（来源：经济日报）

转自：经济日报

今年以来，银行业的 "AI 含量 " 正在显著上升：AI 正从 " 会生成 " 的辅助工具，走向 " 能执行 " 的生产流程。

近期，各大银行纷纷晒出 AI" 成绩单 "：工商银行大模型落地 600 余个场景，招商银行智能化场景达 1386 个，平安银行上线 140 个运营审核类智能体……但在银行业加码 AI 布局的同时，多数 AI 应用仍处于客服辅助、合规审查、信贷材料处理等环节，真正嵌入信贷审批、风险定价、资金交易等核心业务流程的案例寥寥。

业内共识是，AI 目前对大多数银行的价值贡献仍以降本为主，收入端的增量效益尚未充分释放。从 " 能对话 " 到 " 能办事 "，银行业 AI 竞争的重心正在发生关键转向。如何实现从效率辅助工具到业务创新引擎的跃升，仍是行业面临的主要挑战。

银行发力 AI 应用：三重经营压力下的必选项

银行发力 AI 的底层逻辑，不是单纯追赶技术潮流，而是三重经营压力倒逼下的现实选择。

息差持续收窄。国家金融监督管理总局数据显示，2026 年二季度商业银行净息差为 1.41％。整体水平处于历史低位。这意味着银行必须寻找存贷利差之外的盈利模式，AI 驱动的精准运营和数据变现成为选项之一。

人力成本刚性上升。银行业是劳动密集型行业，人力成本在运营成本中占比显著。在人力成本高企的背景下，用 AI 替代重复性劳动、提升单位人效，已从 " 可选项 " 变为 " 必选项 "。

同业竞争态势。凭借数据密集、技术驱动的特性，银行业一直是科技创新应用的先行者。AI 成为影响银行中长期竞争力的重要因素，若不及时转型，或意味着在下一轮同业竞争中掉队。标普全球评级最新发布的报告表示，未来数年内，银行对 AI 的应用程度将越来越直接地影响其信用评级。这意味着在 AI 赛道上落后的银行，可能面临来自评级机构的额外压力。

但是，三重压力之下并不意味着所有 AI 投入都会产生价值。不可否认的是，当前银行业存在一批 " 无意义的做法 "：一些项目习惯从模型能力出发倒推场景，做出的多是问答助手、文档助手等演示效果大于实际产出的应用；部分机构以场景数量为导向，追求 " 上新 " 而非 " 上效 "；还有的项目 " 为新而新、为用而用 "，消耗了大量算力、人力，却始终在核心业务流程门外徘徊。

平安银行副行长项有志直言，科技投入要强调 " 有用性 "，" 如果纯粹为了做 AI 玩一个很炫的技术，是没有意义的 "。

上述标普全球评级报告显示，尽管 AI 应用预期持续扩展，但目前多数金融机构仍将 AI 部署限定在支持职能和自动化领域，将 AI 用于开发新产品和服务的机构不足三分之一。

银行业 AI 发展的现实挑战：可解释性责任归属数据质量

强监管、高风险的属性决定了银行业的 "AI 含量 " 有其特殊要求。金融业是典型的低容错行业，每一笔授信、每一次资金交易都牵动着企业与储户的利益，AI 系统必须全程可解释、可追溯、可审计。

具体来看，至少有三重挑战不容小觑。一是 " 可解释性 "。监管明确要求银行对关键业务决策能可解释、可追溯，而 AI 大模型本质上是基于概率的生成引擎，其决策过程往往呈现 " 黑箱 " 特性，内部逻辑难以被外部理解与审计。

二是 " 责任归属 "。智能体每多承担一项任务，就要同步明确出错时的责任归属和纠错安排。模型提供商、科技公司、银行自身，各方责任如何划分？目前仍缺乏清晰的制度安排。责任不清，意味着无人敢拍板让 AI 独立决策。

三是 " 数据质量 "。底层数据参差不齐诱发模型 " 幻觉 "，而征信等敏感金融数据的采集使用又有明确边界。

更深层的制约来自组织内部。银行 AI 投入与产出存在错配，算力与人才投入是即期的，AI 业务价值的显现却往往滞后。

竞争重心转移：跑通 " 业务闭环 " 需完善配套机制

在银行业，Token 调用量已悄然成为衡量其智能化活跃度的重要标尺。但下一阶段，竞争的重心，不再是模型参数和场景数量，而是能否跑通 " 业务闭环 "。这既是一场效率革命，也是一次治理大考。让 AI 快速落地的同时还需系好 " 安全带 "，持续完善配套机制。

首先是分级决策机制。2026 年 6 月，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》，明确 AI 应用的责任由谁承担、能力靠什么支撑、风险边界划在哪里。

在浦发银行首席人工智能科学家郑波看来，对银行而言，AI 决策权不是简单的 " 交 " 或者 " 不交 "，而应根据风险程度、可解释性和责任边界分级。当前业界的共识是，规则清晰、结果可验证的任务，可逐步让 AI 自主完成；授信审批、资金交易等高风险事项，AI 提供分析和建议，关键决策点必须由人负责把控。

其次是价值验收机制。坚持创新但不冒进，AI 项目不仅要通过技术验收，还应通过业务验收和价值验收。只有价值可衡量，银行 AI 投入才不会变成 " 无底洞 "。

第三是组织进化机制。AI 转型不仅是银行的技术迭代，更是深刻的组织变革。技术之外的组织功课，往往比技术本身更难，也更为关键。银行要同时完善创新、总分协同、人才发展机制，推动业务部门与科技部门从上下游关系转变为合伙人关系，进而充分释放 AI 创新活力。