圖片來源@視覺中國
在證券市場，提高客戶滿意度的同時確保業務流程的高效與合規性是一大挑戰。尤其是在開戶流程中，客戶和業務辦理人員面臨著提交大量檔案、資料的繁瑣過程，以及資料的人工稽核和多次核對，這不僅消耗了大量時間和勞力，還有可能因資料錯誤或缺失導致開戶失敗。
鈦媒體App獲悉，針對這一問題，與思迪資訊合作，透過其TI-OCR大模型技術為華福證券的見證開戶系統實施升級，開戶業務的辦理效率提高了50%。
以機構開戶場景為例，此前單個使用者所需材料多達12-13份，開戶協助人必須根據系統提示將材料一一上傳到指定位置。作為券商非專業櫃檯人員的開戶協助人，一來受流動性影響、二來需要長期培訓，因此加劇了開戶資料上傳的操作難度。
據瞭解，在此次升級後，見證開戶系統的人工成本大幅降低，開戶效率得到大幅提升。藉助多模態大模型的能力，傳統的OCR應用可以大幅增加泛化性，解決了手寫體識別、數字柵欄干擾、自然場景下圖片識別等識別難點，以及OCR應用訓練樣本需求龐大、訓練時間長等技術痛點。
同時，大模型加持下的見證開戶系統，還能針對同一管理人資訊進行復用，無需重複多次填寫。影片組合見證環節，客戶端也僅需排隊一次，影片見證人員即可完成多個產品的逐個見證與確認上傳，減少業務流程的重複性，增強客戶的體驗感。
以下為鈦媒體App與華福證券數智賦能部研發中心總經理謝琪、運營管理部負責人林佳以及騰訊雲智慧高階產品架構師丁鵬的對話，略經編輯：
提高機構開戶業務效率
問：華福證券在使用了TI-OCR大模型等資料技術後，在機構開戶場景方面的運作效率有哪些顯著提升？能否分享一些具體例項？
林佳：華福證券引入智慧分揀專案主要是為了解決非現場見證開戶時資料上傳的痛點。機構開戶需要提交的材料非常多，通常包括12-13份不同的檔案。在沒有智慧化工具的情況下，開戶協助人員需要手動上傳這些材料，這不僅耗時而且容易出錯。透過引入智慧分揀技術，開戶協助人員只需拍照上傳材料，系統自動完成分類和上傳，大大提高了效率和準確性，縮短了前端操作時間，增強了員工體驗。
問：過去處理這麼多材料需要多少人力和成本？引入TI-OCR模型後，人力成本和整個環節縮減到什麼程度？
林佳：在引入智慧分揀技術之前，業務辦理人員需要長期培訓，以提高對業務的熟悉度。如果長時間不接觸這類業務，辦理機構開戶的時間可能需要以小時計。智慧分揀技術降低了操作難度，簡化了流程，從而降低了人力成本和提高了運營效率。
機構開戶是券商賬戶業務中最複雜的專案之一，需要填制大量材料和表單，這對業務辦理人員的要求非常高。新手入門需要一段時間的培訓，尤其是對機構開戶，由於其複雜性，培訓週期相對較長。
問：除了開戶環節，華福證券還有沒有其他環節融入AI技術？
林佳：除了TI-OCR的AI能力，我們還在客戶業務辦理之外的見證稽核工作臺進行了智慧化升級，提供了圖片切片、語音識別、資訊RPA獲取等多維度的智慧輔助工具，提升了運營操作的準確性和效率。此外，我們還引入了數字人技術和語音語義識別，提升了客戶服務的智慧化和便捷性。
問：為什麼選擇和騰訊雲合作？看重的技術點是什麼？
林佳：券商運營是文件密集型業務領域，涉及大量文件互動，如客戶業務辦理、投資者、系統引數設定等。這些文件中，部分具有行業標準，部分為公司內部標準化表單，還有格式各異的表單。由於文件的標準化程度不一，識別這些材料的能力非常重要。經過對比，騰訊雲的TI-OCR能準確識別這些材料，並在引數設定上快速獲取要素，實現自動配置引數。目前市面上的產品要麼是針對特定文件證件識別，要麼訓練平臺易用性不強，要麼訓練或輸出成本高，較難滿足我們運營業務複雜的應用場景。
問：面對新技術，華福證券每年的實際投入是多少？
謝琪：華福證券非常重視科技領域的投入，近幾年科技方面的投入保持高速上升趨勢。AI和大模型是我們重點投入的技術方向。我們成立了專門的技術小組，專項研究AI領域的規劃和應用，增加了相關業務專案和基礎研究的投入。我們的研究更多側重於應用場景挖掘，透過AI實際幫助到業務或員工，而非僅僅是基礎科研型研究。
“成本與傳統OCR相當”
問：騰訊云為什麼會選擇在OCR領域進行深度佈局？目前這個技術在金融市場的需求量如何，大模型的應用對金融機構的成本支出會有什麼影響？
丁鵬：我們選擇在OCR領域深耕，主要是因為金融機構和其他行業正加速數字化轉型，需要處理大量的證件、單據等文字影象類非結構化資料。儘管傳統OCR技術已廣泛應用於固定版式的檔案，但對於個性化的非標準版式影象檔案，識別準確率和結構化資訊的處理仍面臨挑戰。
我們開發的OCR建模訓練平臺覆蓋資料匯入、生成、標註和釋出全流程，利用大模型的泛化性，以少量樣本解決垂直領域的應用問題。金融領域對此有大量需求，包括單據處理、櫃面業務辦理授權憑證、對賬單據、國際結算單據等多個場景。雖然大模型的引數量較大，但我們透過模型訓練和推理加速框架，以及私有化部署中的模型經過了蒸餾和裁剪等小型化處理，實現了成本效益的平衡，使得推理成本與傳統OCR相當。
問：大模型應用過程中的幻覺問題有什麼解決辦法？
丁鵬：我們從多個層面解決這些問題。首先，我們確保使用合理的訓練資料，並對資料進行安全過濾。其次，技術層面透過有監督強化學習避免生成垃圾檔案。在產業應用中，我們採用增強檢索和RAG框架解決事實一致性問題。此外，騰訊雲在安全領域的深耕，透過在大模型應用的輸入輸出端接入稽核模型進行安全過濾，確保回覆的合規性和專業性。
問：券商在大模型方面有哪些落地應用？
丁鵬：券商的大模型應用除了在文件多模態領域，還包括財富管理、輿情監管、機構投研等業務。騰訊雲專門為資管行業和券商開發了大模型應用，如投顧助手和智慧輿情應用。成功的關鍵在於真正解決客戶的業務問題，考慮到金融行業的複雜性，包括資料及合規安全問題。我們確保大模型的可落地性，追求價效比，透過技術最佳化確保合理的算力成本，實現大模型的有效應用。（本文首發於鈦媒體APP，作者｜蔡鵬程，編輯｜劉洋雪）
更多宏觀研究乾貨，請關注鈦媒體國際智庫公眾號：
