八月下旬，鹏城的天气进入了一年中最难熬的阶段。气温连续一周挂在三十五度以上，海风被闷热的水汽裹住，吹在身上没有凉意，只让人觉得黏糊糊的。T厂大楼的中央空调二十四小时不停转，会议室玻璃上凝了一层薄薄的水雾。
林晨坐在二十楼的小会议室里，面前是三个部门的负责人——金融事业部的孙总、产品部的刘姐、还有他们大模型应用部的陈铭。空调出风口正对着他的后颈，吹了一个小时，脖子有点僵。他把椅子往旁边挪了半米。
今天是FinGPT项目的月度评审会。大屏幕上投着上个月的数据——智能客服试点接入金融事业部的理财咨询业务线，跑了一个月，准确率从刚上线的百分之六十七提升到了百分之七十八。这个数字对于通用大模型来说不算什么，但在金融这个容错率极低的领域，七十八意味着已经达到了人工客服辅助工具的最低门槛。
用户留存呢？孙总翻着报告问。
陈铭把第二页投上去。试点期间接入的用户大概两千三百人，使用过至少一次智能客服的人里，复访率百分之四十一。对比行业平均水平——通用AI客服的复访率大概在百分之十五左右。
四十一很高。孙总放下报告，这说明用户不只是在尝鲜——他们真的在用。
因为回答是靠谱的。陈铭调出了一组对照数据，我们对比了同一个问题分别丢给通用大模型和FinGPT的结果。通用模型在解释理财产品的风险等级时，有百分之十二的回答包含了不准确或误导性的信息。FinGPT的错误率不到百分之三。差距在于我们做了垂直领域的指令微调——用了几万条金融监管文件和产品说明做训练数据。
孙总点了点头。产品部的刘姐接过话头：从产品角度看，七十八的准确率还不够直接面向C端用户独立提供服务。但如果定位是辅助人工客服——帮客服人员快速检索信息、自动生成回复草稿、实时校验合规性——这个准确率已经可以上线了。
你们的意思是先做内部工具？孙总问。
林晨把椅子往前拉了拉，第一步，FinGPT智能客服不直接面对用户，而是嵌入金融事业部的客服工作台——当客服人员看到用户提问时，系统自动给出推荐回复和合规提醒。人工做最终确认。这个模式的好处是零风险——每一条回复都是人工审核过的，FinGPT只是提效工具。
第二步呢？
第二步等准确率超过百分之九十，再做直接面向用户的自助客服。林晨翻
（本章节未完结，点击下一页翻页继续阅读）
正在加载...