9月9日，金智维证券业流程智能体最佳实践研讨会在云南昆明举行，来自证券行业的专家与客户代表齐聚一堂，围绕大模型时代RPA价值重估、证券行业AI落地实践，以及通用智能体与金融执行能力如何协同等议题展开深入交流。

随着大模型的理解、推理与规划能力持续提升，证券行业对AI的期待正不断向业务纵深延伸，而越接近核心业务，对准确性、稳定性、权限边界、过程审计和责任可追溯的要求也越高。对此，金智维董事长廖万里在致辞中提到，当AI开始从“回答问题”走向“完成任务”，RPA的价值也正在被重新认识。 大模型擅长理解、分析和规划，RPA则承接系统操作、流程执行与异常管控，两类能力协同，才能推动AI进一步进入真实业务流程。思考力与执行力的融合，成为大模型时代RPA新的起点。

围绕这一主题，金智维结合十余年金融行业实践，从技术演进、行业落地和生态协同三个层面，分享了对证券流程智能体的最新思考与实践。

一、从模型能力走向执行能力

会上，金智维首席AI科学家胡箐发表了《可治理的执行层——AI演进趋势与RPA的价值重估》主题分享。

随着基础模型能力快速普及，企业AI应用之间的差距，越来越多地体现在模型之外，一项业务真正交给AI完成，需要流程、工具、知识与可控四类能力共同支撑。

以证券开户适当性核验为例，AI既要知道任务按照什么顺序完成，也要能够进入不同业务系统获取资料；既要理解适当性规则和风险等级口径，还要在关键节点保留人工复核、操作留痕和责任追溯。这四项能力共同构成了智能体进入证券生产环境的基础。

与此同时，RPA在智能体时代也拥有了新的定位。对于清算对账、监管报送等确定性要求较高的业务，固化流程依然具备稳定、快速、可复现的优势；面对材料核验、信息抽取等存在一定变化的任务，可以由智能体动态调用经过验证的技能；在更加开放的任务中，则可以采用Agent Loop进行动态规划。

这三种形态对应不同的业务需求，但最终都需要可靠的执行能力来承接。尤其面对证券机构内部大量缺少API的存量系统，RPA仍然承担着连接业务系统、执行确定性操作的重要作用。已有流程还可以进一步封装为Skill、MCP等标准能力，成为企业智能体可以持续调用的执行资产。

多年积累的RPA并没有因为智能体出现而失去价值，它正在成为企业智能体进入真实业务的一层重要底座。

二、从单点应用走向完整业务

围绕证券行业AI如何真正进入业务，金智维AI产品部彭傲立在《证券行业AI落地：观察、实例与解决方案》主题分享中，从行业趋势、客户实践到具体解决方案进行了系统拆解。

金融AI正在逐步从知识查询、内容生成等单点辅助，延伸至研究分析、客户服务、运营管理等完整工作链条。与此同时，数据治理、权限、安全、人工复核与审计机制始终与AI能力同步建设。

这一方向，在金智维服务的国内券商客户中也已经形成了清晰实践。以某证券公司为例，其AI建设是在既有数字化基础上逐层演进的，前期积累的大量RPA自动化能力负责连接系统和执行流程，文本能力持续沉淀业务规则与模板，再通过智能体平台将大模型、知识、工具和业务步骤组织起来，让AI逐步进入更加完整的业务任务。

在这样的业务链条中，不同能力承担不同职责。RPA/API负责授权取数和系统操作，文档解析与规则能力负责事实整理和口径校验，大模型用于材料理解、信息归纳和草稿生成，关键数字、业务规则与最终结论则由规则机制和业务人员共同把关。这样既能发挥大模型处理非结构化信息的优势，也能避免把确定性要求交给概率模型处理。

彭傲立还进一步谈到证券AI项目最实际的几个问题：法规和质控边界怎么定，专业知识和业务流程怎么拆，岗位中的真实卡点在哪里，模型、规则、自动化工具和人工节点如何分工，以及项目上线后如何持续验证实际效果和ROI。

金智维目前的金融AI落地方法，也正是沿着这套业务逻辑展开，从法规与质控要求、专业业务逻辑和岗位真实工作流出发，逐步梳理需求、明确能力边界，并围绕完整流程组合方案。

目前金智维这一金融业务智能化能力体系已经覆盖金融尽调、信贷、金融市场、资产托管、固收一二级、财富管理、清算运营、智能运维等复杂金融业务场景。

从单点AI工具走向流程智能体，证券AI的价值也随之从个人效率提升，进一步延伸到专业流程交付效率、质量稳定性和组织协同能力的提升。

三、从单一智能体走向混合协同

随着WorkBuddy等通用智能体快速进入办公场景，企业AI入口正在变得越来越丰富。对于证券机构而言，办公入口之外，还存在大量运行在生产网、核心业务系统和专业流程中的任务，这些场景对执行可靠性、权限控制和业务留痕提出了更高要求。

会上，金智维AI产品总监李佳蓉在现场分享了金智维×腾讯云WorkBuddy“混合智能体”的探索。

从能力分工来看，WorkBuddy具备统一办公入口、内容处理和通用任务编排等能力。金智维则长期沉淀于金融生产系统连接、确定性流程执行、规则校验以及业务过程治理等环节。双方可以通过Connector、Skill等方式进行能力连接，在同一条任务链中完成协同。

以现场展示的机构开户流程为例，客户资料理解与整理、材料核验、资质查询、账户处理、通知与归档等环节，可以根据任务特点，分别由通用智能体、专业执行能力和人工节点承接。通用智能体负责入口与交互，专业能力负责进入业务系统并稳定执行，涉及高风险操作或最终业务判断时，再由人工确认。

这样的组合，让模型能力与执行能力、云端入口与企业内网、通用能力与金融专业能力可以在一条任务链中衔接起来。

对于已经长期推进数字化建设的证券机构而言，这种架构也意味着已有资产可以继续复用。过去沉淀下来的RPA流程、系统连接、业务规则和权限体系，可以进一步转化为智能体可调用的能力，让新的AI入口建立在既有数字化基础之上。

四、从效率提升走向智能生产力

从RPA、APA到流程智能体，技术形态持续演进，证券行业对AI的要求也在不断清晰。

AI需要具备更强的理解和规划能力，也需要能够真正连接业务系统、遵循专业规则、接受人工监督，并留下完整可信的执行记录。只有这些能力共同进入业务流程，AI才能稳定服务于证券机构的生产经营。对证券行业而言，智能化带来的价值，也正在从单点效率提升，延伸到专业能力复用、流程质量提升、组织协同优化和客户服务升级。

面向未来，金智维将继续深耕金融行业，与更多证券机构共同推动AI数字员工和企业级智能体深入真实业务场景，让智能技术在合规、稳健的基础上，持续转化为证券机构的业务生产力与长期竞争力。

阅读原文以可执行、可治理的AI能力，助力证券机构加快流程智能化升级

—.大家都在看.—02·落到证券金融的那一圈就是四件事一一少一块，整桶就漏以“让AI写一份投行尽职调查报告”为例流程拉财务/工商/司法/舆情→取数→套投行尽调底稿模板工具连得进券商内部业务系统，也连得进工商、司法、舆情等外部渠道实位知识投行政策法规、公司制度、监管报送口径可控关键结论人工复核、全程留