AI大模型技术正悄然改变券商机构开户业务场景操作生态。
　　一位券商IT部门人士向记者透露，以往在机构开户业务办理过程，私募基金、信托、银行、保险、公募基金等各类金融机构需递交上传大量影像资料，且主要由人工操作进行逐项分拣，导致匹配速度慢、效率低下，且容易出错。有些时候券商业务人员不得不要求金融机构反复上传并核对资料，耗时耗力。
　　“我们也曾考虑借助OCR（光学字符识别）技术设立标准化的线上操作流程，但在实际操作环节，不同金融机构的开户申请表、交易所风险揭示书、内部使用的各种表单尽管要素一致但格式各不相同，加之有些手写材料的字迹差别较大，靠传统OCR技术难以解决，最终又回到人工操作环节，令材料审核流程与效率持续低下。”他指出。这已经影响到他们的机构开户业务拓展——随着市场竞争日益激烈，谁能给机构客户提供更佳的服务体验，谁就有望获得更大的机构业务市场蛋糕，而开户场景恰恰是机构客户衡量券商服务能力的一块“试金石”。
　　记者获悉，这驱动越来越多券商开始考虑引入AI大模型技术解决机构开户业务场景的诸多痛点。
　　华福证券数智赋能部研发中心总经理谢琪近日接受本报记者采访时表示，华福证券已依托腾讯云TI-OCR平台的赋能，尝试将大模型技术用于机构开户业务场景。
　　在他看来，AI大模型技术在机构业务开户场景的主要应用，是以较低资金、人力与时间的投入，一站式地解决券商在机构开户复杂环境下的开户协议识别、开户材料智能分拣、票据识别等诸多挑战。比如在当前机构开户业务场景，券商工作人员完成资料上传耗时久，主要原因是资料数量多、手动分拣与匹配速度慢、拍照次数多。若能通过AI大模型技术优化资料采集方式，允许券商工作人员批量拍照上传，系统随即自动将照片归类到对应类别下，快速解决手动分拣与匹配上传慢等问题，就能大幅提升机构开户效率。
　　据悉，腾讯云TI-OCR平台通过搭载大模型能力，主要解决图像干扰、混合版式、表格结构化识别等传统OCR领域核心痛点。
　　上述券商IT部门人士向记者透露，为了提升机构开户业务场景的操作效率，此前不少券商都引入了不同功能的OCR技术，但在实际操作环节，传统OCR技术仍面临对手写体识别效果不佳、数字间有栅栏易受干扰；在密集表格、单元格中文本换行等场景下识别效果不佳；长文提取关键字段信息难，段落之间没有关联关系；对自然场景下的图片识别效果不佳；训练样本需求庞大，训练时间长等痛点。这也是当前越来越多券商纷纷试水大模型技术在机构开户业务场景应用的一大关键因素。
　　在他看来，大模型技术若要在券商机构开户业务场景获得广泛应用，还需具备多项能力，一是其智能结构化模型能在数千版式识别方面实现极高的泛化准确率；二是泛化能力强且能开箱即用，有效降低券商的技术接入使用成本；三是拥有成熟的多模态技术并突破检测识别领域痛点，比如在手写体识别、套打/印章/水印干扰等场景能通过小样本精调大幅提升召回率；四是精细化的标注模式；五是便捷的生成方式以大幅提升机构开户资料的识别及使用核查效率等。
　　腾讯云智能高级产品架构师丁鹏告诉记者，为了达到券商机构开户业务场景所要求的大模型技术性能要求，腾讯云针对TI-OCR 平台做了大量大模型技术训练，解决传统OCR技术尚未解决的痛点，比如在印章干扰（单据上面盖有多个合同章或公章等，在识别环节存在相互干扰问题）、手写识别等相对复杂的识别场景，传统OCR技术需先将整个识别拆成很多段，先检测再识别再做结构化，没有办法通过端到端的方式实现每一个层面的“理解”。
　　如今。大模型技术可以先对图像进行增强，对表格类材料里某些相对潦草的文字书写进行有效识别，从而在“端到端”过程避开每个环节可能出现的问题，避免多个阶段的错误累积，有效提升开户申请材料的识别准确性，减少重复索取材料反复核对的工作流程。
　　谢琪告诉记者，经过一段时间的实践测试，在腾讯云基于大模型技术的TI-OCR平台支持下，华福证券的机构开户系统资料上传环节的准确率和时效性提高约50%。
　　“尤其是随着线上业务的日益普及，越来越多员工都开始主动上门，为机构客户办理非现场见证开户。以往在没有AI大模型技术支持的情况下，业务人员必须根据系统提示，将机构资料逐一上传到指定位置，但这需要券商对业务人员加大培训，以免他们在实际操作环节出错导致开户流程更加复杂。”他举例说，如今基于AI大模型技术的智能分拣环节，业务人员只需将客户开户材料拍照并点击上传，系统就能自动将这些材料“分配”到指定位置，大幅降低了操作出错率并提升了开户流程效率。
　　谢琪表示，随着TI-OCR平台应用在机构开户、智能分拣等领域并取得不错效果，华福证券正计划将TI-OCR平台作为OCR原子服务能力上架到公司AI中台，赋能更多的业务应用场景。
　　记者获悉，如今AI大模型技术除了在文档多模态识别等领域的应用，也正广泛应用在券商投研、舆情采集等领域，成为投顾助手、智能舆情等相关应用迭代升级的“新突破口”。
　　但是，大模型技术要在券商更多业务场景实现广泛应用，仍需解决数据保护、生成式结论“幻觉”等挑战。
　　丁鹏向记者透露，结论“幻觉”和数据合规使用一直是大模型技术应用经常碰到的挑战，也是金融机构特别关注的问题。腾讯云正多管齐下着手解决，在数据方面，当前训练数据都源于自有或公开收集的合理数据，且对数据进行安全过滤；在算法研究方面，通过有监督强化学习的技术手段规避垃圾档案等幻觉现象的生成；在产业实际应用方面，通过增强检索，RAG框架等技术手段，基于企业的数据库解决相关事实的一致性问题，确保回复合规且专业；在安全方面，腾讯云在大模型应用的输入端与输出端都会接入文本、图片、音视频审核模型并进行安全过滤。
　　他直言，要真正做好能提升业务效率的大模型，务必要从实际业务需求出发，而不是“为了做大模型而做大模型”。尤其是在金融领域的大模型技术应用，需充分兼顾金融业务的复杂、数据保护与合规安全等问题。
（文章来源：21世纪经济报道）