券商智能体原子化接入

把智能体能力拆解为原子能力嵌入既有业务系统，从工作流与 Bad Case 中挖掘需求，从中后台运营向展业突破。

能力亮点： 原子能力嵌入

行业： 财务与金融　适合参考的团队： 证券公司、金融企业中后台运营与信息技术团队

东北证券。某券商，高合规要求，业务系统多元、接口难以按固定规则改造。

原来的业务问题

券商的困境很典型：一刀切的系统改造成本高，也难以贴合一线员工的真实生产力诉求。更微妙的是需求侧——直接问业务"你想要什么"，往往问不出真问题；一线说出来的需求要么太大，要么太空，落不了地。

团队很快发现，真问题藏在 Bad Case 里：员工绕开现有工具用土办法干活的地方，机器人答错被吐槽的地方，恰恰是高价值场景所在。而这些线索，此前的需求调研几乎全部漏掉了。

策略：从中后台运营管理向前台展业突破、从试点走向规模化；上半年引入平台，已把数据中台数据 API 与企业知识库统一对接

需求挖掘方法（客户 AI 负责人分享）：不让业务直接提需求，而是问三个问题——平时工作怎么干/人是怎样完成这件事/难点在哪里；特别关注 Bad Case

方案：把智能体能力"拆散打碎"为原子能力，像积木一样融入现有系统；通过统一门户发布或直接嵌入官网/小程序/业务系统

数据治理与权限管控达内外部（监管）要求

腾讯云 ADP；以该案例披露的知识、智能体及业务接入范围为准。

量化：智能体整体准确率 90%+（客户现场分享，不构成普遍效果承诺）

指标	项目结果
智能体整体准确率	90% 以上

披露范围： 项目披露的应用实践。结果采用该项目披露的口径；未公开的实施周期、验收样本和接口细节不作推断。

证券金融行业合规要求高，业务系统多元且接口难以按固定规则改造；一刀切的系统改造成本高，也难以贴合一线员工的真实生产力诉求；场景需求直接问业务往往问不出真问题。

投资建议与合规判断由持牌人员负责；高合规场景的数据权限与留痕按监管要求执行；场景扩展以 Bad Case 治理驱动。

如评估同类项目，可以先核对：

以上为同类业务的实施建议，需结合实际数据、系统条件和产品授权验证。

你的业务也有相近问题？

了解易尚云如何梳理流程、验证样本、配置开发与培训交接。