社区

中国电建集团财务有限责任公司（以下简称“电建财务公司”）是中国电力建设集团有限公司的“内部银行”，成立于2015年12月，主要为集团成员企业提供资金集中管理、资金结算、信贷业务、外汇业务等金融服务。公司人员规模不足百人，却掌管数百亿资金，金融属性突出，业务专业性强。

在国务院国资委和电建集团数字化转型升级部署下，电建财务公司提出建设“司库型、数智化、行业一流”财务公司的发展目标，大力推动数字化、智能化建设。

2024年起，公司开始规划AI大模型应用，因担心模型效果不达预期而一直处于调研阶段。2025年DeepSeek等开源大模型能力显著提升后，公司正式启动AI大模型应用项目，与中关村科金开展合作，实现大模型与智能体在电建财务公司内部落地。

01‍ 聚焦三大战略目标，推动大模型落地应用

作为典型的央国企财务公司，电建财务公司落地AI大模型应用时，重点聚焦以下三大战略目标，用以更好地发挥“AI+财务公司”深度融合作用：

首先是工作效率提升。通过筛选出贴合业务实际的AI技术应用场景，助力工作效率提升，减少重复劳动。

其次是经营效能提升。通过充分发挥AI技术的海量数据分析能力、语言解析能力等专业优势，更好地为经营决策提供辅助支撑，提升业务经营效能。

最后是服务提质增效。借助大模型和智能体的拓展应用，践行立足集团、服务集团经营理念，打造全新的数智化金融服务生态，提升金融服务的能力与水平。

最终形成底层可扩展、场景可复制的AI应用范式，实现从技术能力到业务价值的闭环转化，为财务公司数智化转型提供核心驱动力，同时形成可借鉴、可复制的建设成果经验。

02 ‍项目以双平台为核心体系，实现技术到价值闭环落地

整个大模型应用项目的技术架构分成四层，包括国产信创算力底座、多模态模型矩阵、大模型应用开发平台和大模型应用平台。

项目核心构建“大模型应用开发平台+大模型应用平台”双层体系，形成技术到价值的闭环落地。

以中关村科金的得助大模型平台作为能力基座，集成模型全生命周期管理、场景Agent可视化开发、知识库智能管理、数据指标构建及应用多渠道发布等核心功能，实现AI能力的灵活配置与高效沉淀。

大模型应用平台则聚焦用户体验，结合财务场景操作习惯设计轻量化前端界面，通过调用开发平台输出的Agent能力，将知识问答、数据问答、资金计划预测、报告生成等场景应用以友好易用的前端方式呈现，让技术价值直达业务端。

03 ‍夯实底层能力，试点四大高价值场景

在应用场景选择上，电建财务公司与中关村科金基于项目建设目标，结合业务部门当前需求，并参考市面上大模型成熟应用场景，评估出四大高价值场景，作为一期项目落地重点。

第一是企业级知识问答。构建覆盖制度、结算、信贷等专属知识库，支持电建财务公司内部查询，并面向集团成员单位提供业务咨询。

第二是资金数据问答。采用NL2Metric2SQL技术路线，通过企业数据库接入、指标构建、数据建模，结合大语言模型能力，实现高准确率数据问答，并可实现数据趋势、归因分析，生成数据总结报告。相比于常见的NL2SQL技术路线，具备跨表数据查询能力、准确率高等特点。

第三是资金计划预测。使用金融数据仓库中近3年的历史数据，运用时序大模型、回归预测模型、RNN模型等对其进行数据分析、训练，并通过预测结果整合、修正，输出预测结果，项目实现20余项数据指标的较高准确率预测。

第四是信贷报告智能写作。将整个信贷报告拆解为12个子章节，每个章节构建单独的子智能体模块，每个模块通过自动调用信贷数据、企查查等公域信息，生成高质量的信贷报告。

在一期项目建设过程中，电建财务公司同步开展了底层数据治理工作，对业务系统中的结构化数据和制度文件等非结构化数据进行了系统梳理、清洗、标注和知识化处理。

这一工作虽然并非一期的主要建设目标，但被明确列为重要配套举措，其核心目的是夯实AI应用的底层数据基础，为后续场景的深化与拓展提供高质量、可复用的数据支撑。

一期项目的落地实践，提升了业务部门对AI大模型的应用价值认知。过去业务部门人员普遍不清楚AI到底能如何与自身具体工作结合，经过亲身参与场景设计、智能体构建以及实际演示后，业务部门人员清晰地看到了AI的真实价值。这种认知飞跃直接引发了业务需求端的爆发式增长。

04‍ 应用效果当前以工作提效为主，后续会挖掘业务增量价值

从落地效果来看，一期落地场景主要是通过工作效率、经营质效提升为核心维度。通过AI赋能，显著减少了业务人员的重复性劳动，大幅提升了工作效率。

从四大业务场景来看，企业级知识问答场景，知识获取效率提升85%以上，员工查询业务知识平均耗时缩短至分钟级。

信贷报告智能撰写场景，信贷报告单份报告初稿生成时间缩短至2小时。

资金数据问答场景，数据获取效率提升85%以上，跨系统数据汇总缩短至10分钟；

资金计划预测场景，资金计划预测实现实时更新，部分重复性统计工作完全替代人工。

在后续项目场景建设时，收益评估维度进一步从降本提效转向业务增量价值。

同时，后续项目还会构建了存贷联动、智能营销等场景，通过AI从海量历史数据中自动发现规律、洞察潜在贷款需求，并实现对成员单位的主动触达，真正实现了从被动响应到主动经营的转变，创造了显著的业务增量价值。

05‍ 专班机制保证项目成功落地

大模型项目中普遍存在的业务协同难问题，即使有最高管理层挂帅，也经常会出现项目推进困难等问题。

电建财务公司专门组建了跨部门大模型AI应用专班的工作机制。专班实行“部门负责人+业务骨干”双人制，每个业务部门均选派1名负责人和1名熟悉一线业务的骨干员工共同参与。专班成员从项目前期厂家调研、需求收集梳理开始，全程深度介入项目实施的各个环节，包括每周例会、业务经验输入、阶段性成果评审以及最终的培训与验收，确保技术方案与业务实际需求实现真正的深度融合。

为保障专班成员真正发挥作用，公司同步建立了多层次的管理激励与约束机制。第一是将专班参与度明确纳入部门和个人KPI考核，成为硬性绩效指标；第二是制定内部规章制度，明确规定凡涉及本部门业务场景的周会，专班成员必须全程参加；第三是公司领导定期参加项目关键会议，亲自听取汇报并进行指导，极大提升了全员重视程度和执行力。

与此同时，公司还组织开展了系统化的全员培训与阶段性成果汇报活动，共举办约10余节专题培训课程，重点围绕低代码智能体构建、提示词工程等实用技能展开。

培训贯穿项目始终，并设置了两次高规格阶段性汇报：第一次汇报要求专班成员结合自身岗位，制作PPT讲述AI在工作和生活中的赋能故事；第二次汇报则要求各业务部门在平台上独立搭建一个完整业务场景，并进行思路阐述、技术方案说明、难点分析以及现场演示。

通过制度保障、KPI驱动、培训激励与成果汇报的组合机制，电建财务公司项目成功实现了从“科技部门单兵作战”到“全业务部门主动参与”的根本转变，有效解决了业务协同难题，为项目高质量落地和持续迭代提供了坚实的组织基础。这一专班机制也成为电建财务公司在央国企AI落地实践中最具借鉴价值的成功经验之一。

本文来自爱分析ifenxi（北京爱分析科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。