近日，一场以 "AI 融入金融业务：重构，不只是升级 " 为主题的对话在新网银行 "AI 构造力 " 直播间展开。新华财经副总编辑陈冉与三位金融科技领域的专家——新网银行信息科技总监毛航、华为数字金融军团首席专家柳元鑫、星环科技金融行业助理副总裁张晓明，共同探讨了 AI 技术如何穿透金融业表层，直击业务基因重塑的核心命题。

陈冉、毛航、柳元鑫、张晓明（从左至右）在直播现场

智能体崛起：从 " 技术工具 " 到 " 组织基因 " 的跃迁

" 当智能系统开始自主思考，金融业务的底层逻辑是否会被重新书写？" 在三位嘉宾看来，2025 年 " 智能体元年 " 的爆发绝非偶然，技术突破、成本下降、政策支持与场景需求的多重共振，正推动 AI 从辅助工具进化为组织变革的核心驱动力。

毛航用 " 四肢与大脑 " 的比喻巧妙阐释智能体与大模型的关系：大模型提供认知决策的 " 大脑 "，智能体则如 " 四肢 " 般连接场景与用户，两者形成互补关系，进而推动智能体普及，实现技术普惠并加速行业生态成熟。据毛航介绍，新网银行当前已落地十余个智能体业务与办公场景，推动业务与科技部门融合，也催生提示词工程师等新岗位。

在企业级应用场景中，智能体被视为 " 数字员工 " 进行全生命周期管理——业务部门定义岗位权责、人力部门参与制定管理制度、科技部门搭建能力底座，形成完整闭环。未来可陆续建立涵盖知识库更新、提示词优化、能力扩展的运营机制。

柳元鑫从智能体的优势与银行业务的特点强调了两者的可结合性。尽管当前金融行业智能体应用仍受限于预设流程的固定性及稳定性问题，但其整合多岗位资源、实现中心化服务能力与银行业条线化特征高度契合。未来智能体有望通过打破部门壁垒、提升自动化水平，成为金融业服务升级的核心推动力。

张晓明则从不同角度提出现阶段智能体的瓶颈和突破建议：当前智能体虽模拟人类进行任务拆解 - 执行 - 反馈机制，但受限于底层技术未达 AGI 水平、跨系统连接标准缺失及 AI 基础设施薄弱三大瓶颈。智能化程度仍局限于简单任务，复杂场景因技术断点与生态割裂难以突破。未来需突破 AGI 技术、推动协议标准化、完善算力与平台底座，方能释放智能体在任务执行与系统协同中的颠覆性价值。

 AI 技术的攻坚路径：从单点突破到智能化重构

如今，各行业正加速从数字化向智能化纵深演进，面对人力密集场景的效率瓶颈、数据资产的治理挑战与技术落地的业务适配难题，AI 技术从单点提效工具升级为驱动全局重构的核心引擎。行业实践也呈现多维突破：人力密集型流程通过拟人化交互重塑服务体验，数据资产向知识化跃迁释放乘数效应，而架构级创新正推动 AI 能力从局部替代转向流程再造。

· " 全员 AI"：新网银行的智能化谋略

以金融 " 五篇大文章 " 为指引，新网银行聚焦数字金融智能化转型，围绕客服、营销、贷后等场景构建 AI 应用体系。据毛航介绍，目前新网银行部署的智能体月均调用量超 120 万次，人力成本降低 1/3；营销端通过大模型实现普惠客户自动化触达，覆盖海量长尾客群；贷后管理升级为拟人化双向交互，客户通知转化率显著提升，同步沉淀客户画像数据。

在技术层面，新网银行组建 AI 专项团队，完成从小模型决策向大模型生成的能力迁移，并依托底座模型推进 " 全员 AI" 战略，并计划将 AI 深度嵌入产品设计、风险决策、代码开发等全链路，为智能化从单点提效迈向全局重构奠定基础。

· "4+1+N" 架构：推进华为全面智能化战略

数据调研机构 IDC 近期预测指出，到 2028 年将有 75% 的组合式 AI 应用基于统一平台构建，平台需具备数据统管能力和安全可控特性。华为当前的 "All Intelligence" 战略布局正是顺应这一趋势，通过打造稳定架构体系来应对大模型技术的快速迭代。柳元鑫认为，在 AI 技术高速发展的不确定性中，金融机构构建具备系统化的平台架构至关重要，既能保障底层资源的统一调度，又为应用提供安全可靠的技术支撑，最终实现智能化转型可持续发展。

华为设计的 "4+1+N" 技术架构："4" 代表四个级别的项目管理，包括算力层实现异构资源弹性调度，数据层构建 " 知识库 + 数据库 " 双循环体系，工具层打通一体化流水线及数据飞轮，应用层沉淀内容生成、多轮对话等范式化 AI 能力；"1" 代表一整个项目管理的核心基础，包括治理域贯穿模型安全、人才培养与制度规范；从而最终支撑 "N" 个场景创新。体系以架构稳定性应对技术不确定性，推动金融机构从单点替代转向流程再造，确保技术迭代与业务价值深度融合，实现 AI 能力的工业化输出。

