案例精选

《中医病案精选》：汇集了大量中医治疗案例，供学习参考。 #生活技巧# #健康生活方式# #健康生活方式书籍# #中医养生书籍#

+关注

蚂小财是蚂蚁集团推出的一款AI理财助手，聚焦于提升金融服务的专业性、可靠性与可获得性。在金融信息密度提升和用户理财需求日趋多样的背景下，蚂小财在模型能力与产品体验两个方面进行了系统性优化。在技术层面，产品通过大模型后训练、金融知识注入、安全控制机制等方式，有效降低AI幻觉发生率，提升金融内容的准确性与可解释性。在产品设计方面，蚂小财围绕用户使用门槛与理解负担展开优化，推出诊基、长按唤起、盯盘等人性化功能，增强信息触达的针对性与交互方式的友好度。文章基于蚂小财的实践案例，分析其如何通过系统工程构建金融场景中的专业能力保障机制，并以用户体验为导向推进服务方式的改进，展示了其在专业金融服务普惠化方向上的探索成果，也为企业在AI时代推动产品创新提供了思考框架。

关键词：AI  普惠金融

先设想这样一个场景：

你是一位普通投资者，习惯在早晨浏览持仓动态。打开理财APP的瞬间，系统自动为你生成一份简洁明晰的专属报告：昨夜哪些市场事件值得关注？哪些波动影响了你的基金？当前资产配置是否需要调整？它不仅圈重点、讲逻辑，还会贴心提醒：“基于你的风险偏好，超出了风险承受能力，或许可以再观望几天。”你几乎不需要主动提问，服务已经先你一步，把复杂变得可感、可懂。

这样的理财体验，或许正是许多基民所期待的——既专业，又简单；既严谨，又有人味儿。然而，现实往往并不尽如人意。金融产品的选择日益丰富，理财门槛不断降低，但真正懂用户、贴近用户的专业服务却依旧稀缺，于是理财对普通人仍是充满焦虑的一件事。产品普惠已经逐步实现，服务普惠何时能到来？

与此同时，在另一端，学界、业界也都在努力寻找更好的答案。

前不久，上海财经大学金融前沿人工智能实验室正式发布FinEval 6.0的首份评测报告，这是一套用于衡量金融AI专业能力和安全性的中文基准体系，涵盖超过2.6万道高质量试题，评估维度包括金融学术知识、金融行业理解、金融安全认知、金融智能体应用以及金融严谨性评测等多个方面。“蚂小财”登上综合排名榜首，在金融严谨性方面更是有着突出表现。

作为蚂蚁集团在数字金融、普惠金融领域的一项探索产品，蚂小财正尝试回应AI时代用户对于金融服务的期待：在确保专业性和可信度的基础上，进一步降低理解与使用门槛。

金融AI的第一道坎：

不能“一本正经地胡说八道”

对于许多普通投资者而言，金融世界犹如迷宫。市场变动频繁、产品复杂多样，信息虽然不再稀缺，却往往缺乏高效提炼和专业指引。尤其是在投后阶段，许多用户时常面临一个共同难题：市场发生剧烈波动时，手中的基金该不该调仓？面对新闻与数据铺天盖地，究竟哪些内容和自己相关？又该如何行动？

AI的兴起曾一度点燃了大众的希望：是否只需打开一款App，就能随时拥有一个专业的理财助理？的确，随着大语言模型的发展，一批通用AI产品迅速进入大众视野。不少用户开始尝试通过这些AI工具解答理财疑问：有人向它请教资产配置的方法，有人希望它解释PE和ROE的差异，也有人索性上传持仓截图，请求给出投资分析。

但现实并不总是理想的投影。用户有需求，技术却未必真正准备好了。因为人们很快意识到，AI并非天然就懂金融。有一些回答看似专业，却有可能是张冠李戴，甚至逻辑混乱，也就是“一本正经地胡说八道”。在一般聊天、艺术创作的领域，这种幻觉或许只是笑谈，但在金融领域，则是需要迈过去的一个门槛。

当然，技术从未止步。在用户期待AI解决方案更真实、更可信的同时，整个行业也迎来了新一轮模型演进的浪潮。今年以来，以DeepSeek、通义千问为代表的新一代推理大模型（Reasoning LLMs）崭露头角，它们不再满足于“说得像样”，而是试图让AI真正“想得明白”。

技术演进带来了新的可能性。从行业角度来看，若要在金融场景中有效控制幻觉风险，企业需要在产品开发的各个环节中进行建设与优化：在基础能力层让大模型更专业可靠已成为普遍认知；同时，行业经验层的建设也必不可少，专业知识的输入才能让大模型更好地应用在垂直领域，服务于具体的场景；另外安全围栏的建立与测评机制的完善也是减少AI幻觉的必要一环。

