本次分享将深入探讨小盾未来在金融反欺诈领域的大模型创新实践，聚焦于如何利用前沿的 Agentic AI 技术破解当下金融反欺诈的深层困局。面对交易事前风险渗透隐蔽、事中拦截粗暴低效以及事后洞察不足等痛点，我们将重点分享面向欺诈风控端到端闭环的 Agentic AI 解决方案。该方案以“新一代风险决策智能操作系统”为底座，深度融合关联图谱、时序预测模型与风控知识能力，打造具备自驱式迭代能力的新一代全栈风控 AI 专家。同时，我们将前瞻性展望 GraphRAG 知识拓扑推理、协同运维的能力升级，以及下一代 AI 风控中枢的终局范式，旨在推动金融行业从被动防御向主动智能的跨越式升级，全面筑牢金融安全防线。

演讲提纲：

1. 关于小盾未来
2. 金融反欺诈当下的困局 
   • 交易反欺诈从“事前到事后”全链路短板凸显
   • 交易事前，风险渗透潜移默化
   • 交易事中，粗暴拦截事倍功半
   • 交易事后，洞察不足风险暴露
3. Agentic AI赋能金融反欺诈自驱式生长 
   • 面向欺诈风控端到端闭环式Agentic AI解决方案 //总体框架介绍
   • Agentic AI驱动关联图谱，构筑事前穿透型风险防控新格局 //AI+图谱
   • 时序建模赋能Agentic AI，赋能时序行为深度研判 //基于Transformer架构的预测模型 
   • Agentic AI助力“案件深度洞察”与“欺诈风控新规则”高效萃取 //案调Agent+规则Agent
   • “基础架构+行业微调+知识赋能+Agent执行”垂类实用Agentic AI //总结
4. 总结与展望 
   • 展望一：知链赋能，GraphRAG为Agentic AI构筑知识拓扑推理范式
   • 展望二：摒弃菜单式人工配置，构建 Agentic AI 协同运维范式跃迁
   • 展望三：以主动智能为内核，下一代风控AI中枢的终局范式

听众收益：

• 体系化了解到Agentic AI如何落地到金融反欺诈

本次分享聚焦寿险支付收银台等核心业务系统智能告警实践，围绕 “神盾平台 + AI 巡检” 落地应用，构建覆盖资金、奖品、权益等资产类系统的风险控制体系。通过 AI 巡检智能体实现各平台告警线索统一汇总与智能分析，推动资损防控从 “事后发现” 向 “智能化事前防御” 升级，目前已支撑年化百亿级交易规模的交易及资损风险防控，为寿险业务资产安全提供智能化保障。

演讲摘要：

1. 风控系统演进：从规则引擎到智能风控系统
   • 开场引言：风控缺失案例引发的风控思考
     • 行业及平台风控系统演进
     • 核心痛点：传统风控"烟囱式"架构的局限性及风险升级生态
2. 神盾平台整体架构：面向金融生态的统一风控底座
   • 从价值目标出发的风控理念
   • 从能力、架构、流程看风控设计链路
3. AI巡检智能体：发现/分析/解决风险问题的智能体建设
   • 智能体架构建设：感知、认知、决策、执行
   • Agent设计流程
   • 知识体系建设
4. 风控场景深度实践：场景驱动，工具赋能
   • 三大场景风控举措
   • 风控场景建设策略
5. 未来展望：技术演进与生态共建

听众收益：

• 掌握寿险支付场景神盾平台 + AI 巡检落地架构
• 学会资损防控从事后发现升级事前防御实战方法
• 获取红包雨、权益、奖品等资损风险防控可复用方案

当前数字金融深度迭代，市场竞争加剧、用户需求升级与传统业务瓶颈凸显，拥抱AI大模型已成为银行业数字化转型的必然选择，更是信贷业务提质增效的核心突破口。

本次演讲聚焦大模型对银行信贷的全链路认知重塑与业务变革，拆解四大核心应用场景：依托大模型解放客户经理重复性工作、实现人力减负增效；推动信贷风控从规则化向智能化迭代，提升风险识别精准度；破解数据应用粗放难题，实现数据价值精细化挖掘；平衡信贷客服运营成本与用户服务体验。

立足行业趋势，展望大模型在信贷领域的深度落地方向，预判技术融合、模式创新、合规升级的行业未来，为银行信贷数字化转型升级提供新思路。

演讲提纲：

1. 行业背景：为什么金融必须拥抱大模型?
2. 应用场景：核心信贷场景的大模型应用
   • 客户经理的负担与减负
   • 信贷风控的模式再迭代
   • 数据应用的精细化考验
   • 客服成本与体验的平衡
3. 国内外前沿对比
4. 未来展望

听众收益：

• 了解 AI 大模型如何减轻客户经理重复工作，实现人力减负与业务增效
• 掌握大模型在信贷风控、数据挖掘、客户服务中的应用方法，破解传统业务痛点
• 明晰行业发展趋势，获取银行信贷数字化、合规化转型的新思路

随着内容形态和风险类型持续演化，传统风控体系在语义理解、风险泛化、策略响应和运营效率上面临新的挑战。基于内容 AI+ 的建设实践，我们探索以 AI 引擎为核心底座，引入大模型能力提升内容风险识别与判断能力，并进一步结合 Agent AI 运营升级，推动内容风控从人工驱动的审核运营，走向 AI 驱动的智能治理。

本次分享将重点介绍三方面内容：一是从小模型到大模型的能力演进与训练探索；二是面向内容风控场景构建 AI-Native 风控引擎；三是基于 Multi-Agent 运营架构与 AI 引擎基座，探索内容风控自主发现、自主分析和持续进化的新范式。

演讲提纲：

1. 内容风控智能化转型背景
   • 从传统机审、人审到 AI-Native 风控体系
2. 从小模型到大模型
   • 内容风险识别与语义理解能力升级
3. 构建 AI-Native 内容风控引擎
   • 以 AI 引擎承载策略、模型与审核链路协同
4. Multi-Agent 驱动运营升级
   • 探索内容风控的自主分析与持续进化
5. 总结与展望
   • 下一代内容风控智能化体系建设方向

听众收益：

• 了解内容风控从传统审核模式向 AI-Native 架构升级的整体路径
• 理解大模型、AI 引擎与 Multi-Agent 在内容风控场景中的落地思路