· "Data × AI"：星环科技的垂直穿透策略

金融业 AI 落地的核心痛点在于如何将技术能力转化为业务生产力，对于这个问题，张晓明谈到，星环科技破局之道是从底层数据治理到顶层业务赋能的 " 垂直穿透 "。

公司提出 "Data × AI" 策略，强调数据与 AI 的乘数级协同价值。在数据侧自主研发 TCS 语料加工平台，实现数据的精准提取与知识化重构，将非结构化数据直接转为可调用知识资产；在模型侧通过 LLMOps 平台托管适配主流大模型，完成算力配置调优与能力验证；在应用侧提供智能体编排与低代码开发，聚焦金融场景流程。例如 "AI 行员 " 将重构客户经理工作流，通过征信报告智能解析、授信报告自动生成、客户画像实时构建等能力，将 40 页报告处理周期从两周压缩至小时级。 

未来岗位重定义：效率革命与人文价值的再平衡

"AI 是否会取代人类岗位？" 三位嘉宾一致认为，AI 引发的职业重构本质是 " 人机协作界面 " 的重定义，当下可以从 " 替代焦虑 " 的心理转移到 " 能力进化 " 的培养。

毛航从 " 替代 - 新生 - 普惠 " 的路径揭示了变革本质：首先，AI 技术可以赋能基础性、规则明确的岗位例如标准化客服、资料整理工作，也同步催生提示词工程师、智能体开发等新型技术岗位，需要具备业务能力的复合型人才。这种变化让职场竞争逻辑转向人机协同创新力，资深从业者借 AI 工具突破效率边界，新员工则通过大模型快速弥合技能鸿沟。技术扩散遵循从创新者到大众化的规律，如同智能手机的普及历程，初期存在适应门槛，但最终通过技术平权实现社会普惠。

柳元鑫则结合 " 微笑曲线 " 理论指出技术应用的深层规律。AI 虽能替代一些如生产运营、基础报告生成的标准化工作环节，但人类在创新技术突破与客户服务的情感连接两端仍具不可替代优势。这种 " 需求导向 + 能力互补 " 原则推动职业体系分化，也让技术平权降低使用门槛，使多数人共享效率红利。" 技术演进不会消灭人的价值，而是驱动个体聚焦创造力、同理心等核心优势，在微笑曲线的两端开辟更具价值的发展空间 "，柳元鑫表示。

张晓明进一步强调 AI 技术引发的智能鸿沟本质是一场 " 正和博弈 "。虽短期存在岗位替代风险，但通过社会补偿机制兜底，让职业更替遵循历史规律，关键在于个体的技能迁移能力。技术革命推动社会总价值增长，如同电器普及重塑生活，AI 终将融入日常场景，让人类在动态变革中激活主观能动性，以终身学习应对所有的变化。

三位嘉宾的共识在于：短期阵痛源于岗位赋能与技术鸿沟，但长期将通过双向进化实现价值跃迁。这种变革既需宏观引导构建技术底座，也依赖个体激活主观能动性，在创新端与服务端开辟新价值空间，使技术革命真正成为普惠性生产力工具而非加剧不平等的分裂器。

金融机构的 AI 转型：战略定力与战术弹性的动态平衡

在 AI 技术加速重构金融业态的当下，三位专家从不同维度揭示了金融机构转型的共识与路径。毛航提出 " 战略激进、战术保守 " 的核心策略，认为企业推进 AI 转型需兼顾战略定力与战术弹性，强调战略层面需以生态级投入构建数据基建、业务协同与知识体系构建，避免将 AI 转型窄化为硬件采购；战术层面则需通过灰度发布、场景测试等渐进式创新，优先在低风险场景验证可行性，实现技术应用与安全可控平衡下的平滑转型。

柳元鑫则聚焦能力建设差异，指出金融机构可依托数据资产快速推进，而数字化较为薄弱的部分中小机构需同步补足数据基建与构建三大核心能力——数据治理与知识萃取体系、大小模型融合架构、提示工程与敏捷开发机制，通过场景试点形成 " 技术验证 - 能力沉淀 - 迭代优化 " 闭环。若仅聚焦短期试水而忽视能力体系建设，将错失 AI 时代核心竞争力，加剧与头部机构差距。

" 金融机构 AI 转型是必答题而非选择题，需分层级错位布局 "。张晓明提出了错位发展路径，证券业发挥高素养技术人才优势率先突破，银行业依托规模效应后追赶，保险业则加速场景探索。目前中小型机构则需强化数据基础，战略层面须坚定投入构建长期能力，通过分层实践积累核心能力，在 3-5 年内完成智化转型的不可逆进程。 

新网银行最新打造的 "AI 构造力 " 直播栏目，紧跟国家科技创新战略，聚焦 AI 领域技术突破与创新应用，解读 AI 大模型如何重构金融及行业生态。通过直播访谈、线下交流、内容联动等形式，搭建银行科技、AI 公司创始人、高校教授与财经媒体人之间的交流互动平台。