摘要：江苏昆山农商银行紧跟科技前沿，通过多轮技术论证和效果验证，部署了多个国产开源大模型，协同构建智能办公矩阵，为该行数字化转型提供了强有力的技术支撑。截至2025年3月，通过智能办公场景已累计为500余人提供超过10000次高效服务。

江苏昆山农商银行紧跟科技前沿，通过多轮技术论证和效果验证，部署了多个国产开源大模型，协同构建智能办公矩阵，为该行数字化转型提供了强有力的技术支撑。截至2025年3月，通过智能办公场景已累计为500余人提供超过10000次高效服务。

统筹规划，构建赋能体系

一是制定技术规划。规划明确“场景驱动、小步快跑”的实施路径，优先选择高频、刚需场景作为突破口。自2024年8月以来，在有限的硬件资源条件下，成功开发并测试了包括知识助手、文档辅助编写、代码研发、文档翻译、内外规检索在内的5个应用场景，覆盖了近500名员工，累计使用次数超万次。

二是精准技术选型。经过多轮严谨的技术论证，引入数个国产开源大模型，确保所引入模型在数字化办公领域展现出卓越的性能。多模型协同的智能办公矩阵体系的构建和智算服务器集群的扩展，既满足了当前场景需求，也为未来多样化场景的应用奠定了坚实基础。

打破壁垒，深化部门协同

一是建立虚拟攻坚团队。为打破部门壁垒，促进AI技术与业务深度融合，数据管理部联合业务部门核心骨干，成立了“AI+”专项工作小组，通过定期需求对接和场景化研讨，深入了解业务痛点与需求，使技术人员不再是闭门造车，而是与业务人员面对面交流，将AI技术深度融入业务流程，实现了技术与业务的无缝对接。

二是动态优化服务闭环。针对审计检索等业务场景，联合业务部门建立“问题反馈—功能迭代—效果验证”机制，形成一套精密的循环系统，确保系统功能不断优化。使业务人员在使用大模型业务场景时发现问题，进而能够及时反馈给技术团队。技术团队根据反馈进行功能迭代，对系统进行改进。改进后的系统再经过效果验证，确保满足业务需求。

严守底线，筑牢安全防线

一是数据分级管控。对知识库实施分级管理，依据知识库内容对银行运营、客户信息及战略决策的重要程度与潜在风险，将知识库内容分为公开、内部、敏感和核心四个等级。在管理方法上，针对不同级别的内容采取不同的存储和保护措施。对于访问权限层级，严格按照内容级别进行划分，有效防止数据的越权访问，确保不同敏感度的信息得到恰当管理，保障了数据的安全性和完整性。

二是强化技术防护。在网络权限控制方面，对进出网络的流量进行严格过滤，通过设置防火墙规则，只允许经过授权的IP地址和端口进行通信。其次分发平台依据不同场景，实施差异化授权策略，有效防止外部攻击和内部泄漏风险。

三是建立模型监督。制定完善的审计机制，每月对生成式大模型输出内容进行定期审查与评估，确保其符合伦理规范和正确价值导向。在实施方式上，采用人工审查与技术监测相结合的方式。人工审查能够深入判断内容的合理性和合规性，技术监测则可以快速发现异常数据和潜在风险。

人员赋能，培育数字基因

一是完善培训体系。构建全面且有针对性的培训体系，推动人工智能工具在全行的有效应用。对于领导层，邀请专家教授及行业资深人士，开展关于大模型应用与管理的深度分享，帮助领导层从战略高度把握大模型技术在银行发展中的应用方向。针对一线员工，开展定制化培训课程，紧密贴合一线工作场景，内容涵盖大模型基础知识、常用办公软件与人工智能工具的深度融合应用，通过案例教学、工具实操等方式，推动人工智能工具从“能用”向“善用”转变，提升工作效率和服务质量。

二是加强经验共享。数据管理部积极为有意向自研大模型应用的业务部门提供全方位技术支持，及时响应其在人工智能场景开发中的疑问，涵盖技术选型、架构设计等专业建议。构建“技术—业务”双向赋能的良性生态体系。使业务部门能够借助技术部门的支持，顺利开展自研工作；数据管理部也能从业务实践中获取反馈，进一步优化技术方案，实现双方的共同发展。

三是打造数据文化。构建数据运营2.0培训体系，开展数据分析培训，培养员工的数据素养和技能，打造“数智人才”生态系统，推动数据文化的传播。加强数据应用，促进业务自主分析数据，减少对技术部门的依赖，倡导“人人都是数据分析师”的理念，推动数据服务的创新引领。

来源：中国锻造进出口联盟