7月4日，北京銀行一項名為“基于檢索增強的大模型智能客服方法及系統”的專利申請公布，其申請于6月4日，涉及數據分析技術領域。

專利摘要顯示，該方法包括：接收查詢消息；對查詢消息進行意圖識別，在確定查詢消息的意圖為得到推薦金融產品的情況下，向目標對象發送追問消息；接收目標對象輸入的偏好權重，并根據目標對象的標識信息，在用戶畫像庫中確定目標對象對應的目標用戶畫像；利用垂直領域意圖識別模型對目標用戶畫像、查詢消息和偏好權重進行分析；利用多目標優化算法對查詢消息中的投資總額和偏好權重進行計算，得到第二推薦金融產品組合；將第一推薦金融產品組合和第二推薦金融產品組合同時發送給目標對象。

該發明的背景為，在金融領域的智能客服實際運用場景中，常常會出現一些不盡如人意的情況，其中較為突出的一點就是無法基于用戶的真實需求精準地向用戶推薦適合用戶的金融產品。具體而言，當用戶帶著自身特定的財務狀況、投資目標、風險承受能力等多方面因素向智能客服咨詢時，智能客服可能由于算法的局限性、數據收集的不全面性或者對用戶表述的理解偏差等原因，無法精準把握用戶的核心需求要點。例如，用戶可能是想尋找一款適合短期資金周轉且風險較低的理財產品，但智能客服卻向其推薦了期限較長、風險較高的投資型產品；或者用戶期望推薦的產品能與自己已有的金融資產配置相匹配，以達到分散風險、優化組合的效果，但智能客服卻未能考慮到這一點，隨意推薦了一些看似熱門卻并不契合用戶資產布局的產品，從而導致推薦結果與用戶的實際需求存在較大偏差，影響了用戶對于智能客服的滿意度金融以及產品選擇的準確性。

該發明通過大模型、神經網絡、自然語言處理、多目標優化、聚類分析等一系列人工智能技術，實現金融產品的精準推薦，解決了在金融領域的智能客服中，無法基于用戶需求精準地向用戶推薦適合用戶的金融產品的技術問題。

同日，北京銀行還有一項名為“基于大模型技術的數字人民幣相關數據的處理方法及裝置”的專利申請公布。通過大模型、圖神經網絡、多模態學習、對比學習等人工智能技術，實現了數字人民幣相關數據的智能處理與風險識別，解決了相關技術中的數據處理方式難以滿足數字人民幣多維度語義關聯密集想的數據挖掘與智能分析需求的技術問題。

據《銀行科技研究社》觀察，北京銀行在國產大模型領域早有實踐。

早在2024年底，DeepSeek系列大模型已在北京銀行的AIB平臺京行研究、京行智庫、客服助手、京客圖譜等多個關鍵業務場景中試點應用。

在2025年2月8日，北京銀行宣布實現DeepSeek大模型全棧國產化金融應用。

北京銀行還表示，其近年在大模型建設與應用方面持續深耕，產研聯動，打造了全棧國產化的大模型應用平臺，搭建“4+N”全棧國產化大模型應用體系：涵蓋全棧國產化算力底座，為大模型運行提供硬件支撐；企業級知識庫，整合海量金融數據與知識；“京翼”MaaS平臺，實現模型即服務的便捷應用模式，部署了10余個大模型；“京騏”Agent的應用平臺，推動智能化交互應用的發展。

在業務應用方面，北京銀行利用大模型技術，打造了AIB小京智能體、“京信妙筆”智能報告等工具，已在信貸、營銷、運營、合規、審計等金融場景落地應用90余個，助力一線員工提升工作效率和服務質量。

責任編輯：王煊