1客户嘴上要的
「财富管理部每月要发几百份营销材料:公众号文章、海报、直播脚本。合规部审不过来。用 AI 自动审核,替代人工初审。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
把相关法规和公司制度塞进大模型的提示词,让它对每份材料给出「通过/不通过」和修改意见。试运行时合规专员发现,AI 的意见和他们自己的意见有一半对不上。业务部门更不满:「以前是三个合规专员标准不一样,现在又多了一个标准。」
3好 FDE 的实际走法
共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1 周看合规专员怎么审
- 跟合规部 3 个审核专员各坐半天,再拉出近 6 个月约 800 份材料的审核记录和修改意见。
- 发现关键问题:同类表述,不同专员的意见不一样。如「稳健」「热销」「爆款」能不能用,有人允许、有人要求删除;引用第三方评奖和排名要满足什么条件;直播中口头风险提示要说几次,各人要求不同。审核依据散在法规、行业规范、公司制度和历次邮件通知里,没有一份完整清单。
- 真问题不是「审得慢」,是「审核口径没有统一」。成功标准改成:形成一份覆盖 90% 历史修改意见的审核清单;同一份材料由 AI 初审和合规专员复核,意见一致率 ≥ 85%;初审周期 2 天 → 半天。
第 2 周让合规负责人裁定口径
- 把 800 份记录里的修改意见归成约 60 类,找出其中约 40 个有分歧的口径点,每个点附正反例。
- 拉合规负责人开两次会,逐条裁定。FDE 只整理分歧、不做裁定——口径归合规部,责任也归合规部。
- 踩坑不要用 AI 去「学出」一个折中标准。合规口径必须由有权限的人拍板,并能说出依据。
第 3–4 周原型 + evals
- 按裁定后的清单做初审:逐条检查材料,标出问题位置、对应清单条目和依据、建议改法。海报先用 OCR 取文字,图片中的收益曲线单独标出交给人看。
- evals:取 200 份历史材料(含 50 份被退回的),对比 AI 初审意见和合规部的最终意见。高风险问题(承诺收益、缺少风险提示、夸大宣传)的漏检必须为 0;一般问题召回率 ≥ 85%。
- 踩坑只用「通过的材料」测试会高估效果。测试集里一定要有被退回过的材料,而且要按真实比例包含海报和直播脚本。
第 5 周Demo + 双向试用
- 让合规专员本人用 AI 初审结果复核两周,记录每条意见的采纳和修改。同时让一个业务团队在提交前自查,看退回次数是否下降。
- 常见反馈:「意见太碎,一份材料列 20 条」——据此按风险等级排序,低风险问题合并展示。
第 6 周交接交接
- 交接给合规部一位资深审核专员:负责清单的增删和版本管理。法规或公司制度更新时,先改清单,再更新系统。每次改动记录日期和依据。
4这个案例教给你的可复用判断
人工标准不一致时,先统一标准,再做自动化;否则 AI 只是多一个标准。
口径裁定归有权限的人,FDE 负责整理分歧和正反例。
测试集要包含被退回的样本和难处理的格式,不能只用顺利通过的样本。
高风险问题零漏检,一般问题看召回率,两者分开验收。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
证券与资管的其他案例
内容更新:2026-11-11