华泰证券：推动人工智能与资产托管深度融合提升运营效率与风控能力

2025-11-03 17:22:52 来源：新华网

随着人工智能（Artificial Intelligence，AI）的快速发展,AI技术与业务深度融合成为券商资产托管业务增强核心竞争力的重要发展机遇。数据处理与分析、自然语言处理、自动化与流程优化、多模态交互等AI核心能力在产品引入、客户服务、数据处理、估值核算、资金结算与账户管理、合规风控管理等券商资产托管业务场景的应用，对提升托管运营效率、强化风险管控、优化客户服务等方面具有重要意义。同时，券商资产托管业务使用AI技术也面临挑战，需要解决数据质量与安全、决策可解释性、模型适应性与稳定性以及投产比等问题。在AI技术的支撑下，券商资产托管业务将全方位重塑服务模式，促进客户体验个性化，加速行业协同创新，同时也将助力监管机构的监管工作，推动行业良性发展。

构建四层AI架构体系夯实托管业务AI应用的发展根基

(资料图片)

AI技术的基础架构通常分为四个层次：算力实施层（Infrastructure as a Service，IaaS）、智算平台层（Platform as a Service，PaaS）、模型服务层（Model as a Service，MaaS）和应用服务层（Software as a Service，SaaS）。

AI基础架构图

算力实施层作为AI架构的最底层，承担着为AI模型的训练与推理进程提供强大计算资源的重要职责。智算平台层为AI模型的开发与部署提供工具及平台支撑，该层融合通用大模型与垂类大模型，达成开源模型与闭源模型的结合，进而构建起“1+N”的AI大模型底座。模型服务层把AI模型封装成可供调用的服务，以满足上层应用的需求。应用服务层直接针对特定业务场景提供服务，在资产托管业务里，它提供智能客服、智能审核、风险预警等功能，有效提升业务运行效率与客户服务体验。

在资产托管业务领域，依托的AI核心能力主要包括以下几个方面：（1）数据处理与分析能力：AI技术具备高效处理大规模结构化与非结构化数据的能力，能够通过数据挖掘和深度分析，为资产托管业务的决策制定提供有力支撑。（2）自然语言处理能力：NLP技术使AI能够理解、解析和生成自然语言文本与语音，广泛应用于智能客服、合同审核和合规管理等场景。（3）自动化与流程优化能力:结合机器人流程自动化（Robotic process automation，RPA）和智能体（Artificial Intelligence Agent，AI Agent）技术，可优化资产托管业务中的重复性任务，减少人工干预，降低错误率，并显著提升业务效率。（4）多模态交互能力：AI技术支持多模态交互，包括语音识别、文本处理和计算机视觉等，能够提供更智能、人性化的服务体验。

AI技术已融入资产托管业务成为数智化转型的核心驱动力

在资产托管业务中，合同审查、投资监督、估值核算等环节涉及大量的文本和数据处理工作。通过引入光学字符识别（Optical Character Recognition，OCR）、自然语言处理（Neuro-Linguistic Programming，NLP）等AI技术，可以实现合同的智能审核、投资指令的自动匹配与监测以及估值核算的自动化处理，从而大幅提高作业效率，减少人工错误，实现降本增效。

构建系统化、完整的数据链是强化风险管控的关键。在资产托管业务实现全生命周期、全流程线上化运行的前提下，AI技术通过搭建风险评估与预警系统，接入舆情数据，对海量数据进行整合与分析，可以实现对管理人及产品风险的及时跟踪和预警监控，有助于托管机构及时发现潜在风险，迅速采取针对性的防范和应对举措。

托管机构借助AI技术可以搭建涵盖智能客服、客户画像以及精准营销等应用的智能化客户服务体系。智能客服可提供全天候（7*24）在线服务，迅速响应客户诉求，进而提升客户满意度；客户画像与精准营销则能够根据客户偏好等特征，推动标准化服务向“千人千面”的个性化服务演进，增强客户粘性。

推动AI技术与资产托管业务进一步融合贯穿产品全生命周期

在产品引入阶段，托管业务经办人需要将管理人和产品各类信息完整地提交至引入系统中，经审核后，将满足要求的管理人、产品纳入合作范围。基于AI Agent技术，可以实现经办人智能化办理业务，为其提供材料识别、解析及业务自动化等一系列辅助工具。在合同管理中，系统根据产品要素表自动生成产品合同初稿，借助AI技术可智能审核部分合同条款，有效减少合同条款的人工审核时间，提高审核准确率。

