内部培训材料
让AI成为你的能力放大器
银行AI工具应用 · 实战培训
⏱  培训时长：1-2小时
👥  适用岗位：全员
AI
本次培训目标
了解大模型的真实局限性，
知道在银行场景里实操能做什么
不是这次的目标
不讲AI会取代谁
不讲技术原理
不给你一个万能答案
带走的东西：一个认知 + 一套方法
前言 · 破冰
用过AI，但感觉没什么用？↓ 点击看你中了几条
02/26
😤 "AI给的答案太废话了"
点击展开，看根本原因 →
为什么：你给的信息不够，AI只能往最通用的方向走。
本质：输入质量决定输出质量，这是AI的底层逻辑。
😕 "复杂的事AI就搞不定"
点击展开，看根本原因 →
为什么：你把一个大任务一次性扔给AI，它没法处理。
本质：AI需要分步骤喂，不是一问到底。
🤔 "每次都要重新解释一遍"
点击展开，看根本原因 →
为什么：AI没有记忆，新对话就是全新开始，它不认识你。
本质：需要建立"知识库前缀"，把背景固化下来。
📝 "写出来的文案没有用"
点击展开，看根本原因 →
为什么：没给AI参照案例，它只能输出行业平均水平。
本质：AI学的是你给它的例子，没有例子就没有风格。
前言 · 破冰
为什么你感觉AI不好用？只有两个原因
03/29
80%
你的问题问得不够好
AI的输出质量，直接由你的输入质量决定。你说得越模糊，AI给的越通用；你说得越具体，AI给的越贴近你的需求。

这是今天主要输出内容。
20%
你确实碰到了AI的局限性
AI有真实的边界，这些局限是客观存在的，但大部分都有绕开的方法。

下一页展开说。
今天解决的就是这两件事——让你会问，让你知道边界在哪。
前言 · 破冰
那20%的局限性，具体是什么↓ 点击翻面
04/29
技术层 · 有具体解法
🎭
幻觉：会编数据
翻面看解法
AI凭感觉生成数字
给你一个听起来专业的数字，可能完全是编的。说对说错语气一样。
解法：所有数字必须人工核查，不能直接用。
🧠
无记忆：每次重置
翻面看解法
新对话就是陌生人
不记得上次说过什么，这是机制不是bug，所以每次都要重新解释背景。
解法：建立固定背景前缀，每次粘贴进去。
📅
知识有截止日期
翻面看解法
最新信息它不知道
监管新规、最新产品条款、最近市场变化——AI给的可能是半年前的信息。
解法：利率、合规政策以行内系统为准。
能力层 · 需要人来补
🔮
结论对，过程可能错
翻面
理财配置建议听起来专业
你把客户基本情况告诉AI，它给出"建议配置中等风险产品"。听起来合理，但它没考虑这个客户刚换工作、近期有大额支出——它在套模板，不是真的在算。
🏛️
只写"正确答案"
翻面
汇报没往行长关注点上靠
你让AI写月度汇报，它把完成率不好的指标直接点出来。但你知道行长最近在推新项目，汇报要往重点项目上靠——AI不知道这层，只写"正确的汇报"。
🗂️
给的是通用答案
翻面
客户维护建议像销售手册
存量客户50万存款半年没动，让AI出维护建议——节日问候、推荐产品、邀请活动……全是通用套路。AI不知道这个客户做什么生意、资金从哪来、跟你关系怎样。
📋
全行材料越写越像
翻面
行长说"看不出你们有啥不同"
你用AI写的季度总结结构清晰、语言流畅，但行长看了几个支行的材料后说："都差不多，看不出你们支行自己的东西。"全行都在用AI，风格越来越雷同。
💡 技术层的问题有解法可以绕开；能力层的问题需要人来补——这就是为什么AI是放大器，不是替代者。
第一章
AI在银行工作中的
真实角色
知道了AI做不了什么，再来看它真正能做什么。两件事放在一起，你才能用对它。
⏱ 约5-10分钟
一
第一章 · 认知
AI是能力放大器：这三件事上，你的工作会变得不一样
06/29
点击切换视角：
← 点击看变化
写材料
😓 以前
领导开了个会，要整理成讲话稿。桌上是手写笔记、40分钟录音、几篇行业报告——三样东西说的不完全一致。

