1 痛点：信贷业务流程大致可以分为立项、尽调、审批、核保放款这五个阶段，从业务侧来说主要的痛点问题就是尽调用时较长，尽调的用时往往占到了整体业务耗时的30%左右，这个问题的主要原因是业务人员需要进行线下的调研，同时和我们的客户进行反复的沟通拜访，手工撰写调查报告。并且在调查报告的撰写过程中需要从复杂的信息渠道中整合大量数据，效率较低，分析决策比较困难。 2 整体规划： （1）应用流程挖掘技术开始对对公信贷流程进行体系化的优化提升和科技赋能。流程挖掘技术它可以通过系统中的流程日志将真实的业务流程还原出来，我们通过对信贷流程的挖掘分析明确了业务的实际耗时，同时也发现了一些流程的堵点，在技术赋能方面通过实现财报识别、流水分析、RPA等智能应用加速了业务流转提升了业务效率。 （2）丰富的数据是整个智能服务的基础。我们整合了信贷、征信、反洗钱等行内系统数据，同时补充了大量的外部数据作为系统的数据支撑，客户经理在对接客户的过程中也会获取到非常多的客户离线数据，像公司的年报、审计材料、项目材料等，我们也提供了这些材料的解析和知识沉淀的能力，为整体信贷业务提供知识支撑。利用RAG、OCR、nlp小模型等从离线数据（包括：word，excle，pdf，图片）中提取信息建立知识库。 （3）依托大模型分析生成能力，自动生成信贷尽贷报告。我们已经制定了尽调报告总生成率达70%的目标，为了实现这样的目标我们也对行内的尽调模板进行了梳理分析，我们把尽调报告的内容大体分为了两类，第一类是客观数据，也就是财报、征信等等的指标数据以及工商、涉诉等这样的结构化数据，对于这些客观数据我通过多元数据的整合进行自动化的填充，同时嵌入计算规则保证数据准确性。第二类呢就是主观分析数据，这部分内容指的是要依据上面的这些客观的指标和结构化字段进行主观分析的部分，这一块就需要借助大模型生成和推理的能力对客观指标进行分析，协助一线业务人员完成尽调报告财务、风险、经营等内容分析，得到初步分析内容和结论，降低报告撰写难度。