农业银行：大模型如何服务8亿县域客户

行业：金融/银行 | AI场景：大模型+风控+三农 | 阶段：规模化 | 启动：2019年

企业背景

农业银行是中国四大行中网点最多、覆盖面最广的银行，尤其在县域和农村地区有其他银行无法替代的存在。45万员工、2.3万+网点，服务超8亿客户。

最大的挑战是：这些客户中大量是县域和农村客户，金融素养参差不齐，传统的线上化服务对他们效果有限。

农行的AI转型有独特的社会使命色彩——如何用技术手段把金融服务普惠到最后一公里。同时，45万员工的效率提升空间巨大，大量重复性工作（凭证审核、贷款审批、风险排查）可以由AI承担。

农行推出了自研大模型ChatABC，面向内部员工提供智能助手服务。核心功能：政策法规快速查询、客户经理辅助决策、自动生成分析报告。

特色是针对”三农”场景做了大量微调——农业贷款评估、农村信用评级等垂直领域的知识库非常丰富。

农行的风控系统实时处理800+个数据参数，对每笔交易进行毫秒级风险评估。这对于拥有数亿活跃账户的大行来说，计算量惊人。

智能客服（支持方言识别，这对县域客户很关键）、智能网点（部分网点引入AI导服机器人）。

农行走的是”集中研发+分支落地”的路径。总行科技部主导核心技术研发，各省级分行负责本地化落地（包括方言适配、本地政策知识库等）。

AI普惠的独特价值：农行的AI转型不只是降本增效，更是”用AI弥合数字鸿沟”。方言识别、简化交互——这些能力让8亿县域客户也能享受到智能金融服务。
垂直知识库比通用大模型重要：ChatABC的核心竞争力不是模型参数量，而是农业金融的垂直知识积累。这对所有行业都有启示——与其追求通用大模型，不如深耕自己行业的知识库。
方言识别是被低估的能力：在中国做TO C的AI服务，方言支持可能比模型参数更重要。

农行体量太大、层级太多，AI落地的”最后一公里”（到乡镇网点）依然困难。很多基层员工对AI工具的使用意愿和能力都不足。