不知道从哪里下手，先看笔记还是先听录音？花了一小时，Word里还只有一个标题。
分析问题
😓 以前
三方理财流向蚂蚁的金额又高了，行长问：为什么客户跑去蚂蚁买？

你心里有感觉——收益高、操作方便、年轻客户习惯手机。但说不清这几个原因的关系，哪个主要、哪个是结构性问题。写出来一段话，没有层次。
重复工作
😓 以前
中秋快到了，要给私行客户发节日问候顺带推理财。打开手机盯着输入框想了五分钟——说祝福语太俗，直接说产品又太生硬。

上次国庆发的那条效果也一般，也不知道哪里出了问题。
核心认知：AI ≠ 替你干活，而是让你"像更高级的人一样干活"。你的判断、经验和客户关系，AI永远替代不了。
第一章 · 认知
银行员工三类工作，AI分别能帮什么
06/26
工作类型占比AI能做什么人必须做什么
文件撰写
报告、PPT、材料		40%生成初稿、调整格式、润色语言判断方向、审核准确性、确认合规
分析判断
数据解读、经营分析		30%提供分析框架、多角度拆解、结构化呈现提供业务背景、做最终判断、识别异常
日常经营
文案、话术、活动页面		30%批量生成文案、提供话术选项（需给参照案例）把控调性、合规审查、对客关系维护
柜员/客户经理
话术模板、文案生成、快速起草回复
支行长/主管
经营简报、演讲稿、向上汇报材料
总行职能部门
政策解读、领导演讲稿、经营分析Word
第二章
用好AI的
核心方法
说清楚你要什么，AI才能给你想要的。不需要固定格式，自然语言就行——关键是把背景、受众、结构说清楚。
⏱ 约20-30分钟
二
第二章 · 方法
怎么说，决定AI给什么：从模糊到准确
场景：你在给一家城商行做长尾客户AUM提升项目，每两周要向总行零售条线负责人汇报项目进展，需要做一个PPT大纲。
模糊表达
"我在给银行做一个长尾客户的项目，下周要汇报项目进展，帮我写一个PPT大纲"
AI不知道的东西：
❌ 汇报给谁看、他关注什么
❌ 这次汇报的重点结构是什么
❌ 项目到哪个阶段了
❌ 要几页、什么风格
结果：AI给你一个通用项目汇报模板，套哪个项目都能用，也就是对哪个项目都没用。
准确表达
自然语言版（推荐日常使用）
我在给一家城商行做长尾客户经营项目，目标是提升AUM和客户活跃度。明天要做双周例会汇报，听众是总行零售条线负责人和几个分行行长。

这次汇报的重点是：整体项目业绩（总行层面和分行层面分开说）、本期跑出来的优秀策略、以及下一步计划。数据我来填，你帮我搭一个PPT大纲，每页给标题和2~3个要点，约8页，语气专业。
💡 两种写法效果基本一样——自然语言写起来快，格式化方便下次复用。核心是说清楚：给谁看、要什么结构、数据你来填。AI搭骨架，内容还是你的。
第二章 · 方法
第一稿出来了，然后怎么接着说
迭代只有两个方向：往里收（约束） 或 往外展（发散）。搞清楚你现在需要哪个，对话效率翻倍。
↓ 收敛 · 往里收
输出太通用、跑偏、语气不对时用
1
加约束：太通用 → 指定范围、加细节
"优秀策略那页，针对城商行写，别写大道理"
2
直接纠偏：跑偏 → 说清楚不要什么
"行长先看结论，把结论页提到最前面"
3
给示范：风格不对 → 贴一个例子让它学
"问题描述改成这个口吻：'[贴你想要的例句]'"
↑ 发散 · 往外展
方向对但不够用时
4
要多个版本来选：出3个你选1个，比反复描述高效
"给我3个不同风格的结论标题，我来选"
5
要衍生版本：说清楚新的用途
"再给我100字群播报版，发项目群用"
进阶技巧 ↓ 点击展开
📎 给示例对齐风格（Few-shot）
贴2~3条你们行之前的优质材料，说"请按这个风格来写"。

AI学的是你给它的例子。有了参照，比说"专业一点"有效10倍。
🚫 给反例排除（负向约束）
"不要写成流水账""不要每条都以本期开头""不要用套话"