这也是蚂小财新一轮产品升级中重点攻关的几大环节：在能力出色的大模型底座的基础上，叠加蚂蚁平台上超200家专业金融机构的服务与内容，围绕金融领域进行模型增强训练，设置多重把关机制，推动更专业、严谨、可信的AI金融产品诞生。

用系统性工程

夯实金融AI的专业严谨壁垒

不久前，一场特殊的考试在金融与AI两个圈层同时引发了广泛关注。它不是为了充实简历的一场考试，而是一次专门为AI设下的专业挑战。考试内容源自CFA题库——这是被公认为金融行业最具含金量、最考验系统知识结构与逻辑能力的认证之一。考试全程由第三方进行公证，而应试者，则是刚刚完成全面升级的AI理财产品——蚂小财。

最终，在这场挑战中，蚂小财以93.18%的正确率通过了考试，成绩甚至超越了不少真实考生。

这不是一次AI答题的高难度炫技，而是一种清晰的行业信号：在通用大模型遍地开花的时代，想让AI在某个垂直领域更专业、严谨，赢得信任并不是一件容易的事。

事实上，对于所有试图最大程度上去降低幻觉的AI产品来说，系统性的工程思维都必不可少。

这项工程的第一步，也就是“基础能力层”，是对大模型底座的精细打磨。当下流行的诸多通用大模型固然强大，但面对金融的严谨逻辑与高时效要求，显然力有未逮。对于企业来说，需要在对金融领域的深入理解上，持续不断地给大模型做加法，让AI在时效性、精度和可解释性上保持同步进化，才能给用户带来更大的实际价值。

2023年9月，蚂蚁集团正式推出国内首个AI理财助理“蚂小财”。“蚂小财”基于蚂蚁自研的百灵大模型，以及针对金融领域专业训练的Finix大模型，能够为用户提供行情解读、持仓分析、投教陪伴等专业理财服务。

蚂小财此次升级中，在蚂蚁集团自研大模型的基础上，新增接入了国内第一梯队的通义千问推理大模型。基于二者进行专业加训的蚂蚁Finix大模型，通过泛金融数学建模表达和泛金融代码实现，进行数据增强和模型迭代，避免了传统行业大模型在通用和垂类之间的跷跷板效应。也就是说，它不是“裸接”大模型，而是在实现通用的理解表达能力保持不变的情况下，提升金融专业严谨能力。

当然，再好的模型，也无法凭空懂得金融。它需要优质而可信的知识输入作为支撑，这是至关重要的“行业经验层”。当用户在看到投资建议时，真正在场的，不应该只是一个AI模型，而是背后一个由专业金融机构构成的智囊团。

蚂小财背后是蚂蚁生态，提供了产品经验层支撑。来自蚂蚁财富的数据显示，蚂小财连接了200多家持牌基金公司、券商与财经媒体，专业服务和内容均由持牌的专业机构提供。

但连接并不等于可信，内容本身是否专业适当，依然需要一套严格的评价体系。为此，蚂小财打造了专业的人工团队，对信息提供方的内容质量进行打分，再通过系统随机抽样、复查，倒推模型判断的准确性，以更加可靠的组织、流程，尽可能提升内容的可靠性，以此确保用户在提问中，得到的信息来自专业视角而非网络信息的拼贴。

最后，在“安全控制层”，为了避免AI在最后生成环节中对原始引用内容进行误改，AI产品也需设置安全围栏机制。比如针对AI生成的回答需要自动触发验证机制：由系统来交叉核对回答内容与其引用数据是否一致、引用来源是否权威、是否存在价值观风险或敏感问题。一旦发现潜在偏差，答案就要被拦截重检。这道隐形的防线，让AI在生成答案时不仅要会说，更要说得负责。

最后，在整个系统上线前，还必须经历反复的评测对齐流程。

总之，能够打破AI幻觉的，并不单纯是某项技术的突袭，还需在技术之上，叠加专业经验、组织与流程保障。

金融AI的下一站：

更简单、更人性、更普惠

当AI开始具备金融专业能力之后，接下来的问题便是：它能否真正走进用户的日常生活？

前不久，一堂金融公开课给出了答案。在上海财经大学的课堂上，蚂小财以AI助教的身份完成了“第一次授课”——协助老师梳理教学重点、自动生成财报、实时回答学生问题，甚至还高效批改了课堂作业。

这不仅是一次技术的展示，更是一种现实的要求。对于金融AI产品来说，要思考的不只是如何做好专家的工具，更需要探索如何成为大众的朋友。这就要求它既有系统知识的专业深度，也要兼顾普通用户的理解门槛。简言之，它不仅要讲明白，而且要讲得清楚、讲得好。

