← 贴纸墙 AGENT · DETAIL

Mulligan AI金融合规审查代理月入8万

工作流:每天自动接入财富管理和保险机构的客户沟通记录,包括语音转写文本、在线聊天记录和邮件,用大模型逐条比对监管规则库和内部合规手册,输出违规风险标签、违规话术摘要和整改建议报告。人工合规官只抽查高风险条目,确认后生成日报和月度合规看板。系统每天凌

AGENT

关键字段

FIELD STAMPS
INDUSTRY 行业金融科技
REGION 地区中(中国香港)
SCALE 规模小企
CHANNEL 渠道线上

🔧 工作流

每天自动接入财富管理和保险机构的客户沟通记录,包括语音转写文本、在线聊天记录和邮件,用大模型逐条比对监管规则库和内部合规手册,输出违规风险标签、违规话术摘要和整改建议报告。人工合规官只抽查高风险条目,确认后生成日报和月度合规看板。系统每天凌晨批量处理前一日全部沟通记录,早上8点前将高风险案例推送至合规官邮箱,中午前完成人工复核并触发整改工单,下午自动生成可提交给监管的月度合规证据包。

🛠 搭建门槛

需要熟悉金融监管规则和保险销售合规要求,会使用大模型API和规则引擎工具。技术上可选用开源模型做本地合规知识库,或调用云端大模型加规则引擎做混合判断。搭建核心原型约两三周,完整接入机构系统需要一个月。初期可以先用Python脚本调用大模型API处理文本记录,再逐步接入语音转写管道。需要准备一个可追溯的审计日志模块,确保每一次AI判断都能回溯到具体规则条款,这是取得机构信任的前提。

🧰 工具链

  • 🔧 大模型API
  • 🔧 规则引擎
  • 🔧 语音转文字工具
  • 🔧 合规知识库
  • 🔧 审计日志数据库

💰 收入

① 保险经纪机构按坐席订阅(主收入):机构按接入坐席数按月付费,每坐席1600港元,50个坐席即8万港元/月,是当月收入的唯一进项,占比约100%(依卡内数字推得,案例口径,外部未复核),该路占收入的比重未单独披露;② 按审查条数弹性计费:机构按审查记录条数付费,每千条200港元,每月审查多少条没讲,这块收入体量也无法核实(案例口径,未见外部复核),占比同样缺位;③ 合规证据包与整改工单等增值项目:机构按项目付服务费,报价、项目数量、收入占比都还没有数据;④ 机会项——跨境双语审查:台湾377家金融企业中约3成已采用AI,寿险业采用率达62%(媒体估算,未做独立复核),实时质检准确率90%以上(商家给出的口径,未独立复核),双语审查可作为差异化切入口,占比尚无数字。

💸 成本

主要是大模型API调用费用和云端存储成本,每月约3000港元。语音转写按分钟计费,每月处理约10万分钟通话,转写成本约1500港元。合规知识库的向量数据库租用和备份存储约800港元,剩余为规则引擎服务器和监控告警费用。

⏱ 时间投入

每天2到3小时维护规则库和审核高风险案例。每周额外花半天时间与机构合规官开会对齐新监管指引,更新规则引擎中的阈值和关键词。每月花一天做漏检回溯分析,把人工抽查中发现的模型未命中案例加入训练集。

🚀 新手入行指南

先从一家中小型保险经纪公司切入,免费为其做两周合规审查试点,积累命中案例和漏检对比数据。用真实违规话术和监管罚单训练规则库,再以按审查条数收费的模式签约。第一步是整理目标机构过去两年收到的监管问询函和内部合规通报,从中提取高频违规话术和处罚条款,建立初始规则库,然后带着这个规则库去做试点演示。

🔑 成功关键

  • ✅ 金融监管规则库持续更新,每月主动接入最新监管指引
  • ✅ 高风险案例人工仲裁闭环,人工确认结果回流训练模型
  • ✅ 与机构现有质检工单系统打通,不留孤岛
  • ✅ 审计日志可追溯到具体规则条款,满足监管证据链要求
  • ✅ 双语审查能力覆盖香港中英文混合沟通记录

⚠️ 风险

  • ⚠️ 监管规则变动频繁,模型可能滞后导致漏检
  • ⚠️ 金融机构对数据出域敏感,本地部署门槛高
  • ⚠️ 大模型对粤语和金融黑话的误判率较高
  • ⚠️ 机构内部合规官可能抵触自动化系统,担心被替代

📌 真实案例

  • 📌 国泰君安国际推出的Archer智能投顾系统已搭载AI合规校验机制,用于投资建议的合规预审,证明头部券商愿意为AI合规能力付费
  • 📌 中关村科金得助智能的保险智能质检方案已落地多家保险公司,用于筑牢保险销售合规防火墙,验证了保险销售话术审查的付费意愿
  • 📌 富邦产险2026年上线AI理赔智慧助理,将AI Agent引入保险核心运营流程,说明保险机构对AI自动化审查的接受度在快速提升