排除比描述更快锁定目标。说清楚不要什么，往往比描述要什么更精准。
🪜 先提纲再展开（分步走）
"先给我8页PPT的框架，我确认后再展开每一页。"

框架确认了，展开的内容返工率极低。避免写了大量内容后发现方向不对。
🔍 让AI解释它的逻辑
"你为什么这样组织这个结构？"

AI的解释帮你判断思路对不对，比重新猜它在想什么更高效。发现逻辑漏洞，直接指出来让它改。
第二章 · 方法
人机分工：谁做什么，以及一个重要提醒
🤖 AI 真正擅长的
把你的零散信息整理成清晰的结构
格式固定、内容重复的材料快速生成初稿
给你列出多个角度和可能性，供你筛选
文字润色、调整语气、翻译改写
👤 人无法被替代的
判断方向对不对、结论是否符合你行实际
理解行内文化、领导偏好、潜规则
合规边界判断、敏感信息识别
客户关系维护、信任建立、现场判断
标准工作流
你
提供背景
和要求
→
AI
生成初稿
或框架
→
你
判断方向
指出问题
→
AI
修改迭代
1~3轮
→
你
审核判断
补充细节
→
最终输出
你的判断
在里面
~30%
AI的贡献
AI最终输出，顶多是你整体工作的30%
AI能给你的是结构、初稿、格式化的部分。但你的整体工作里还有大量是：判断背景对不对、理解行内语境、合规核查、向上管理的分寸、客户关系维护——这些是AI现阶段做不到的，也不会更多。
这是定制化的、零散的非产品开发需求——AI替代不了你，只是让那30%变得更快、更好。
第三章
银行场景
实战案例
在看案例之前，先记住这五个案例背后用的都是同一套方法。
✂️
拆任务
把大任务切成
小的、边界清晰的块
→
⚙️
分步给AI
每次只给一块
先框架后细节
→
🧠
你来整合
加入你的判断
补上AI不知道的
→
✅
最终输出
你的判断
在里面
AI处理小任务的质量远高于大任务。任务越拆越细，你的控制越多，输出越可用。
背后的方法论名字
任务分解：把一个大任务切成多个边界清晰的小块，分别处理，质量更可控
提示链：每一步的输出作为下一步的输入，环环相扣，最终整合成完整结果
你不需要记这两个词，但知道背后有这套逻辑，面对任何复杂任务都能举一反三。
⏱ 约30-45分钟
三
第三章 · 文件撰写 · 案例A
领导发言稿：项目启动 / 阶段总结
你 · 准备素材
① 把启动会的背景写下来：什么项目、为什么做、目标是什么
② 整理领导手写笔记或录音要点（杂乱没关系）
③ 标注：领导讲话习惯（问题导向/高屋建瓴）、时长要求、听众是谁
AI · 生成骨架
输入素材后，让AI先输出结构：
"先给我一个3分钟发言的框架，不要展开，只要每段的核心意思"

→ 确认结构后，再让AI逐段展开
你 · 注入灵魂
AI给的是通用骨架，你要加的是：
① 领导的原话金句（照搬进去）
② 行内具体数据（普惠贷款增长X%）
③ 当下的政策信号（近期上面在强调什么）
④ 领导风格的语气微调
AI给了30%，接下来你要做的
逐句审读——AI写的每一句，想一下领导会不会说这个词；核查所有数字和政策表述是否准确；把AI没有的背景信息填进去。这篇稿子最终能不能用，取决于你补充的那70%。
💡 小技巧：给AI看一篇领导之前的讲话稿作为风格参照，说"请用相同的语气和句式结构"。有了参照，AI给的语气会贴近得多，你后期微调的工作量减少一半。
效果对比
以前
盯着录音和笔记不知道从哪下手，花2小时写出来自己都觉得逻辑不清楚
用了AI之后
30分钟出可用初稿。你的时间全部用在"填内容和判断"，不再用在"想结构"
第三章 · 文件撰写 · 案例B
PPT制作：领导汇报用
AI · 先出页面级大纲
"季度财富专题专项汇报，8页，受众是分行行长，他最关注完成率和亮点举措。帮我列每一页的标题和3条以内的核心要点，数据位置留空"

