数智时代，比信息更重要的是对信息的逻辑分析能力。
面对金融行业高密度集聚的海量数据和丰富的垂直领域数字化场景，在客户洞察和营销策略制定环节，往往会出现数据挖掘不足、个性化服务缺失和坐席效率低等难题。
如何从海量的信息汪洋中挖掘出有效文本、提供适配不同场景需求的个性化服务方案，乃至提供可靠的资源优化策略，帮助客户优化团队协作效率，提高商业价值？作为一家技术驱动的数字金融机构，马上消费金融股份有限公司（以下简称“马上消费”）给出了自己的答案。
依托100PB金融基础数据、自建的智算中心、纯线上业务模式和经验模型等创新集聚优势，马上消费率先发布零售金融头个大模型“天镜”，并基于大模型的生成、理解、归纳能力，构建起智慧洞察平台。
作为行业领先的、先进AI驱动的模型决策系统，马上消费采用“大模型+小模型”的架构，实现了从“数据-知识-决策”的全链路优化，特别针对小样本环境下的金融风险感知与识别、复杂金融风险的分析和预测问题，以及基于LLM（大语言模型）的集中协作和实时在线决策系统，覆盖了金融风险因子挖掘和金融风险预测等关键应用场景。
企业内各种文件、图表等知识规模固然可观，然而痛点却也同样鲜明：诸多非结构性数据藏在“文山书海”中，不仅增加查询时间和精力成本、效率低下，得出的数据也缺乏解释力。“天镜”大模型恰恰解决了这一痛点。
通过将不同系统中的数据进行全面汇集和管理，“天镜”可作为企业的数据中台、同时在多个文档的文字图表等多模态文本中找到并融合答案，解决了数据分散、数据源多样问题的同时，还可充分理解后将其组织为人更容易理解的语言，形成企业数据资产和洞察，大大提升大模型分析速度、降低分析成本，实现数据协同合作。
汇集数据的同时，该系统还可作为企业知识中台，自动挖掘有价值的对话，准确判定客户需求、智能提取关键信息、快速归纳客户特征，同时提供个性化信息补充，优化客户对话偏好分析，助力有效制定人机协同策略，为业务提供高价值的数据支持，避免大模型分析的幻觉问题的同时，显著提升营销效果，助力客户实现营销策略的准确化和数字化资产的增长。
助力客户有效挖掘数据、准确制定策略、丰富个性化服务的同时，马上消费也在致力于提高企业员工效率。依托积累的大量的绩优客服真实通话数据，马上消费训练天镜大模型、让天镜拥有一对多客户服务的能力，也可作为人工坐席的辅助角色，帮助推荐、优化回答，大大提高问题解决效率。同时，沉淀出群体智慧知识库，将优秀坐席经验低成本、规模化复制给全体客服和新员工，形成创新流水线，实现知识的循环和积累。
行业大模型想实现商业价值，就必须能够直面客户，在真实客服场景下检验效果。截至今年 2 月，天镜大模型在智慧营销和客服场景已运行 5 个月。实测数据可知，大模型意图理解准确率达91%，已接近于人，相较于传统AI的68%有较大提升。
数智时代，大模型是金融数据升维再构的通用AI新范式，也是企业赢得未来的必由之路，其核心潜力——对“数据-企业智能-新质生产力”的高价值创造，将对企业发展起到不可忽视的巨大推动。展望未来，马上消费将继续强化新技术应用的“预知性”安全和风险管理，围绕数字金融全栈服务创新释放大模型技术红利，并积极构建大模型生态，加快形成可复制、可推广的实践经验，与同行伙伴共同提升金融的可得性、覆盖面、满意度，服务实体经济高质量发展。
（推广）