客户服务方面，智能客服已成为券商资产托管行业优化客户体验、提高服务效率以及扩大市场覆盖面的重要手段。大规模预训练模型（以下简称“大模型”）的出现，为智能客服进一步优化和升级提供了新的可能性。智能客服机器人可以采用“大模型+小模型”双引擎架构，充分发挥大模型在语义理解与知识归纳方面的优势，在已有小模型智能知识库现有成熟功能的基础上，利用大模型的语义扩展能力，提升问答匹配精度与准确率，可以实现更智能、更精准的客户服务体验。建立“动态问动态答”智能问答机制，针对管理人对其自身管理产品信息的查询需求，通过与业务系统数据打通，管理人可以向智能客服咨询运营流程进度、合同参数、各类指标计算原理等问题，减少人工客服工作量，提高回复准确性与及时性。

资产托管业务运作中，每日需要处理来自内外部的大量数据用于后续估值核算、资金结算等业务环节。针对内部数据，AI解析技术可以支持自动提取产品募集、成立文件中的要素数据；针对基金合同等文件，可以提供各类样本与人工标注训练模型，由系统自动识别变更、补充条款，并与原参数设置关联，降低人工操作的错误率。针对外部数据，AI解析技术可以支持自动提取场内交易对账单、场外确认单据、场外标的产品行情和持仓文件中业务所需的关键信息，并不断扩大解析范围；引入新智能化解析工具，可以开发出由业务人员自主操作的可视化训练/标注页面，重点支持传统AI解析工具尚无法解析的场景，进而提升整体解析率，提高业务流程自动化水平。

估值核算效率是资产托管业务中客户重点关注的环节，估值核算效率很大程度取决于估值流程自动化水平。建立智能估值运营平台和智能估值风控平台，基于AI估值技术的应用，有助于保障估值时效性和估值准确性。智能估值运营平台可用于批量产品估值进程的自动化调度，基于对数据管理平台、份额登记系统、资金清算系统、估值系统数据的调用、读取、分析和转换，精准生成估值流水和结果，减少日常估值流程中断，不断提高AI估值完成率。智能估值风控平台可以将风险控制节点嵌入估值流程，实现多指标监控，保障估值准确性。

资金结算与账户管理方面，可以利用RPA技术在证券账户开立环节支持自动录入证券账户开户信息、上传开户材料附件，在完成证券账户开立后实现自动下载开户回单，极大提升证券账户开立效率。利用RPA及OCR技术，可以在银行间付费环节实现指令信息与出款信息的自动校验等。针对所需投资附件较多、人工审核耗时较长的场外业务划款指令，利用大模型对不同格式的投资附件进行文件信息提取，基于业务审核点在系统中预置审核规则实现指令预审，提高指令审核效率，给客户以显著的划款提速感知，优化客户体验。

合规风控方面，可以建立托管及服务业务风险监控系统，利用AI技术对多个渠道的舆情数据进行智能整合；对舆情数据进行语义识别及提炼，自动识别舆情中提及的管理人，基于风险舆情人工调整管理人风险等级。基于RPA技术，可以自动获取管理人的监管处罚、诚信公示等风险信息，实现对管理人风险等级的动态调整，强化管理人风险管控。

未来AI模型将朝着更高效率、更高精准度且具备更强可解释性的方向不断演进。一方面，研究人员致力于开发更先进的神经网络架构，进一步提升模型在自然语言处理等复杂任务上的性能、提高响应速度、提升客户体验，弱化“机器”的感觉，强化“类人”的服务。另一方面，可解释性AI将成为研究热点，通过可视化技术、特征归因分析等手段让资产托管业务从业者以及客户理解模型决策过程，从而增强对AI技术的信任。同时AI将打破数据模态壁垒，实现文本、图像、语音、视频等多模态数据的深度融合。在券商资产托管业务中，多模态AI技术可整合客户的文字咨询、语音指令、平台操作行为（例如鼠标点击轨迹图像）等多源信息构建更全面、立体的客户画像，从而提供更加个性化精准服务。例如，当客户咨询问题时系统可综合客户的历史操作记录、语音情感分析以及当前操作行为，快速理解客户需求并给出最合适的服务方案。

展望未来 AI技术将全方位重塑资产托管业务服务模式

客户服务方面，可借助AI强大的数据分析与模式识别能力深入洞察客户需求与偏好，为客户提供高度个性化的托管服务体验。行业协同方面，AI技术将推动证券公司与金融科技企业、科技巨头以及其他金融机构展开更为深入、高效的协同创新活动，促进各方资源共享与优势互补，共同探索金融业务的创新发展路径，推动整个行业生态的繁荣与发展。风险管理方面，AI可帮助托管机构自动识别业务中潜在的风险点，不断提高风险识别与预警能力，托管机构需充分利用AI技术优化自身风险管理能力，促进业务活动在合规及风险可控的框架内有序健康开展，实现行业发展与风险管理的良性互动。

标签：业务技术托管客户模型