10月18日下午,济南绿地·齐鲁之门京沪会客厅三楼,济南首场WorkBuddy开发者沙龙现场气氛热烈。
这场活动的发起人,不叫“主办人”,叫“出品人”。印象中是第一次见到这种叫法——多了一层格调,细想又格外贴切。
我是王通通,一个平时习惯躲在幕后干活的开发者。但今天不行,作为腾讯云开发者星盟济南城市合伙人,今天需要站到台前把整场活动从头撑到尾,压力不小。
上一篇回顾写到第三位讲者:腾讯云FDE专家陈大栋老师,为大家展示了一个Agent的技术抉择和完整落地过程。
回顾: 陈大栋:凭什么说一场FDE交付是合格的——首场济南WorkBuddy开发者沙龙第三位讲者
接下来是山东征信AI技术团队负责人马小雨老师,山东省征信有限公司隶属于鲁信集团,是最近山东AI圈的明星企业。
01一家征信机构为什么开始做AI
马小雨上台,开始了上半场的最后一场分享。
他先介绍了山东征信做AI的背景:作为一家省属国企,他们面对哪些需求,又为什么会选择WorkBuddy。
从去年开始,集团一边组织技术人员开发应用,一边鼓励业务人员用AI处理日常工作。起初没有限定工具,大家可以自行尝试。
试用一段时间后,技术团队收到最多的咨询与WorkBuddy有关。不少人已经用了起来,来问的是积分不够用怎么办。
随后又有人问:公司有自己的机房,能不能接上本地模型,先用来处理日常工作?
这段经历交代了推广的起点: 业务人员先用出了需求,技术团队再跟进支持。后来,他们根据这些建议,向全员开放了本地模型。
开放使用并不意味着所有数据都能交给外部模型。信用、合同、财务等敏感数据需要在本地处理,符合要求的一般应用才使用外部大模型。对山东征信来说,先分清这两类情况,后面的应用建设才有依据。
02可信Agent,先要有可靠的数据
接下来,马小雨介绍了山东征信积累的数据资源:来自38个政府部门的232类政务数据,全国126条产业链、山东19条标志性产业链的相关数据,35万户客户的融资服务数据,以及与286家金融机构的联动资源。此外,还有企业用电、税务等数据。
介绍这些资源,是为了说明他们做Agent的基础: 模型需要从可靠的数据中取数,才能支持后续分析。
他的解释很直接:数据本身要准确,模型还要取对数据,在此基础上进行推理和加工,结果才有可能被业务人员采用。任何一个环节出错,都会影响最终判断。
他们也遇到过这类问题。去年做智能问数Agent时,模型出现过幻觉和漂移,实际效果并不理想。
这次尝试让团队意识到,接上模型并不等于做好了问数。数据怎么取、答案怎么核验,都需要单独设计,不能只靠模型自行判断。
03从自研平台到全面推广WorkBuddy
分享的第三部分,马小雨按时间介绍了团队这一年多的工作。
2025年初,随着DeepSeek受到广泛关注,他们开始建设AI应用。同年7月,自研的鲁信智能平台推出,提供制度问答、报告生成、合同编写、会议纪要等功能。马小雨说,这些应用比较简单,主要服务办公,但已经帮到了一批业务人员。
9月,集团与腾讯合作开展“人工智能+办公”专题培训,组织训练营和竞赛。一千多人参与,形成四百多个智能体应用,其中16个上线企业微信。2026年4月,集团开始常态化开展AI分享,上半年逐步转向垂类智能体。8月,WorkBuddy的FDE专家进场,参与种子用户推广和场景共创。9月29日,双方签署战略合作协议,集团成为山东省属国企中较早全面推广WorkBuddy的企业。
谈到选型,马小雨特别提到了本地算力。据他介绍,在今年年初团队考察的同类产品中, WorkBuddy率先支持接入本地算力,其他产品当时主要连接各自的云端模型。他在现场说:“它是唯一一家,这也是我们后来选择WorkBuddy的原因。”
对于有数据出域限制的机构,能否接入本地算力直接决定了产品的适用范围。信用、合同和财务等数据需要留在本地,相应的AI应用也必须满足这一要求。
现场展示的架构从算力延伸到助手应用:底层是8卡服务器和本地部署的私有模型,其上是数据中台、AI中台,以及MCP Server和技能广场,最上层是个人助手与团队助手。财务等数据通过MCP接入,供用户调用;各团队开发的技能和使用经验则放进技能广场,供其他人复用。
04三十多个共创场景,二十多个已上线
有了这些基础,AI具体用在哪些工作里?马小雨介绍了业务经营、办公助手和对外产品三个方向。
在业务经营方面,他们通过技能连接器、专家能力和开放平台上的应用,连接数据中台、ERP及投资业务系统。马小雨提到,老系统接入AI,如果缺少厂商配合,往往只能增加一个用于问答的对话框。要进一步调用数据、执行流程,还需要连接器和Agent Harness等支持。
办公助手则把企业微信、智能体平台和办公自动化系统连接起来,让员工可以发起制度查询、报告撰写、流程办理和通知发送。他也提到一个推广中的难点:每个人都有自己的使用方法,怎样把个人经验整理成团队可复用的技能,还需要持续投入。
这些应用由三方共同完成:业务部门提出需求,山东征信和集团提供数据支持,WorkBuddy提供技术能力。具体工作包括场景共创、技能整理、数据接入与专家经验封装,以及应用打包发布。
现场介绍的几个例子,已经进入日常工作:
风险数据治理。风险合规部将数据治理与智能处理整合为一套流程。据分享介绍,相关工作量减少了80%。