→ 确认大纲后再逐页写文案
你 · 逐页确认填内容
大纲出来后：
① 确认每页逻辑对不对
② 把真实数据填入标注位置
③ 对需要调整的页面说明修改意图，让AI重写

"第3页拓客成效，数据是X户，同比+Y%，帮我重写要点"
你 · 排版呈现
文案确认后：
① 把AI的文案复制进PPT模板
② 自己补充图表和数据可视化
③ 调整视觉层次和重点标注

AI负责"写什么"，你负责"怎么呈现"
AI给了30%，接下来你要做的
AI给的是内容骨架，不是完成品。图表、数据可视化、视觉重点都需要你来完成。另外：AI不知道行长当天的关注点、最近行里发生了什么——这些背景信息你要主动加进去，否则汇报就是在背数字，而不是在讲判断。
💡 小技巧：AI一键生成PPT的工具（豆包、NotebookLM等）视觉上可以给你一定构图参考，文案排版以及文字总结是提供思路不是最终定稿。领导汇报用的PPT，内容必须你来主导，AI只是帮你组织结构和文案。
效果对比
以前
不知道怎么开始，脑中有想法，但不成体系
用了AI之后
有框架后填内容，缩减制作时间，逻辑结构可快速形成，辅助内容可给最终答案一定指导
第三章 · 实战案例 · 案例C
会议纪要：从录音和手记到正式文档
你 · 整理原始素材
会议结束后：
① 用手机录音工具转成文字稿（先不用管准确性）
② 补充你手记的关键点
③ 脱敏处理（客户名改成"某客户"）
→ 素材越完整，AI整理越准
AI · 结构化输出
把素材给AI，说明格式要求：
"这是一次零售条线月度例会的记录，帮我整理成：会议主题 / 参会人员 / 讨论要点 / 决议事项 / 责任人和时间节点"

→ 5分钟输出结构化纪要初稿
你 · 核查确认
重点检查三处：
① 决议事项是否准确、完整
② 责任人和时间节点是否明确
③ 措辞是否符合内部文件要求

→ 确认后发给参会人确认，或直接归档
AI给了30%，接下来你要做的
AI只能整理你给它的信息——如果你的录音里有口语化表达或者说的不完整，AI整理出来也会有漏洞。决议事项这一块最重要，AI可能会漏掉或者表述模糊，必须你来核实每一条。
💡 小技巧：给AI一个你们行标准的会议纪要模板作为参照，说"请按照这个格式整理"。AI的输出格式会直接对齐你们行的规范，省掉后期格式调整的时间。
效果对比
以前
当天晚上熬夜整理，格式也不统一，决议项漏掉了还要补
用了AI之后
会后20分钟搞定。高频、重复性强，是AI最容易见效的场景之一
第三章 · 日常经营 · 案例D
企微定制消息：存量客户理财到期提醒+续购引导
你 · 准备客户信息
关键信息（脱敏后输入AI）：
① 理财产品到期日、金额量级
② 客户画像：年龄、职业、风险偏好
③ 你们的关系状态：熟悉程度、上次沟通时间
④ 续购产品和大致利率区间
AI · 生成多版本
让AI一次给3个版本：
"帮我写3条企微消息：一条关怀型（不提产品），一条利益型（强调收益），一条时机型（强调窗口期）。语气要像朋友，不要像发公告，控制在80字以内"
你 · 选择和个性化
选最适合这个客户的，然后：
① 把真实产品名称和利率填进去
② 加你们才知道的细节（"上次你说想配置稳健的…"）
③ 调整语气让它更像你平时说话的方式
AI给了30%，接下来你要做的
AI给的是模板，你要加的是"人情味"——那句只有你们才知道的细节、你对这个客户当前资金需求的判断、发送时机的选择（是现在发还是等到快到期前两天）。这些决定了这条消息是被忽略还是被回复。
💡 小技巧：给AI看2~3条你之前发过的、你接受同业觉得好的、客户回复率比较好的消息作为参照，说"请用类似的语气和长度"。风格对齐后，AI生成的消息会比通用模板贴近你的真实沟通风格。
AI输出示例
关怀型
王总，您上期的理财下周到期了，资金有安排了吗？有空聊聊
利益型
王总，您那笔快到期了。续上的话现在有个年化X%的，比上期还高一点，您要不要先了解下？
时机型
王总，这个利率窗口估计就这几天，您那笔到期正好卡上，要不要先锁一下？
第三章 · 内容运营 · 案例E
内容运营：和设计团队高效协作
你 · 收集好例子
找3～5个你觉得"就是这个感觉"的同类页面——竞品的落地页、首页弹窗、轮播广告。

