上海农商银行推出基于大模型的智能营销助手，访前报告生成时间缩短至数分钟

正文：

近期，上海农商银行在数字化转型方面取得了新的突破。该行专注于公司金融业务的痛点，借助大模型技术推出了“对公智能营销助手”这一智能工具。该助手整合了“访前透视镜”和“行研策略写作”两个核心模块，旨在建立一个智能化的营销闭环。目前，相关工具已经在部分支行进行试点，为智能应用的推广奠定了基础。

自2025年以来，上海农商银行加大了大模型技术在金融场景中的应用力度。年报显示，该行已成立大模型研究专项工作组，探索如何有效落地大模型应用并规划建设路径。近期，该行频繁发布多个项目的POC征集公告，大模型技术逐渐成为多个项目的技术核心。展望2026年，该行计划进一步强化大模型的场景运用，推动AI在营销、办公和知识库等领域的赋能。

整合访前透视镜与行研策略写作，旨在构建完整的营销闭环

据了解，传统的对公营销往往面临客户信息分散、访前准备耗时、商机把握滞后等挑战。客户经理需要耗费大量时间在多个系统中手动查询客户的基础信息、业务数据以及历史合作情况，并结合行业动态整理潜在商机。这种信息碎片化、整合困难和分析缓慢的问题已经成为限制营销效率的主要瓶颈。

为应对这些挑战，上海农商银行的“对公智能营销助手”中的“访前透视镜”功能能够为每位待拜访客户自动生成一份涵盖全景画像、财务健康度、合作现状、潜在需求及风险预警等内容的访前报告。该功能目前已在部分支行试点，数据显示，单份访前报告的准备时间从约1小时缩短至几分钟。参与试点的客户经理反馈称，该工具有效减少了数据整理的时间，提炼了客户的关键信息，帮助他们更准确地识别客户的潜在需求。

此外，对于新兴行业的个体客户营销，除了精准画像，还需要深入的行业洞察。上海农商银行在2024年成立了行业研究院，在探索行业中观策略分析的应用机制时，发现行研策略的生成与流转面临三大问题：首先，人工撰写耗时较长，不同报告的侧重点不一，导致对业务的引导效果差异；其次，报告篇幅冗长，核心信息被大量文本掩盖，检索成本高；最后，触达渠道单一，造成“报告完成但关键人员未读”的滞后问题。

基于这些问题，上海农商银行的“对公智能营销助手”中的“行研策略写作”模块利用大模型技术，构建了“生成-摘要-推送”的全流程自动化体系，能够帮助研究员快速生成行业策略报告。该模块支持基于医疗器械、生物医药等多个行业的语料模板，能够在几分钟内汇总行研素材并生成策略报告；同时可以解析行研素材，提取结构化摘要，展示行业发展趋势、关键领域及风险要素；此外，还基于客户的行研标签建立了智能推送机制，将行业洞察精准推送给相关客户经理，提升他们在客户接洽时的能力。

上海农商银行表示，“对公智能营销助手”通过这两个场景的协同，构建了从宏观行业洞察到微观客户拜访的完整营销闭环。客户经理能够通过“行研策略写作”迅速识别行业机会与风险，然后利用“访前透视镜”为目标客户制定个性化的营销策略。大模型技术与对公业务的结合，不仅降低了工作成本，还将依赖个人经验的传统模式转变为数据驱动、AI辅助的标准化作业模式，为公司金融业务的数字化转型提供了支持。

加速大模型人才引育，成立专项工作组探讨应用落地方法

值得一提的是，自2025年以来，上海农商银行显著加强了大模型技术在金融场景中的应用。这一变化在其信息披露中也有所体现，之前该行相关内容公开较少，而在2025年报中则有了显著增加。

2025年年报显示，在顶层设计方面，上海农商银行编制了《2026-2028年业务数字化转型规划》，为全行数字化转型确立了方向，推动跨部门协同，促进业务模式创新和服务水平提升。

在基础能力建设方面，该行加速了大模型人才的引育，力求在AI场景应用方面形成优势。

在数据治理方面，该行实施了数据模型工具和AI技术，推动数据标准的线上落标。

在科技应用方面，该行深化了AI技术赋能业务发展，成立了大模型研究专项工作组，探索大模型应用的落地方法和建设路径，同时形成了完整的大模型技术研究框架；聚焦业务试点场景，部署多款主流大模型，开展应用实践研究。

近期，上海农商银行频繁发布多个项目的POC征集公告，多个项目的技术方案中均提及使用大模型技术。

以企微智能营销辅助项目为例，上海农商银行表示，将基于大模型建设企微智能营销辅助功能，计划引入企微智能体，实现企微侧边栏的实时话术辅助功能。

公告中提到，该项目除了需包含实时话术辅助、客户标签生成、会话信息挖掘等功能外，还需搭建智能体开发平台，支持agent的创建与管理、工作流编排、工具与插件库、知识库管理、评估与调试、提示词工程管理等。

此外，在人才招聘方面，上海农商银行聚焦AI大模型应用、数据治理、供应链金融等领域，招募2026年博士后研究人员。

应聘者需提交拟报课题研究计划书（包括研究内容、研究意义、技术路线及其他必要说明，字数3000-5000字），备选研究方向共有7个，其中“基于AI模型应用的中小商业银行数据治理体系建设研究”为优先推荐课题。

展望2026年，上海农商银行表示将加快智能化发展，提升对大模型领域核心技术的掌握，强化大模型的场景应用，在营销、办公、知识库等领域推进AI赋能；同时推进线上治理，提升业务流程的灵活性，优化客户体验与业务效率。