这正是金融AI普惠价值的核心所在。在大模型加速演进的当下，“最强大脑”不再稀缺。真正稀缺的，是将这些技术转化为人人可用的金融服务能力。

近些年来，金融服务虽逐渐走向线上，但大众理财依然面临两大困境：一是内容过于碎片，二是服务缺乏个性。一边是海量信息堆积如山，用户难以辨别何者有用；另一边是统一模板化的服务，忽视了投资这件事天然的“因人而异”。

因此，面向未来，一个理想的金融AI，必须完成从“强大”到“简单”的跃迁：不仅专业，还要好用；不仅智能，还要贴心。正如哈佛商学院执行顾问大卫·C. 埃德尔曼在《个性化：AI时代的客户战略》一书中所说：明天的赢家已经在使用AI释放个性化的潜力，并且在此过程中，他们正在建立新的可持续优势。

如何做到“简单好用”？蚂小财有自己的一些思路。比如在产品的包容性设计上进行了很多“降门槛”的尝试。其中一个典型的场景便是“提问”。

在金融世界里，想清楚“自己要问什么”本身就是有门槛的。一个普通用户，或许只记得“买过一个华夏的基金，大概和消费有关”，却说不出完整名称或代码，更谈不上标准化地表达查询意图。而传统AI往往依赖明确的关键词输入，一旦用户表达模糊，回答也容易失焦。

针对这种“说不清问题、问不出重点”的情况，蚂小财设计了“诊基”功能。用户无需输入冗长复杂的基金名称，只需从自己的持仓或自选列表中点选产品，就能获取关于该基金的结构化分析报告，还可对比两只基金，从风险水平、历史业绩到板块关联，一目了然。这种设计的目标，是降低用户提出高质量问题的门槛，把一个潜在的理财困惑，转化为点一下就能懂的即时体验。

但即使跳过了问题表达，金融术语本身仍是一道难以跨越的理解障碍。面对一个陌生的指标，比如“夏普率”或“波动率”，用户可能连怎么提问都不知道。针对这种“无从开口”的情况，就需要AI产品主动帮助用户理解那些他们“看见但不理解”的东西，实现从效率优先到人文关怀的转变。

为了满足这种需求，蚂小财推出了“哪里不会点哪里”的长按讲解功能。当用户在APP页面浏览基金详情或市场分析时，只需长按某个词汇或图表区域，蚂小财便会自动弹出解释，不仅说明它的含义，还能进一步解释其对投资意味着什么，试图通过这种“无声提问”的方式，让用户的知识疑惑能被即时响应。

与此同时，在信息呈现方式上，通常AI给出的都是“论文式回答”、一大段堆叠信息的回复，而蚂小财则试图从中圈出重点，用图文结合的方式辅助理解，呈现结构清晰、语气亲和的沟通。

类似这样的设计还有不少。这些看似微小的交互细节，实际上构成了一款AI产品简单好用的底层逻辑：不以炫目的AI能力为卖点，而是在真实使用场景中，一点点去解决用户遇到的真实困扰。让那些看起来很专业、很遥远的理财问题，被拆解为一个个容易理解、容易追问、容易行动的环节。

所以，专业并不意味着高高在上，易用也不是降低标准。真正理想的AI理财服务，不是让用户变成半个金融专家，而是让AI成为那个随时随地、主动理解、值得信赖的“理财搭子”。

打造一个可信赖的AI服务产品，往往并非一蹴而就。它既要求对专业性的敬畏，也离不开对人性的理解。尤其是在对专业门槛更高的金融行业，企业所面临的不仅是模型能力的比拼，更是产品理念、工程思维与责任意识的系统博弈。

对于更多希望在AI时代构建服务产品的企业和决策者而言，这或许提供了一种参考思路：技术并不缺席，但最终赢得用户信任的，是将AI嵌入真实场景、回应真实困境的能力。换句话说，越是在技术飞跃的节点，越要回到一个老问题——AI，究竟能为谁解决什么问题，又能以怎样的方式解决。

《哈佛商业评论》中文版新媒体中心 | 文

本案例版权归《哈佛商业评论》中文版新媒体中心所有，如申请使用请联系：newmedia@hbrchina.org 未经授权许可，禁止以任何方式复制、保存、传播、使用本案例或者案例正文中的任何部分

《哈佛商业评论》中文版 联系方式

newmedia@hbrchina.org

免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。

举报

网址：案例精选 https://www.yuejiaxmz.com/news/view/1098877

相关内容

环境优秀改善案例精选30例.pdf
精选酒店个性化服务案例
工业节能精选应用案例
精致生活，简约格调：家居精选装修案例解析
应用心理教学案例精选 41.3元
节日活动策划案例创意精选
装修创意智能设计案例：精选家居设计与实方案
绿色室内设计案例(精选5篇)
教育教学案例分析（精选21篇）
装修网精选案例：创新与环保并重的家居装修方案

随便看看