把这些页面的文字内容整理出来给AI。不需要多，找你看了就觉得对的。
AI · 提炼结构规律
"帮我分析这几个页面的共同结构：主标题怎么写、利益点如何排优先级、风险提示怎么处理、文案的规律是什么、设计风格优势。"

→ AI把你隐约觉得"好"的东西显性化，变成可执行的结构清单
你 · 补充行内知识
AI总结的是通用规律，你来补充只有你知道的：
① 哪些词合规不能用（"保证收益"等）
② 我们行目标客群的特点
③ 这个产品的核心卖点优先级
④ 视觉风格和品牌调性要求
AI给了30%，接下来你要做的
需求文档出来后，还有两件事：① 把合规要求和产品细节加进去，AI总结的是通用规律，不包含你们行的具体限制；② 设计团队交稿后，把文案再给AI做一遍检查——"这段文案有没有违反银行理财宣传规范，对我们的目标客群是否合适"。这一遍审核能帮你在上线前发现大部分问题。
💡 小技巧：先让AI总结好例子的结构，再出需求文档。AI学的是你给它的例子——有了参照，给设计团队的需求说得清楚，返稿从3~4轮降到1~2轮。
需求文档的两层结构
AI提炼的通用结构
主标题写法
利益点排序逻辑
风险提示位置
文案规律
设计风格
你补充的行内专有知识
禁忌词清单
目标客群说明
产品卖点优先级
设计约束
第四章
合规与边界：
什么能做，什么不能做，怎么选择
知道不同产品边界在哪，知道怎么选择。
⏱ 约15分钟
四
第四章 · 合规与边界
数据安全：为什么不能输入，以及会怎么泄露
① 你的输入被用来训练模型
大部分公开AI默认设置是：你输入的内容可能用于改进模型。"客户张三，余额50万，有转移意向"输进去，这条信息就有可能进入训练数据，被模型记住。
② 训练数据提取攻击（你说的那个）
有人用特定方式反复追问模型，能把它"记住"的训练数据逼出来——研究已经证明这类攻击有效。你输入的客户信息，可能被别人从模型里"蒸馏"出来。
③ 对话记录存在境外服务器
ChatGPT、Claude等公开AI的对话记录存储在境外。理论上可能被服务商员工访问、司法调取、或服务商遭攻击后泄露。
④ 软泄露（最难察觉）
AI在和其他用户对话时，可能把你之前输入的信息以改写方式"不小心"说出来——用类似的句式、提及类似场景。不是黑客，不会报警，但真实发生。
数据类型公开AI
客户姓名 / 账号 / 余额❌ 禁止
内部经营数据（含行名）❌ 禁止
脱敏后的数据分析✅ 可以
营销文案/话术模板✅ 可以
🛡️ 脱敏替换法：
"张三，余额50万" → "某客户，余额X万"
把真实信息替换成占位符再输入，既能用AI，又不违规。这是最简单有效的操作。
涉及客户信息的工作，只用行内私有化AI。数据不出行内网络，这四种风险都不存在。
第四章 · 合规与边界
大模型 ≠ Chatbot：三件你必须知道的事
① 大模型是引擎，Chatbot是界面
你每天打开的对话框是 Chatbot，背后驱动它的是大模型。同一个大模型可以做成很多不同的Chatbot，决定AI能做多少的是模型，决定用起来顺不顺的是Chatbot。
② 封装层会主动限制模型能力
每个Chatbot上线前都已给模型加了限制——什么能说、什么范围内回答。行内私有化AI尤其明显，IT为了安全会关掉很多功能。你感觉行内AI不好用，很可能不是模型差，是被限速了。
③ 很多"新AI产品"只是换了个壳
市面上大量"AI写作助手""AI客服""AI助理"，打开看底层都是调的 DeepSeek 或通义的 API，套了个自己的界面和名字就发布了。别被营销迷惑——先问底层用的是什么模型。
💡 遇到任何AI产品，先问两个问题：底层是什么模型？封装层限制了哪些能力？
主流模型全景
DeepSeek V3 深度求索
推理能力强 · 开源可私有化部署
很多行内AI底层用的是它
文心4.5 百度 · Chatbot: 文心一言
中文理解强 · 金融场景适配好
数据留境内
Qwen3 阿里 · Chatbot: 通义千问
综合能力均衡 · 企业级应用多
支持长上下文
Doubao 字节 · Chatbot: 豆包
日常写作流畅 · 用户体验好
国内月活最高
第五章
延伸
与进阶
对于我们来说，赶潮流不一定是最好的选择，沉淀经验是重点。
⏱ 约15分钟
五
第五章 · 延伸与进阶
OpenClaw：最近很火，但不适合银行日常办公
OpenClaw 是什么？
自主AI Agent · GitHub 24.7万星 · 创始人已加入OpenAI
核心能力
自主执行任务流——它"always on"，能自己管你的邮件、控制浏览器、订机票、接管工作流，是一个AI数字员工
使用方式
通过WhatsApp/Telegram等消息App给它下指令，它自动在后台执行，无需你全程参与
适合场景
个人日程管理、自动化重复任务、数字工作流整合，在硅谷和小企业主里非常流行
技术背景
开源项目，本地优先架构，可接多个LLM，支持DeepSeek等模型
为什么不适合银行日常办公？
① 它需要接管你的邮件、日历、浏览器——银行IT系统根本不会开放这个权限
② 它擅长"自动执行任务流"，但银行的文件、汇报、话术这些工作恰恰需要人在回路里做判断，不能无人值守
③ 它是下一个阶段的工具，银行现阶段需要的是"AI助手"，还没到"AI员工"这一步
结论：OpenClaw很有未来，但现在对银行来说有点超前且不适配。

