證券時報記者 馬靜

當你感嘆炒股APP的客服越來越懂你時，或許背后是人工智能（AI）已對你的行為模式“了如指掌”；當你不用盯盤就可以自動完成股票的低買高賣，或許正是一行行代碼在默默幫你捕捉行情……

伴隨數智化轉型持續深化，越來越多券商持續提升“AI含量”——從智能客服到智能投顧，從智能交易到智能運營，各類AI產品密集上新。

近日，證券時報記者在采訪業內人士時了解到，AI應用場景已在券商財富管理業務中全面鋪開，系統性地融入客戶觸達、投顧決策、交易執行和運營管理等各個環節，并驅動行業競爭從“人海戰術”向“人機協同”轉變。

券商AI產品持續上新

證券時報記者注意到，自年初競相本地化部署DeepSeek等大模型后，券商在財富管理業務中不斷推動AI產品或應用上新。

在APP側，廣發證券基于自主研發的天璣智融大模型，完成了對“易淘金APP”的AI原生化升級，打造了包含i助理-易小淘Plus、i盯盤、i交易、i復盤、i資訊、i投顧、i智投、i賬戶等在內的十余項AI智能體模塊；國泰海通推出新一代全AI智能APP“國泰海通靈犀”，打造“對話、直播、盯盤”三大智能服務界面；財達證券股市通APP迭新，深度融合AI算法引擎，構建“投前—投中—投后”全周期智能化解決方案，涵蓋智能策略生成、風險動態預警、資產組合優化三大核心模塊；東吳證券秀財APP上線“AI看自選”功能，通過AI多輪對話、AIGC及個性化投研三大能力，滿足用戶對自選股的信息獲取、深度分析、投資決策與跟蹤復盤等需求。

在投顧業務方面，國金證券推出AI投顧，上線AI選好股、AI持股優化、AI選好基金等核心功能；中國銀河證券推出了“財富星AI投顧”，包含“AI選股”和“AI數據”兩大服務包；東興證券推出了金海棠投顧智能平臺，提供覆蓋投前、投中、投后的全流程財富管理服務；國信證券推出“鑫投顧AI助手”，覆蓋日常業務知識問答、個股診斷、基金診斷和賬戶診斷等各類投顧人員日常工作子場景。

在數字員工方面，依托AI技術，誠通證券的數字員工“誠小通”已于今年正式上崗，重點從事投資者教育工作；中信證券、華寶證券等也披露了數字員工進展，并表示可以有效賦能業務人員展業。

解鎖財富管理更多場景

“在財富經紀業務領域，AI應用已全面滲透，從輔助工具升級為‘智腦’，驅動投顧決策、客戶洞察與風險控制的智能化躍遷。”在恒生電子日前舉辦的證券行業新一代核心業務系統UF3.0上線儀式上，恒生電子總裁范徑武如是說。

他提到，當前，證券公司普遍在推進AI大模型等新質生產力工具的應用，以推進業務架構優化，部分券商在精準營銷、智能投顧、投研助手等環節已實踐出相應的優秀案例。

在不同業務場景中，AI如何賦能，又取得了哪些成效？基于長期觀察，證券時報記者為此梳理了一批具有代表性的案例。

某中部地區上市券商構建運營智能化體系，顯著提升了經紀業務運營效率。比如打造智能前臺，用“數字員工”替代“初級腦力勞動”，讓專業人力、營銷人員聚焦高價值決策或深度客戶服務。以機構開戶環節為例，這一模式能夠完成機構工商核查、業務資料智能錄入、分揀等工作，操作簡化，讓客戶僅需臨柜一次，使展業時長縮減60%、外帶設備為0、駁回率降低48%。

某滬上地區上市券商針對客服中心響應效率不足的問題，引入智能化能力輔助客服人員進行問答交互，落地智能問答、智能質檢、外呼陪練等應用，打造集IVR導航、坐席助手和全渠道服務于一體的智能化平臺。

某中部地區券商搭建數據中臺、業務中臺與AI中臺，實現客戶畫像、產品匹配、服務策略的全鏈路智能化。客戶意圖識別的準確率大幅躍升，線上服務響應速度進一步縮短，量化策略開發周期也大幅壓縮。

某頭部券商開展廣譜客戶集約運營，核心策略之一為“服務靠AI”，包括AIGC內容生產、RPA內容分發、AI客戶行為洞察與AI客服問答等應用。

在交易環節，AI的典型應用包括智能條件單、TWAP拆單算法、靈活折算的兩融服務等智能策略工具。例如，多家券商陸續推出了T0算法服務，協助投資者實現“低買高賣”，捕捉價差收益，其背后主要依托機器學習與策略網絡增強算法。

業界直面“AI萬能論”

從上述案例來看，以AI技術為核心的數字化升級正在全面重塑券商財富管理鏈條，廣泛應用于客戶精準營銷、線上交互體驗、投顧決策支持、交易執行與風險管控等場景。從客戶挖掘、觸達、轉化、價值提升到留存綁定，AI已全流程介入。

“過去靠‘網點多、人員多’搶占市場的模式，已難以滿足當下海量客戶的個性化需求。如今，行業比拼的是數據能否真正驅動投研效率提升、算法能否精準匹配客戶資產配置需求，優質的金融服務是否觸達每一位投資者。”某券商高管表示，當前證券行業業務形態正在從“人工驅動”轉向“智能驅動”，從“單一通道”轉向“全生命周期陪伴”。

“AI已不是備選題，而是必選題。”另有從業人士感慨，AI雖未改變財富管理業務的本質，但正深刻驅動行業變革，不斷突破效率、成本與體驗的極限。

當然，AI在重塑財富管理的過程中也難免面臨一些挑戰。有第三方投顧機構人士指出，建設AI智能體雖已成趨勢，但大模型與真實業務場景之間仍存在差距，業務需求與研發資源之間的矛盾也有待解決。

某券商網金部門人士表示，當前，行業認知已從“AI有用論”發展至“AI萬能論”，但這需技術與業務雙方共同探索落地場景，由于雙方對AI具體功能與實現方式存在認知差異，組織層面也可能出現權責不清的情況。

此外，受技術與資源投入差異的限制，不少券商并不具備完全自建基礎設施的能力。同時，針對AI幻覺等問題，需投入大量資源自建知識庫，這也對一些券商構成了現實困境。

范徑武認為，未來AI將會對所有的業務和技術平臺進行重構，能夠支持“AI+”的核心是利用數據能力的提升，因此券商需要建立起以數據為能源的思路和能力，這些都是數字化轉型深化過程中需要解決的問題。