文/潍坊银行风险控制部总经理 李岩

潍坊银行零售银行部 魏建国

信息科技革新正深刻重塑金融版图，商业银行站在转型的关键节点，亟需探寻破局与进阶之道。随着人工智能技术的迅猛发展，大语言模型（Large Language Model，简称LLM）和机器人流程自动化（Robotic Process Automation，简称RPA）逐渐成为推动商业银行转型的核心引擎。在LLM的蓬勃发展中，DeepSeek脱颖而出，正为商业银行转型注入新动能。它与LLM、RPA相互配合，共同推动银行在客户服务、运营管理、风险防控等核心业务板块的智能化升级，为书写金融领域“五篇大文章”提供坚实支撑，助力商业银行在新时代浪潮中破浪前行，开启金融服务的全新篇章。

DeepSeek、LLM和RPA的比较

1. 三者之间的联系

在目标方面，三者都致力于提高工作效率、降低成本、提升用户体验，帮助企业实现数字化转型和智能化升级，都是推动人工智能和自动化技术发展的重要力量。

在应用协同方面，在实际业务中，DeepSeek或其他LLM可与RPA结合使用。例如在智能客服场景中，LLM负责理解客户问题并生成回复，RPA负责执行相关的业务操作，如查询订单、更新客户信息等。

2. 三者之间的区别

DeepSeek、LLM和RPA作为商业银行信息科技赋能业务的重要工具，主要不同见表1所示。

表1 DeepSeek、LLM和RPA的主要不同点

综上，DeepSeek之所以在国内金融圈火起来，主要有四点，一是自带金融基因。DeepSeek是幻方量化旗下的子公司，幻方量化是中国头部量化对冲基金之一，管理资金规模超千亿的金融公司。二是中文友好。它对中文场景的定制优化，解决了国外模型对中文支持的不足。三是便于自主研发。商业银行可以通过对模型进行蒸馏，做更适合行内业务的小模型。四是数据安全。私有化部署后，数据不出域，符合监管要求，实现了数据安全，便于数据治理。

DeepSeek在商业银行的应用场景分析

1. 国内商业银行DeepSeek应用场景情况

截至2025年2月，国内商业银行DeepSeek的主要应用场景见表2所示。

表2 国内商业银行DeepSeek应用场景

2. 主要应用场景分析

通过表2分析，这七家银行中，城商行占了三家，由此可见城商行对新技术的渴望极为迫切。这些场景中，客服及助手场景是第一位，占比为57.14%。风控场景和研发场景并列第二位，分别占比28.57%。

（1）客服及助手场景。DeepSeek助力打造的智能客服场景，新增逻辑推理功能，能实时、精准解答客户各类问题。无论是账户信息查询、业务办理流程咨询，还是理财产品介绍，都能迅速给出清晰易懂的答案。这不仅打破了传统客服的时间限制，实现全年无休服务，还避免了人工客服可能出现的情绪波动影响服务质量的问题。

（2）风控场景。在信用风险评估方面，DeepSeek整合客户多维度数据，包括信用历史、收入资产状况、行业动态等，还纳入社交媒体活跃数据、消费行为等非结构化信息。通过深度学习算法，构建更全面准确的信用风险评估模型，降低不良贷款风险。例如江苏银行，在信贷风险防控方面，利用DeepSeek模型优化后，识别及预警响应速度提升20%。

（3）研发场景。在系统研发方面，依托代码助手，根据自然语言描述自动生成代码，提高研发效率，优化代码结构，检查代码错误和安全隐患，确保代码质量。例如中信百信银行，80%的研发人员使用代码助手，周均提问突破上千人次，回复准确率91%，是名副其实的研发人员助手。

以上均为金融场景下的应用，若用其他LLM来实现，则存在诸多问题。例如ChatGPT，在国内没有本地部署，在数据安全和隐私合规方面存在问题。国内某LLM，则存在专业领域深度不足的问题，对于一些超专业的金融知识问答等，可能需要进一步优化和学习。

未来应用场景展望

随着人工智能技术的不断演进，DeepSeek在商业银行的应用将会更加深入和广泛，未来主要有以下五个场景。

1. 客户营销场景

（1）精准营销。DeepSeek分析海量客户数据，构建多维度客户画像，涵盖基本信息、消费习惯、金融产品喜好和风险承受能力等。商业银行依据画像锁定目标客户群体，制定个性化营销方案，如向年轻高风险偏好客户推荐创新投资产品，向临近退休客户推荐低风险产品，提高营销效果。

（2）营销话术优化。学习海量成功营销案例和客户反馈，DeepSeek为营销人员生成优化后的营销话术模板。这些模板能根据客户实时反馈动态调整，增强沟通效果，提高营销成功率。

（3）市场趋势洞察与营销时机把握。凭借强大的数据监测与分析能力，DeepSeek实时追踪金融市场动态、宏观经济数据和行业政策变化，帮助商业银行把握市场趋势，提前调整营销战略。如有绿色金融政策鼓励时，加大绿色金融产品推广力度，吸引优质客户。

2. 合同管理与合规审查

（1）合同质检。DeepSeek-VL2多模态模型对金融合同进行细粒度审查，识别风险条款、不合规内容和错误条款，尤其在处理复杂合同结构时表现出色，提高合同审查准确率，降低法律纠纷和监管处罚风险。

（2）合规审查自动化。深度学习监管政策，DeepSeek自动审查业务操作流程和新产品研发的合规性，为商业银行创新发展筑牢合规防线。

3. 审计

（1）审计程序自动化。在抽样测试中，DeepSeek运用智能算法选取代表性样本，提高抽样科学性；自动核对不同系统数据，保障数据一致性；实时监控业务数据，及时预警异常情况，推动审计从事后监督向事前、事中防控转变。

（2）审计报告生成。根据审计结果自动生成规范报告，节省人工编写时间，提高报告准确性；将审计数据可视化展示，便于审计人员和管理层理解业务状况和风险，为决策提供支持。

4. 金融产品创新

（1）产品设计辅助。在金融产品设计创新中，DeepSeek根据市场需求、客户偏好和风险收益权衡，为商业银行提供创新思路和个性化产品设计方案，助力开发特色金融产品。

（2）模拟与优化。运用模拟技术评估新产品在不同市场环境下的表现和风险，帮助商业银行提前发现问题并优化产品，提高产品市场适应性和盈利能力。

5. 智能办公

（1）智能日程管理。根据员工工作习惯、会议安排和项目进度，自动规划最优日程，合理分配时间块，避免冲突，并在日程冲突时提供调整建议。

（2）数据分析助力决策。对办公积累的业务数据进行深度分析，生成可视化图表，展示数据趋势和关键信息，辅助管理层洞察业务状况，制定决策。

（此文刊发于《金融电子化》2025年4月上半月刊）