现阶段用好对话式AI（Claude/ChatGPT/文心），已经足够。
适合用OpenClaw的场景
个人时间管理（非工作用途）
自媒体运营自动化
个人邮件分类整理
小型企业工作流整合
第五章 · 延伸与进阶
知识库：行内在做什么，你能做什么
行内层面 · 企业知识库 + RAG
行内私有化AI如果只接了大模型，给你的答案和公开AI没区别——它不知道你们行的事。让行内AI真正"懂行内"的是知识库+RAG：把产品手册、监管文件、历史案例导入结构化知识库，AI回答时先检索这些内容再生成答案。
对你意味着什么：
行内AI比公开AI更准确时，是因为检索了知识库。它给出奇怪答案时，可能是知识库没覆盖这块，不是模型差。
这是谁的工作：
IT + 业务部门共同推动。员工不需要自己建，但理解这个逻辑，用行内AI时知道边界在哪。
个人层面 · Prompt模板集
背景前缀
你是谁、给谁看、我行基本情况。做成模板，每次粘在Prompt最前面，不用重复解释。
场景模板
高频任务各一套：双周汇报、月度简报、会议纪要、客户跟进话术。每次只改变量，结构复用。
风格参照库
把写过的、满意的材料存3~5篇。写同类时给AI看，说"请用相同风格"——最快对齐语气的方法。
反例清单
记录AI输出里不想看到的——套话、特定句式、太通用的表达。做成列表，每次粘进Prompt。
背景前缀模板示例
【我的背景】
我是XX银行总行战略部研究员，负责领导材料和经营分析。

【领导风格】
汇报对象是行长，偏好问题导向，先讲问题再讲方向，语言简练，不堆砌数据。

【我行情况】
城商行，资产规模约X亿，存款/贷款/中收是三条主线。

【文风参照】
[粘贴你之前写过的满意材料片段]

---以上是背景，以下是本次任务---
💡 存在哪里？建一个文档按场景分类，用的时候直接复制粘贴。积累越多，AI越像懂你的助理。
今天带走三样东西
一个认知：AI是放大器，不是替代者
七个局限：技术层可解，能力层要靠人
一套方法：说清楚背景、分步推进、迭代到位
使用前检查
工具选择原则
涉客数据 → 行内AI
写作润色 → 豆包 / Claude
多模态 → 豆包 / Gemini
行内私有化AI → 优先用，能力上限看模型
← → 键翻页 · 点击缩略图跳转