成熟。 • AI局限：在候选人终面、员工关系管理

流量统计分析 客户关系管理 智能化是客服系统演变的方向，智能客服通过算法、人机协同、 自主学习可以极大地提高人效和体验。 自动回复 自助解决问 题 人机协同 自主学习 多渠道接入 丰富的辅助功能 简单知识库管理 1.1 演变中的客服系 统 SaaS 客 服 智能客服 闲聊型对话 问答型对话 任务型对话 图谱型对话 对话系统 1.2 对话系统简 介 • KBQA • Task 。智能 发现不合理 Task 流程设计，智能优化。 > 基础数据 & 服务层 为会话管理和语义理解提供信息支撑。 > 人工层 静默坐席解决机器人解决不了的问题。 AI 训练师辅助 机 器人进化。业务专家制定合理的解决方案。 2.3 系统架 构 > 线上提供语义识别能力 > 线下具有离线学习能力 > 返回精确答案或者推荐问题 > 数据驱动智能 > 少量干预加速进化 2 model 离散变量的树形 Bayesian 网络 > 可以进行多维度分类，不同的 离散变量代表不同的划分方式 > 无监督算法，不需要标注数据 > 可以从不同的切面对数据进行 深入分析， 辅助人工建模 2.7.1 基于 LTM 的多维聚 类 2.7.2 人机协同学习的智能运 营 AI 训练师 + 智能客服 = 很多很多的人工 客服 3.1 落地效果 --QABot 实时响应、

Agent 服务专家平台，大模型对话 Agent 实现复杂场景的对话理解和对话回复能 力，提升问答解决率；大模型辅助 Agent 完成客服能力辅助工具配置，包括智能填单专家、智能小记专家等，提升客服工作效率； 大模型洞察 Agent 快速分析客户服务现状，生成服务分析报告，辅助客服管理调整服务运营策略。 2024 高质量数字化转型技术解决方案集（下半年度） 8 3) 方案解决问题 瓴羊智能客服 知识问答等能力，从而更加贴合企业的实际业务需求。 作为大模型能力融入改造的全新智能客服平台，支持个性化、类人、流畅的机器人对话能力，支持精准解答各行业复杂业务流程 中的问题，解答准确率高达 93%。AI 智能辅助支持作为客服接待全链路的专业助理，能够智能总结用户诉求内容、准确推荐解 决方案、并支持一键智能提单等操作，助力服务效能提升 50%，处理问题从 10 分钟缩短至最快 5 秒。 目前基于大模型的 Agent 商业智能（BI）是一个企业开展日常运营的必要环节，从传统 BI 到敏捷 BI，数据分析已经融入千行百业的业务开展和应用中。 随着大模型技术的发展，Bl 接入大模型能力，为用户带来智能问数（ChatBI）、辅助搭建、智能洞察等全新的操作体验。 该方案产生的背景 在企业的数智化升级过程中，业务团队和数据团队难以融合贯通这个问题经常被提起：一方面，传统的固定式报表，难以满足企 业快速增长的分析需求；另一