由数银行业数天压级，人工流程信贷智能字化转型分钟驱动审批缩至

摘要：2024年上市银行年报显示，信贷行业型AI已成为推动银行业数字化转型的审批缩至数字核心动力，国有六大行在金融科技方面投入总额突破千亿元，流程金融科技从业人员规模首次超过11万人。由数

华夏时报（www.chinatimes.net.cn）记者 卢梦雪 见习记者 张萌 北京报道

人工智能技术正加速渗透金融领域。工智

2024年上市银行年报显示，化转AI已成为推动银行业数字化转型的信贷行业型核心动力，国有六大行在金融科技方面投入总额突破千亿元，审批缩至数字金融科技从业人员规模首次超过11万人。流程从风险识别到授信审批，由数从员工辅助到智能运营，天压AI正推动银行业服务模式、分钟业务流程乃至生态体系的工智重构。

变革浪潮背后，政策引擎同步发力。此前，中国人民银行等七部门联合印发的《推动数字金融高质量发展行动方案》明确提出，到2027年底，基本建成与数字经济发展高度适应的金融体系，建设数字金融服务生态，提升数字化经营管理能力。

首都经济贸易大学金融学院教授吴卫星向《华夏时报》记者表示，AI 应用在解决部分行业痛点上初见成效，但在覆盖深层需求方面还有很大的提升空间。未来银行中的 AI 应用将呈现三大趋势：金融服务的广泛综合化、高度智能化与充分个性化。

AI应用场景多点突破

AI应用场景更加多样化。

记者注意到，多家银行正加速部署AI应用场景，并积极构建底层技术架构，推动AI深度融入业务发展。

如工商银行已落地千亿级自主可控AI大模型，覆盖200余个应用场景；建设银行建成面向所有业务领域应用和统一技术底座的金融大模型，并打造模型即服务（MaaS）平台，2024年上线168个大模型应用场景，惠及集团约半数员工；中国银行2024年新增人工智能等新技术应用场景超900个；交通银行构建了千亿级金融大模型算法矩阵，完成百余个大小模型场景建设，全年释放超1000人力工作量。

多家银行积极引入DeepSeek等模型的本地化部署。如建设银行形成基于DeepSeek-R1的推理类金融大模型，并在生产环境完成私有化部署，赋能全集团的应用场景；北京银行则通过对接通义千问等7种行业先进大模型及“闻海”大数据，完成DeepSeek全系列模型本地化部署。

银行对AI的具体应用则普遍体现在客户服务、风险管理和运营优化等关键领域，且成效显著。如建设银行的“帮得”智能助理，为该行3万名对私客户经理提供服务，拥有AI话术、AI侧写、AI找客户等智能辅助工具，2024年总交互次数达3463万次；邮储银行推出的货币市场交易机器人“邮小助”，上线以来接受询价总量超1.5万亿元，总成交金额超过2000亿元，交易平均耗时较人工节约达94%，捕获超额收益率6个基点。

“AI 在解决部分行业痛点上取得了较为显著的成效，但未来覆盖深层需求方面还有很大提升空间。” 吴卫星表示。

他指出，金融大模型在助力AI信贷审批系统等标准化业务方面，将原本需要数天的审批流程压缩至分钟级甚至更高频率，有效缓解了传统银行业人力密集、响应滞后的问题。然而，在涉及复杂金融产品的深度咨询以及需要情感沟通的高净值客户服务等场景中，目前人机协同模式仍有进一步优化的空间。

而在风险管理方面，AI技术通过整合征信数据、交易流水、工商信息等多维数据源，有力地打破了传统的信息孤岛困境。“但不容忽视的是，大模型存在的 ‘幻觉问题’ 和黑箱决策特性，仍可能引发新的风险。因此，金融机构在数据治理、逻辑约束和人机协同等方面还有很大的提升空间，以增强风险评估与预警的可靠性。”吴卫星表示。

“人+AI”重塑家庭金融决策生态

AI应用场景更加深入化。

记者注意到，多家银行加快了AI在客户服务领域的应用，如通过部署AI管家、数字员工等工具提升服务效率，同时借助AI技术辅助客户经理进行决策，有效缩短员工操作时间并降低学习成本。

