银行业如何从“AI+金融”走向“人+AI”？

财云财经阅读：61702025-04-17 15:01:00评论：0

摘要： 2024年银行公开AI战略与应用布局，“AI+”为核心覆盖全业务流程，很多银行有AI应用场景落地，大量应用背后银行关注“人+AI”并多方面努力。

银行AI战略的核心构成

模型底座的构建

银行AI战略的基础离不开模型底座。如今的模型底座构建呈现多样化特点。像建设银行会依据企业级应用需求，择优选择开源通用大模型，再利用自身数据进行处理，构建金融大模型和应用平台。而且，银行的大模型底座包含多种类型，如以生成式大模型为基础的“快思考”模型，以及像DeepSeek-R1这类“慢思考”推理模型等。不同类型的模型针对不同场景需求，如代码大模型、多模态大模型等都能在相应场景中落地应用。这有助于银行在不同业务领域，利用不同模型的优势，更好地开展金融服务。

安全与风险管理配套机制

安全保护与风险管理在银行AI战略中占据重要地位。银行作为处理大量资金和客户信息的机构，必须保障金融业务的安全性。在引入AI技术时，要建立配套机制来防范可能出现的风险。这包括对数据安全的保护，防止客户信息泄露等情况。也要确保AI模型在运行过程中的稳定性，避免因技术故障导致的金融交易风险。例如，在AI模型的训练和使用过程中，要对输入数据进行严格筛选和审核，防止恶意数据的注入影响模型的准确性和安全性。

创新业务场景应用

银行的AI战略重点在于与业务场景的结合创新。与以往单点业务的技术应用不同，现在“AI+”覆盖全业务流程。无论是C端用户、B端客户还是对内员工，都能感受到AI技术带来的改变。例如在零售信贷、财富管理等C端场景，以及金融市场、交易银行等对公业务场景，AI技术都有广泛应用。像招商银行在交易银行业务中的“招小财”AI助手，能够准确识别客户意图，这体现了AI在业务场景中的创新应用，提升了服务质量和效率。

银行AI应用场景的全面落地

常见业务场景中的应用

在银行的众多业务场景中，有许多AI应用已经成熟落地。智能编码研发、智能营销、智能客服、智能风控、合规内审、消费者权益保护以及日常经营管理流程等场景都在受益于AI技术。例如，智能客服可以快速响应客户咨询，提高客户满意度；智能风控能够更精准地评估风险，保障银行资金安全。这些应用的落地，提高了银行内部的运营效率，也提升了对外服务的质量。

银行业如何从“AI+金融”走向“人+AI”？

对公业务场景的智能化

除了常见的业务场景，2024年银行在对公业务场景下的AI应用也有很大进展。在金融市场、交易银行、公司金融等对公业务层面，银行结合大模型与小模型能力，实现综合化的智能应用。比如兴业银行的“兴小二”债券交易机器人，通过引入先进技术进行系统和策略升级，提升了交易效率。还有邮储银行的货币市场交易机器人“邮小助”和交易员助理机器人，分别在不同的交易场景下发挥作用，展示了大模型与小模型结合在对公业务板块不同场景和用户端的应用潜力。

从“AI+金融”到“人+AI”的转变

AI应用数量众多

在“AI+”战略推动下，银行的AI应用场景数量众多。各大银行都有大量的AI应用成果，如工行的“工银智涌”赋能众多业务领域和场景，累计调用量超10亿次；建设银行金融大模型体系赋能193个应用场景等。这些数据表明AI在银行的应用已经相当广泛，几乎渗透到银行的各个业务环节。

关注“人+AI”模式

随着AI应用的广泛开展，银行开始关注“人+AI”模式。例如建设银行推出“帮得”客户经理全功能AI智能助理，通过智能化驱动，打造“人+AI”新模式，实现客户服务的全流程再造升级。招商银行也在加快打造“人+数智化”新模式，在不同业务条线为员工提供智能化工具。银行还进行全行级别的AI基础设施改造，如中国银行强化配套机制建设，招行夯实科技底座等，目的是让员工更好地使用AI技术，真正实现人与AI的相互赋能。

银行业在AI技术的应用上不断发展，从构建AI战略的核心要素到广泛的应用场景落地，再到关注“人+AI”模式，这一系列的变化体现了银行业在数字化转型道路上的积极探索和创新。

银行业如何从“AI+金融”走向“人+AI”？