2024年是证券业的“强监管年”，为提升客户服务水平和规范性，券商亟待引入智能化手段，对庞大的会话数据进行质检分析，洞察业务中的舆情和风险点。

　　质检项单一。无法适配当下券商越来越多元的全渠道服务，不能实时对官网、APP、公众号、小程序、400电话等不同渠道信息进行全量质检，灵活度差。

　　准确率低。小模型智能质检依靠关键词和正则表达式，仅支持单句质检，面对金融服务的复杂流程和逻辑，难以捕捉隐蔽和复杂的违规项。

　　漏检风险大。自然语言的表达方式高度个性化、千人千面。传统质检需要人工对关键词进行扩写，人力难以穷举所有情况，导致漏检。

　　日常使用难。传统小模型需要人工进行复杂的规则梳理配置后，才能进行质检，投入大，周期长。

　　传统智能质检的局限性使得券商难以应对逐渐多元化、精细化的营销与客服场景。容联云认为，质检准确率不高、存在局限，第一是由于质检机器人没有准确理解对话内容；第二是无法对全量会话进行全局统计和深入解读，比如结合上下文后判断。

　　针对该问题，容联云将大小模型结合，创新打造大模型质检代理（容犀Quality Management Agent），对全量会话进行“大模型语义质检+小模型规则质检”，真正实现效果与性能双重保障，并结合多年的证券knowhow，推出“证券行业-大模型质检代理解决方案”。

　　该大模型质检代理（QM Agent）熟练掌握证券专业术语，深入对网开单向见证人工回访、常规存量客户智能外呼回访等业务场景，对服务记录进行全量智能质检，助力券商保障业务流程的合规性与高效性，提升服务质量，优化客户体验。

　　全新大模型质检代理（QM Agent），引入大模型语义分析，以及情绪识别、性别与年龄判定、干扰音判断等多种AI能力，将单句质检升级为全通对话全维度质检，全面监控客服对话质量，及时发现并纠正问题。

　　容联云针对证券行业特色场景，加入证券话术包训练。升级后的证券质检代理，可通过上下文语义理解能力，深入理解客户意图与情感态度，识别更隐蔽和复杂的质检项，如：客户前后回复矛盾、承诺收益、疑似风险点遗漏等，精准捕捉违规内容，质检准确率大于94%。

　　券商可根据业务流程自定义设置大模型质检规则，系统自动监测客服是否遵循既定的服务流程，确保每个环节都符合标准。例如，在开户回访中，系统检测是否完成身份核实、风险提示等关键步骤，保障流程完整性。

　　还可进一步下钻，深入分析坐席话术与客户反馈，识别沟通不畅的节点，优化沟通策略。例如，在客户回访时，客户对客服询问个人情况提出质疑，或不满意，导致回访流程频频中断。同时，检查客服需求引导是否得当，确保沟通顺畅。流程质检的加入，有效将误判率降低至6%以下，漏判率降低至3.5%。

　　考虑到当下券商客户对“降本增效”的需求，容联云打造“大模型语义质检+小模型规则质检”方案，将小模型的性能与大模型的效果优势融合，在针对性强、特定场景交给小模型规则质检，如沉默质检、敏感词质检、情绪监测、正则质检、音量质检、语速质检、强插话质检，在保障效果与性能的同时，还显著降低成本。

　　通过清晰的质检任务看板，任务项与细项一目了然，全程可追溯。运营人员可通过下拉列表快速切换并查看不同任务的质检结果，详细展示每项质检的明细，便于分析和决策。

　　提供直观的复审看板，支持一键定位原文、违规录音位置，使复审工作更加高效。

　　在实际落地使用中，无需技术人员运维，券商业务人员可直接通过自定义的Prompt，灵活设置和调整质检规则，实现个性化的质量管理。

　　该大模型证券质检代理（QM Agent）拥有的自学习能力，会通过持续的标注优化和模型训练，不断提升自身的智能化水平和服务质量，使质检准确率趋于0误判。

　　容联云证券行业大模型质检代理解决方案，致力于将大模型技术融入证券服务的每一个细节，通过大小模型双轮赋能，在保障成本、效率的同时，助力券商更精准的把握客户需求，更有效的管理服务风险，更持续的推动服务创新，最终实现客户满意度的最大化和业务增长的加速。