“‘人+AI’协作模式正深刻重塑家庭金融决策生态，从服务可获得性与专业性维度带来多方面积极影响。”吴卫星指出。

那么，银行对AI的应用是否有助于提升家庭金融素养，并进一步助力家庭金融决策？

吴卫星认为，AI 智能助理能发挥一定积极作用，帮助居民家庭降低金融决策门槛，但家庭在参考AI提供的相关决策建议时，应保持谨慎的态度。

“从积极方面来看，借助人工智能等新技术，人们确实能够更便捷地获取丰富的金融知识，这为家庭金融素养的提升提供了有力支持，帮助居民家庭降低金融决策门槛。然而，我们也要清醒地认识到，现阶段人工智能生成的知识和建议并非完美无缺。其在准确性、科学性方面仍存在诸多局限性，因此不能完全将其作为最终决策的唯一依据。由于数据质量参差不齐、模型训练可能存在偏差等多方面因素的影响，人工智能偶尔会出现‘幻觉’等问题，从而生成不准确的回答或误导性的建议。”

“这就意味着，家庭在参考 AI 提供的金融知识和决策建议时，必须保持谨慎的态度。不能盲目依赖 AI 的输出，而应将其作为一种辅助参考工具。在做出重要金融决策之前，需要结合家庭自身的实际情况，通过人工核实、向专业金融顾问咨询、查阅权威金融资料等多种方式，对 AI 提供的信息进行交叉验证和综合判断，以确保所采纳的建议既准确又切实可行。” 吴卫星表示。

他进一步指出，银行在推广“人+AI”模式的过程中，也应当充分意识到这一问题，采取措施加以引导和规范。“一方面，要不断提升 AI 技术的可靠性和准确性，加强数据质量管理，优化模型训练算法，努力减少‘幻觉’等问题的发生；另一方面，要强化对银行人员的专业培训，使其能够更好地理解和运用 AI 提供的辅助信息，为家庭客户提供准确的解释和专业的判断，确保决策朝着更加科学、合理的方向发展。”

金融科技未来图景

2025年3月，国务院办公厅发布《关于做好金融“五篇大文章”的指导意见》，提出要“快推进金融机构数字化转型，增强数字化经营服务能力”。

当下，银行普遍加大了对金融科技的资金与人员投入。记者据年报数据统计，2024年，国有六大行金融科技投入总额达1254.59亿元，金融科技人员首次突破11万人。此外，六家银行金融科技投入占营业收入比例均超过3%，交通银行更是达到5.41%。

部分中小银行亦加大了金融科技的投入力度。如北京银行提出，要打造“人工智能驱动的商业银行”，贯彻“All in AI”理念，将科技创新作为数字化转型的核心驱动，构建“AI Banking”新模式。

未来AI在银行服务中的核心价值体现在哪些方面？

吴卫星表示，AI 在银行业的真正价值或将体现在以下三个层面的突破：“其一，服务模式的场景重构。借助客户画像与行为预测等技术，实现从‘千人一面’到‘一人千面’的转变，例如依据客户生命周期自动配置差异化的财富管理方案；其二，业务流程的认知进化。运用机器人的流程自动化能力与AI的智能决策能力相结合，构建具备业务理解能力的数字员工，使其不仅能完成类似表单录入等基础任务，还能高效率智能处理授信额度调整等复杂决策；其三，推动金融生态的智能跃迁。通过开放银行平台连接政务、物流等外部数据源，使风险评估维度从财务指标拓展至供应链全链路动态，真正实现金融服务与实体经济的深度耦合。”

“未来银行中的 AI 应用将呈现三大趋势，其一是金融服务的广泛综合化，其二是金融服务的高度智能化，其三是金融服务的充分个性化。”吴卫星表示。他同时指出，未来银行在数字化转型过程中面临的长期挑战主要包括复合型人才的短缺、防欺诈实时监测、算法可靠性和可解释性等方面。“金融服务提供机构需构建‘敏捷试错——快速迭代’的创新机制，方能在‘AI+金融’的深水区持续领跑。”

责任编辑：冯樱子 主编：张志伟

(责任编辑：综合)