“AI+ 金融”應揚長避短，壓實人的主體責任

　　“大模型可以出謀劃策，但不能越俎代庖，人始終是責任主體。推進大模型在金融領域的應用，需明確大模型的能力邊界，揚長避短。”10月17日，在新金融聯盟主辦的“‘人工智能+’驅動下金融科技應用場景創新”內部研討會上，中國人民銀行科技司司長李偉在主題交流中表示。

　　上海新金融研究院副院長劉曉春也作了主題交流，工商銀行首席技術官呂仲濤、中國郵政儲蓄銀行總工程師徐朝輝、平安銀行行長助理兼首席信息官孫芳滔、華夏銀行首席信息官人選龔偉華、深信服科技行業總部首席技術官楊闖發表主題演講。26家銀行、50家非銀機構的相關負責人參會。會議由新金融聯盟秘書長吳雨珊主持，中國金融四十人論壇提供學術支持。

　　多場景智能應用落地見效

　　近日國家印發《關于深入實施“人工智能+”行動的意見》，明確提出創新發展新模式，加快從數字賦能向智能驅動演進。會上，五家機構的資深專家分享了在“人工智能+”領域的前沿探索，展現出多元化的落地成果。

　　工商銀行打造企業級金融大模型技術體系，構建大小模型協同的算法矩陣，并創新提出基于MOA架構的“1+X”大模型應用范式。在安全防護、信貸風險管理、信用風險智能評估三大典型AI應用場景中成效顯著——高危漏洞識別準確率超80%、攻防推演攻擊場景覆蓋率超90%;大戶風險報告與處置建議實現分鐘級生成;小微企業風險評估準確率提升一倍以上。

　　郵儲銀行建立了覆蓋模型注冊、開發、驗證、部署、監控、優化的全流程管理制度，通過統一編號、版本控制和可視化監控，實現了人工智能業務賦能的持續性與精準性;構建了“千卡智算模型”為核心的異構算力底座，形成涵蓋230項應用場景的大模型落地矩陣。手機銀行智能助手可通過語音喚起協助客戶完成簡單操作;智能外呼營銷體系聚焦擬人化交互與精準話術開展營銷，AI替代率已超83%;智能交易場景從逐筆手工到批量秒級跨越，詢價金額已達1.5萬億元。

　　平安銀行規劃并建設了“1+1+1+N”的AI能力支撐體系，通過統一的算力基座、算法模型基座、數據知識基座，以及N個業務場景應用，構建全方位、多層次、一體化的人工智能應用生態，已在各業務線落地超過360個AI應用場景，涵蓋辦公效率提升、經營分析、智能營銷、智能風控等領域。

　　華夏銀行根據場景對AI應用分類布局：速贏區，聚焦提升效能效率;攻堅區，側重優化客戶交互與服務質量，運用RAG、智能體等技術;深水區，探索大小模型結合人工干預，應用于業務決策與風險合規等核心領域。

　　深信服科技作為產業側代表，推出開源AICoding解決方案Costrict，攻克金融級開發安全與質量難題，實現代碼開發效率提升400%、嚴重BUG檢出率90%。在垂直安全應用方面，深信服提出“源數據AI檢測”方案，將多維源數據在前端統一進行AI檢測，輸出高檢出、低誤報、易理解的告警信息，大幅減輕后端運營壓力。在2025年攻防演練中，通過大模型針對0day漏洞在無規則情況檢出率95%，高級社工釣魚郵件檢出率超90%，誤報率低于千分之一。為某頭部金融機構處理超100G實時流量時，每日僅生成約1000條高質量告警，2人即可完成研判，顯著優化運營效率。

　　AI應用需從工具化轉向核心化

　　在“人工智能+”深度賦能金融行業的進程中，企業AI落地模式正迎來根本性變革。

　　呂仲濤指出，在開源基礎大模型驅動下，人工智能應用需從工具化轉向AI核心化思維：一是建立AI原生應用體系，將傳統的“業務系統+AI”轉變為以用戶為核心的AI原生應用體系;二是構建面向模型的企業數據采、洗、管、用體系，變靜態數據為知識飛輪;三是結合知識數據建立大模型分級應用體系，變被動適配為主動駕馭;四是將硅基員工嵌入數字化流程，打造人機協同的智能組織。

　　一位大行代表分享了智能體建設實踐的三大關注方向：將智能體組件化，建設可復用的基礎能力;建立多智能體協同的標準化，確定智能體之間的通用語言與協作規則;保證智能體應用的安全性，實現智能體操作全程可追蹤、可審計、可解釋。

　　龔偉華提出，AI應用需把握三大關鍵：一是領域知識內化，把業務邏輯、行業術語、專家經驗等隱性知識，轉化為機器可理解、可推理的顯性知識;二是建設高質量數據集，這與垂類模型效果密切相關;三是深度嵌入流程，這樣才能真正發揮作用。

　　明確AI的能力邊界與風險底線

　　李偉充分肯定了金融機構AI應用積極、穩健的整體態勢。他表示，推進大模型在金融領域的應用，需明確大模型的能力邊界——大模型在多模態內容理解與生成、基礎邏輯分析推理等方面展現出較強能力，但無法保證輸出準確性、無法嚴謹解釋輸出結果。因此，應用大模型需揚長避短，核心是做好場景適配。

　　他指出，不同機構大模型應用要體現差異性，避免用同一個“腦子”指揮行動。即便選用同一開源大模型，不同機構的任務大模型也應有差異，否則會帶來風險。他以數據分級分類為例，“每家銀行對某字段的重要性判斷不同，有的認為是二級，有的認為是三級，這就對了。差異源于機構風險判斷不同，通用內容可能逐漸趨同，但關鍵部分必須體現差異。”

　　他強調，要嚴守風險底線，壓實人的主體責任。大模型可以出謀劃策，但不能越俎代庖，人始終是責任主體。同時，要用魔法打敗魔法，用AI技術防范AI帶來的風險。

　　劉曉春指出，人工智能需由人類賦予應用場景，人在“人工智能+”創新中始終處于主導地位，無需動腦的基礎操作崗位可能會簡化，而具備更強業務能力的人才是駕馭技術的關鍵。在技術適配方面，適用優于先進，要根據業務特性選擇合適的AI。尤其對中小機構而言，一定要區分高頻與低頻業務、關鍵風險與偶發風險，集中資源投入于高價值場景。

　　龔偉華認為，金融機構應用大模型的目標，不應局限于單純降本增效，更在于增強復雜決策能力、創造戰略發展機會、培育新的經濟增長極。在生態建設上，也不止于數據共享，而在于智能共生——未來高階的生態協作，更應聚焦單一機構難以解決、需多方共同解決的難題。