银行业AI发展年中考：辅助场景普及易 核心业务落地难

发布时间：2026-07-17 17:37:40 来源：安智兰德资讯网 作者：焦点

证券时报记者 黄钰霖

2026年过半，银行业A易核纵观银行业人工智能（AI）布局现状，发辅助呈现出“战略推进迅猛”与“落地实践审慎”并存的展年中考复杂格局。

一方面，场景商业银行正加速推动AI技术向一线业务与产品深度渗透。普及从自研智能体（Agent）的心业爆发式增长，到以算力“词元（Token）”作为权益的地难信用卡问世，标志着大模型应用已跨越概念炒作期，银行业A易核迈入规模化实质落地阶段。发辅助然而，展年中考受限于底层数据质量参差不齐引发的场景“模型幻觉”，以及新旧系统交错形成的普及“数据泥潭”，国内银行业AI在深度融入核心业务方面，心业仍面临打通“最后一公里”的地难严峻挑战。

头部银行加速抢滩，银行业A易核AI应用进入深水区

今年上半年，商业银行在AI领域的竞争全面升温，多家头部机构密集披露大模型最新进展及数据成果。

国有大行与股份制银行率先交出亮眼答卷：

• 工商银行：自主研发的“工银智涌”大模型技术体系已在30余个业务领域落地500多个AI应用。2025年年报数据显示，工行AI数字员工年承担工作量已达5.5万人年。
• 招商银行：秉持“AI First”战略，深化大模型矩阵建设，已落地183个领域专精模型。此外，招行创新推出搭载Token权益的信用卡，将大模型算力资源转化为新客权益，有效赋能零售金融获客环节。
• 邮储银行：在近期股东会上披露，截至6月末，该行已落地超370个大模型应用场景，日均调用量超600万次。预计至2026年末，日均Token吞吐量将突破300亿。
• 建设银行：高管在业绩发布会上透露，建行AI助手内部覆盖率已达99.42%。建行副行长雷鸣表示，员工向总行或管理部门提问时，99.42%的问题先由AI生成回答方案，日均访问量超10万人次。

一线体验显著改善，基础设施投入加大：

银行一线员工对AI工具的反馈持续向好。一位国有大行工作人员表示，其所在银行自研Agent已接入DeepSeek等大模型，实现了内部数据的安全隔离与合规调用。“今年使用行内自研AI的频率大幅提升，例如查询网点实时存款波动、基金销售明细等，有效减轻了基层报表统计负担。”

与此同时，旺盛的算力需求推动银行加大底层基础设施投入。公开招投标信息显示，上半年，兰州银行、河南农商行、江苏农商行、广州银行、邮储银行山东分行等多家机构密集启动AI算力及基础平台采购，项目预算从百万元至千万元不等。

数据质量成最大掣肘，核心业务落地难

尽管AI应用场景日益丰富，但落地过程中面临的现实难题依然突出。

多位从业者指出，AI智能体在文本总结、营销话术生成等辅助性工作中表现优异，但在资金交易、信贷审核、资产定价等关键核心业务中，现阶段仍难以实现精准把控。

“数据脏”是主要障碍：

一位股份行科技条线人士坦言：“行内Agent更适用于线上闭环试验场景。一旦涉及与真实世界数据交互的复杂业务，由于底层原始数据质量差，极易产生严重的模型幻觉。”

数据质量问题是银行业多年信息化建设遗留的历史顽疾：
1. 系统架构繁复：同一财务指标在不同系统中的统计口径往往不统一。
2. 老旧系统僵化：核心系统“牵一发而动全身”，难以改动，导致数据标准难以统一。
3. 语义混乱：未经清洗、语义混乱的数据直接输入大模型，不仅无法给出正确判断，反而会导致AI“一本正经地胡说八道”。

核心业务容错率极低：

一位不愿具名的银行金融科技负责人指出，信贷业务的核心环节（如资产评估、授信审批）对数据灵敏度和精确度要求极高，容错率几乎为零。目前，AI在公司信贷条线主要应用于贷前信息搜集、财报自动解析等前期辅助场景，旨在节省案头工作时间，但最终的风险定价与放款决策仍必须由人工完成。

波士顿咨询董事总经理何大勇分析认为，系统老化与“数据泥潭”是银行落地AI的老大难问题。若不解决，AI执行效果将大打折扣，甚至不如人工。针对此痛点，他提出三点建议：
1. 避免激进重构：切忌盲目推翻核心系统，应在Agent与老系统间建立中间适配层，实现“边用边改”，降低系统性风险。
2. 统一数据标准：建立全行统一的基础数据标准和金融语义库，夯实AI运行基石。
3. 重塑治理机制：转变观念，从“科技部门代劳”转向“谁产生数据，谁对质量负责”，从源头切断错误数据进入系统。

监管划定安全边界，确立“人机协同”基调

在技术与资本双线突进的同时，监管部门及时补齐制度空白，为银行业AI的长期稳健发展划定清晰边界。

6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》（以下简称《指导意见》），这是业内首份系统性AI安全开发应用文件。《指导意见》确立了“谁使用谁负责、自主可控、务实高效、安全发展”四大核心原则，全面覆盖公司治理、模型开发、数据保护、算力管理、风险控制及监督评估全链条。

关键亮点：
* 高风险场景界定：首次将涉及资金交易、资产评估、信贷审批、承保理赔、风险管理及直接影响金融合约达成的场景列为“高风险应用”。
* 强制人工复核：面向公众或高风险场景使用生成式AI的，必须向监管机构报告；涉及客户权益或有实质性财务影响的关键决策，必须设置人工复核节点。

该文件为银行业AI大模型在核心业务中潜藏的模型幻觉风险筑牢了安全防线。

苏商银行特约研究员薛洪言表示，《指导意见》确立了“安全与发展并重”的基调。将核心环节列为高风险场景并强制人工复核，短期内虽增加合规成本，但长远看，明确的监管红线消除了银行在核心业务应用AI的顾虑，促使行业从盲目追求“无人化”转向务实的“人机协同”模式。

相关文章