“AI智能體元年”開啓 銀行業掀起數字員工革命

中經記者 郝亞娟 夏欣 上海 北京報道

2025年是“AI智能體元年”，銀行業積極推進AI Agent（智能體）研發。

《2025金融智能體深度應用報告》指出，金融行業數據豐富且複雜，對數據處理和分析要求極高。早期，金融大模型憑藉對海量金融數據的深度挖掘分析，爲金融決策提供一定支持。然而，隨着業務場景日趨複雜，大模型的侷限性逐漸凸顯，難以滿足更高階需求。而金融智能體爲解決當前大模型應用面臨的侷限提供了有效路徑。

交通銀行董事長任德奇指出，大模型技術持續創新突破，特別是智能體逐步成熟，已經能夠高效處理一些事務性、操作性、流程化、標準化的工作，有望成爲銀行的數字員工，這將爲銀行經營模式帶來深刻變革。

金融智能體駛入應用快車道

金融場景成爲智能體應用的重要賽道。近日，廣發銀行、大連銀行發佈AI智能體開發、場景應用的招標公告。

沙丘智庫研究團隊指出，“場景+智能體”將成爲下一步金融創新的主要領域。銀行將更加關注開發具有更高自主性和協作性的智能體，這些智能體能夠在沒有人工干預的情況下執行復雜的任務，從而實現更高效率的業務流程、更精準的風險管理以及更優質的客戶體驗。

從應用場景來看，沙丘智庫研究團隊指出，風險管理、網絡運維、數據洞察等“決策類場景”是銀行探索智能體的優先場景。

具體來看，風險管理是銀行業務的核心環節之一，智能體在風險識別、評估和監控方面發揮重要作用。例如，工商銀行採集全行信貸業務專家的知識、經驗、工作方法論等先驗知識，在企業基模基礎上，通過監督微調(SFT)和強化學習，實現了對於信貸風險多關聯任務識別能力構建，初步形成了基於企業內先驗知識+微調訓練+強化學習的風險決策類等問題的突破。

網絡運維是銀行業務穩定運行的重要保障，智能體在監控、故障排查和自動化處理方面表現出色。例如，郵儲銀行告警研判智能體基於行內運維知識庫進行知識萃取，結合大模型推理能力，自動生成告警排查思維鏈，並在告警處置過程中，基於大小模型協同實現行內常見告警自動排查及生成處置建議。

數據洞察是銀行提升決策科學性和精準性的關鍵，智能體在數據分析、市場預測和客戶洞察方面發揮價值。例如，上海銀行智能問數平臺採用多Agent架構，爲業務團隊和領導提供更低門檻、高效和智能的數據查詢與分析服務。

安永亞太區金融科技及創新首席合夥人忻怡接受《中國經營報》記者採訪時指出，中國金融AI應用正從輔助性非決策場景向核心決策場景深度滲透，AI智能體已從概念驗證進入規模化應用階段：頭部銀行已實現“通用大模型+垂類模型+智能體”的技術架構落地；證券業頭部券商推出多款AI應用產品並投入實戰場景；保險業則着力推進智能理賠體系建設。未來兩年將會涌現更多金融垂類大模型以及大模型廠商同數據服務商合作開發的金融通用大模型，在解決幻覺問題之上，重點突破金融知識碎片化、監管穿透及毫秒級算力的關卡。

安全與效率的雙重考驗

在智能體快速落地的同時，安全與效率問題同樣成爲金融機構關注焦點。

星展中國首席信息官宮霄峻指出，從提升風險控制能力、優化內部流程到提升客戶服務體驗，人工智能正以驚人的速度重塑金融服務的面貌。然而，在追求效率和智能化的同時，如何確保數據安全、保護用戶隱私以及遵守嚴格的法律合規要求，成爲金融機構必須面對的重大挑戰。

任德奇表示，人工智能進一步深化應用面臨不少挑戰：比如模型幻覺問題，這在對嚴謹性、準確度有更高要求的金融領域更爲突出；又比如數據安全、算法歧視，以及模型與算法同質化可能引發“羊羣效應”等安全風險不容忽視。

宮霄峻指出，數據的準確性與可靠性對於金融決策至關重要，任何基於錯誤信息作出的判斷，都可能引發嚴重的經濟損失和法律合規風險。

談到解決方案，宮霄峻表示，金融機構正積極構建“數字免疫系統”，通過建立大模型安全控制架構、部署多層次防禦機制、實施精細化的知識庫訪問控制等手段，全面提升系統的安全性與韌性。這一體系涵蓋訓練數據安全治理、安全評估基準與模型測評機制、用戶輸入防禦策略、投毒攻擊預防、科技倫理與合規審查，以及模型輸出的風險管控等多個方面。

（編輯：朱紫雲 審覈：何莎莎 校對：張國剛）