尽调报告审核。通过联网交叉核验工商、涉诉信息,标出报告中遗漏的重大风险。原来人工需要查看一天的内容,现在可在分钟级完成处理。
周报月报。技术人员写报告容易着重介绍技术细节,而管理者更关心业务进展和上线时间。团队据此制作了技能包,分别支持个人撰写和部门汇总。
人事考察。集团前段时间选拔中层人员时,也尝试用AI辅助人事考察和考核评分。
科创投资评价是介绍得最详细的一项。投资经理筛选项目,需要判断项目质量、进行量化比较,再逐一查阅资料。只依赖AI联网搜索,信息准确性难以保证;到了投决会前,还要编写投资建议书、鉴定报告,资料整理和撰写都很耗时。
团队把投资经理的评价经验整理成指标模型,覆盖计划投资的8个赛道。AI读取企业业务资料,分析其在细分赛道中的竞争力,再按指标逐项评分。根据领导层、决策层和投资经理的不同需求,报告篇幅从几千字到10万、20万字不等。 目前,这套评价体系已整理出57个指标。
这项应用并非一开始就确定了全部形态。团队先做平台,收到较好的使用反馈后,才进一步将能力封装成应用并上架。
马小雨对WorkBuddy的Harness架构评价较好。他的使用感受是,有时提示词不必写得十分细致,系统也能理解意图。目前,相关系统已在内部上线,也有银行和金融机构参与试用。
讲到场景总览时,现场提醒时间将尽,他加快了介绍速度。投资研判、批量初筛、投前尽调、投后跟踪、风险预警,覆盖了投研的主要环节。其中,投后跟踪通过定时任务,将被投企业与几家上市公司进行比较,每月把简报推送到企业微信。例如,被投企业上月评分80分,可比公司90分;本月被投企业降到78分,就需要进一步查找原因。 持续跟踪评分变化,可以为后续调查提供线索。
05一份可信报告要经过哪些检查
这些应用能否用于实际业务,最终还要看结果是否可靠。马小雨将“可信”的要求归纳为四项,每一项都对应具体的检查工作。
第一项,权威数据。以自有的政务、产业链和融资服务等权威数据为取数依据,不能用未经核验的联网搜索结果替代。
第二项,来源标注。报告中的陈述通过角标注明来源,让使用者能查到对应的报道、数据库或数据表,便于核验,也便于发现模型编造的内容。
第三项,缺口提示。查不到的信息要明确说明,并列出缺失内容,不能为了报告完整而补写没有依据的答案。
第四项,人工复核。报告对外使用前,必须由人复核并签字。AI生成的内容仍需有人承担审核责任。
在生成报告之前,还有输入端的安全检查。他们在本地部署安全网关策略,配合小尺寸模型,预先判断输入是否含有敏感数据或敏感词。涉及敏感内容时,系统提示改用本地算力;符合要求后才允许放行。据他介绍,这部分对算力要求不高,几万元级的设备就可以运行。
报告写出来之后,还要回答三个问题:依据在哪里,哪些信息尚未查到,最后由谁复核签字。
应用推广分为内部和外部两部分。内部,30多个共创场景中已有20多个全面上线,覆盖信托、公募基金、信用征信、风险内控、综合办公、股权投资、不良资产AMC等领域。外部,则将数据能力与投研尽调经验封装成可订阅产品,通过WorkBuddy开放平台提供给投资机构、银行、尽调风控人员和产业园区。
对外应用名为“鲁融融”,包含智能投研6个胶囊、智能尽调5个胶囊、公司研究10个胶囊。用户可以直接提问,例如“帮我查一下蓝箭航天的股东结构和实际控制人”“潍柴动力的注册资本”“山东黄金矿业的主要人员和分支机构”,由系统查询并返回结果。
分享最后展示了一张流程图:从业务需求出发,调用本地数据能力,建设可信Agent,再提供对外服务。配套支持包括WorkBuddy开放平台、FDE专家和本地计算服务专区,以满足本地算力调用的要求。介绍完这张图,马小雨结束了汇报。
06从能演示到能用于业务
前三位嘉宾谈到了系统连接、指标定义和交付验收等问题。马小雨从省属国企的使用经验出发,补充了另一组要求:数据怎样合规使用,生成结果怎样核验,报告怎样进入正式业务流程。
演示时,一份报告能顺利生成,就足以展示产品能力。到了实际业务中,使用者还需要查证内容,审核人员还要签字。这些工作能否完成,决定了应用能不能真正用起来。
活动总结中我用“ 先划边界,再谈效率”概括了这场分享。数据能否出域,需要依照制度确定;在允许使用的范围内,再通过权威数据、来源标注、缺口提示和人工复核,保证结果可查、可审。
按这样的要求评估AI应用,关注点就不只在文字是否流畅、报告是否完整。内容有没有依据,缺失信息是否如实呈现,同样需要逐项检查。
这些检查会增加建设和审核的工作量,却也是金融业务采用AI时绕不开的部分。山东征信的做法,是先在内部应用中验证,再把相对成熟的能力整理成对外产品。
对于正在试用Agent的团队,这场分享提供了一个具体的检查起点。就是拿出一份生成报告,逐条核对其中的陈述,看能否找到来源,能否交给业务人员复核。
活动回顾: WorkBuddy开发者沙龙济南站10月活动圆满落幕
身处AI智能化转型一线,关注我,获取更多实战内容。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70051575/viewspace-3188293/ ,如需转载,请注明出处,否则将追究法律责任。