近日，上海农商银行数字化转型取得新进展。该行聚焦公司金融业务的痛点，依托大模型技术推出“对公智能营销助手”智能体工具。该助手集成了“访前透视镜”与“行研策略写作”两大功能模块，旨在打造智能化营销闭环。目前，相关工具已在部分支行落地试用，为智能体应用的推广奠定了基础。

值得注意的是，2025年以来，上海农商银行加大了大模型技术在金融场景的应用力度。年报显示，该行已成立大模型研究专项工作组，探索大模型应用落地方法，规划建设路径。近期，上海农商银行密集发布多个项目POC征集公告，大模型技术成为多个项目的核心技术方向。面向2026年，该行表示将强化大模型场景运用，在营销、办公、知识库等领域推进AI赋能。

集成访前透视镜+行研策略写作，旨在打造完整营销闭环

据悉，传统对公营销常面临客户信息分散、访前准备耗时、商机把握滞后等问题。客户经理需要花费大量时间跨多个系统手动查询客户基础信息、业务数据及历史合作情况，再结合行业动态整理潜在商机。信息碎、整合难、分析慢，成为了制约营销效率的主要瓶颈。

针对上述问题，上海农商银行“对公智能营销助手”中的“访前透视镜”功能，可为每个待拜访客户自动生成涵盖全景画像、财务健康度、合作现状、潜在需求与风险预警等内容的访前报告。该功能目前已在部分支行开展试点，试点数据显示，单份访前报告的准备时间从约1小时缩短至数分钟。从参与试点的客户经理反馈来看，该工具缩短了数据整理时间，提炼了客户关键信息，有助于精准识别客户潜在需求。

此外，对于新兴行业的个体客户营销，除了精准画像，还需依赖深入的行业洞察。上海农商银行于2024年成立行业研究院，在探索行业中观策略分析应用机制的过程中发现，行研策略的生成与流转存在三方面问题：一是人工撰写耗时较长，不同报告内容侧重点不统一，对业务的引导效果存在差异；二是报告篇幅冗长，核心动向隐藏在大量文本中，检索成本高；三是触达渠道单一，容易出现“报告已成但关键人员未读”的滞后问题。

基于此，上海农商银行“对公智能营销助手”中的“行研策略写作”模块，利用大模型技术，打造了“生成-摘要-推送”的全流程自动化体系，可协助研究员快速生成行业策略报告：该模块支持基于医疗器械、生物医药等多行业语料模板，汇总行研素材并在几分钟内生成策略报告；可对行研素材进行解析并提取结构化摘要，呈现行业发展趋势、重点赛道及风险要素；还基于客户行研标签建立智能推送机制，将行业洞察精准推送到相关客户经理手中，提升其在面对客户时的能力。

上海农商银行表示，“对公智能营销助手”通过两大场景的协同，构建了从宏观行业洞察到微观客户拜访的完整营销闭环。客户经理可以通过“行研策略写作”快速识别行业机遇与风险，再利用“访前透视镜”针对目标客户制定个性化的营销抓手。大模型技术与对公业务的融合，不仅降低了作业成本，还将依赖个人经验的传统模式转化为数据驱动、AI辅助的标准化作业模式。该行在公司金融业务数字化转型的实践，为智能体应用的推广奠定了基础。

加快大模型人才引育，成立大模型研究工作组探索应用落地方法

值得注意的是，2025年以来，上海农商银行加大了大模型技术在金融场景的应用力度。这一变化也体现在其信息披露上，此前该行相关内容公开披露较少，2025年报中相关表述有所增加。

2025年报显示，在顶层设计方面，上海农商银行编制《2026-2028年业务数字化转型规划》，为全行数字化转型工作确立方向，推动跨板块协同，促进业务模式创新与服务水平提升。

在基础能力方面，该行加快大模型人才引育，构筑AI场景应用人才高地。

在数据治理方面，该行落地数据模型工具及AI技术，推进数据标准线上化落标。

在科技运用方面，该行深化AI技术赋能业务发展，成立大模型研究专项工作组，探索大模型应用落地方法，规划建设路径，同时形成完整的大模型技术研究框架；聚焦业务试点场景，部署多款主流大模型，开展应用实践研究。

近期，上海农商银行密集发布多个项目POC征集公告，多个项目在技术方案中均提及将使用大模型技术。

以企微智能营销辅助项目为例，上海农商银行表示，将基于大模型建设企微智能营销辅助功能，拟引入企微智能体，实现企微侧边栏实时话术辅助的功能。

公告显示，该项目除了需包含实时话术辅助、客户标签生成、会话信息挖掘等功能，还需搭建智能体开发平台，支持agent创建与管理、工作流编排、工具与插件库、知识库管理、评估与调试、提示词工程管理等。

此外，在人才招聘方面，上海农商银行聚焦AI大模型应用、数据治理、供应链金融等方向，招收2026年博士后研究人员。

该行表示，应聘人员需提交拟报课题研究计划书（应包括研究内容、研究意义、技术路线及其他必要说明的内容，字数3000-5000字），备选研究方向有7个，其中“以AI模型应用为基础的中小商业银行数据治理体系建设研究”为优先推荐的研究课题。

面向2026年，上海农商银行表示，将推进智能化发展，加速大模型领域核心技术掌握，强化大模型场景运用，在营销、办公、知识库等领域推进AI场景赋能；推进线上化治理，提升业务流程轻便化程度，提升客户体验与业务效率。