案例基本内容和执行情况
在竞争激烈的证券市场,提升内部运营管理水平,降低客户服务成本,实现智能化和数字化运营已成为证券企业的基本要求。采用RPA方式的非侵入性改造可以大大提升工作效率,从而优化证券企业的运营管理水平,降低客户服务成本,实现智能化和数字化运营。
西部证券数字员工取名为小Q君,小Q君中“君”源自集团君子文化“博闻强识而让,敦善行而不怠,谓之君子”。“Q”表示特点:“quick(敏捷的)、quality(优质的)、 quantity(批量的)、qualified(有效的)、quest(探索性)”。小Q君作为西部证券数字员工虚拟形象,担任西部证券数字化转型的排头兵。
西部证券数字员工平台多个创新亮点
1、RPA+AI+数据中台技术相辅相成
RPA、Al、数据中台各司其职又相辅相成,共同推动西部证券数字化转型发展。数据中台作为连接前后台系统的中间层,对前台业务的敏捷性形成强力支撑。Al处理非结构化数据,通过OCR、NLP等功能模块,让复杂业务简单化。RPA在不侵入原有系统的同时,完成企业自动化的最后“一公里”。同时,RPA可以作为接口打通底层数据,进行跨系统数据整合,且本身具备中台和低代码属性,数据中台在执行过程中需要调用大量数据,又可以通过低代码完成引擎的搭建,三者功能相互补充共同助力企业数字化转型。
2、模式创新:RPA as a service,微服务赋能业务敏捷进化
通过服务化能力,将编排沉淀的自动化任务以标准API对外提供服务,结合现有BPM平台将数字员工能力以业务服务方式提供给业务用户使用,结合现有业务系统需求场景提供数字员工服务接入,实现数字员工的业务服务化并支撑全流程的自动化。
3、开发创新:非侵入式灵活部署,旨在实现业务流程自动化
RPA相对于传统代替人类手工劳动的机器人,主要用于在信息系统的自动化操作,具备自动执行预定流程和跨系统协同的能力。而与ERP、OA等特定应用场景软件比较,RPA普适性更强,可以跨部门、跨行业进行部署。且RPA是非侵入式软件,无需改变现有系统即可完成部署,灵活性强,交付周期短,同时可以避开传统系统问题,帮助西部快速迭代转型,实现业务流程自动化。
深挖高价值场景,提升客户体验,减少业务风险
西部证券打造数字员工平台,对已上线的数字员工流程进行统一管控。数字员工平台展示西部证券上线的数字员工流程,从运行时长、运行次数、流程数量、FTE等方向对数字员工流程进行描述。数字员工平台支持一站式运维,通过可视化运营大屏,对当日运行流程进行实时监控,反馈流程运行情况,支持人工介入处理异常流程。
案例主要经济成效和社会成效分析
数字员工已为我司财富管理部、计划财务部、投行业务条线、网络金融部等多部门提供自动化流程机器人,大幅提升了业务处理速度,将业务处理差错率降低为0,释放员工低端数据操作,让员工更加专注于高价值的工作。数字员工与证券业务深度结合,深挖高价值场景,提升客户体验,减少业务风险。
截至2022年底,数字员工项目累计上线49条流程,覆盖9个业务部门,机器人总运行时长2974小时,约节省375人天工时,多数流程运行成功率保持在80%以上,日常流程运行稳定。串联29个系统,解决部分数据孤岛问题。RPA结合Al、数据中台将能力以组合拳方式在风险合规管控、提升客户体验、基层减负增效、助力拓客营销上赋能业务。
西部证券通过举办数字员工创新大赛,唤醒员工数字化意识,激发创新潜能,推动数字科技成为我司发展新动力。
西部证券数字化转型办公室的“智能合同审查”项目在“第二届中国RPA+AI开发者大赛”中荣获金奖。“智能合同审查”项目借助RPA、Al及管理平台等技术,打通西部内部系统上下游,实现合同审核自动化,合同数据可视化、可量化、可追溯,提高业务合同审核效率。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。