九卦 | 银行AI竞赛：如何算清这笔投入产出账？

作 者 | 刘建军

来 源 | 新金融联盟NFA

“银行业迫切需要一套权威且统一的AI价值评估标准。”6月17日，在新金融联盟举办的“AI提升金融业务价值的问题与解决路径”内部研讨会上，邮储银行金融科技部副总经理呙亚南道出了在场嘉宾的共同心声。

这是新金融联盟举办的第105期内部研讨会，由秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。工商银行原首席技术官吕仲涛进行主题分享，交通银行金融科技部副总经理朱麟、邮储银行金融科技部副总经理呙亚南、恒丰银行首席信息官徐彤、厦门银行副行长郑承满、蚂蚁数科金融事业部总经理曹刚等发表主旨演讲，近20家银行代表出席。

金融AI创造了哪些价值

当前，金融行业已普遍跨越是否要开展AI的认知阶段，转而进入如何挖掘真实价值的攻坚阶段。

交通银行于2021年启动AI体系化建设，目前已落地超过400个应用场景，部署了2500多个智能体。运营环节中的单据录入、资料核查、流水筛查等标准化工作已由AI接管；金融市场AI交易机器人覆盖资金、同业存单及外汇业务，实现自动询报价与交易辅助；在风控领域，AI整合交易流水、征信、行为数据及舆情信息构建多维画像，有效识别异常交易与信用违约风险。

蚂蚁数科依托金融大模型能力，构建了面向C端用户、B端理财师、风控、营销及服务的全链路AI产品矩阵。AI个人金融管家已从问答式智能体升级为具备交易决策与投后复盘能力的全流程服务产品。AI业务助手可协助投研分析师提取研报观点，帮助客户经理扩大有效管户半径，在其赋能下，客户经理团队实现了精细化、专业化与规模化运营。

如何衡量AI投入产出

尽管金融AI已在众多业务场景中跑通并带来直接或间接成效，但要精准评估其投入产出仍是一大难题。若缺乏一把能准确衡量投入产出的“标尺”，便难以回答是否值得持续投入以及资源应向何处倾斜的问题。

呙亚南直言，AI创新前期投入巨大，但从长远看却是银行竞争力的关键所在。

“人力成本的优化节约，是银行落地人工智能最直观、最现实的成效。但未来AI价值需突破单一维度。”朱麟介绍了交行的探索——搭建兼顾显性经济价值与隐性战略价值的AI价值评估体系，涵盖客户价值、效率敏捷、风险防控、战略沉淀四个维度，分别衡量AI在客户经营升级、运营研发效率提升、风险拦截前置防控、高质量数据集与可复用智能体沉淀等方面的成效，形成以升级体验带来客户增量、以效能优化降低运营成本、以精准风控守住经营利润、以战略沉淀构筑长期竞争力的完整价值闭环。

针对当前行业普遍存在的“业务AI需求爆发、科技团队承接能力不足”现象，吕仲涛认为，根源在于业务部门提需求零成本。传统业务需求本身无法穷尽，AI时代进一步放大了这一问题。若无成本约束和额度管控，必然导致资源浪费。行业亟需建立算力配额管理和需求成本分摊机制，由对应业务部门承担相应成本，以经营和业绩为导向，倒逼业务聚焦高价值场景。

在郑承满看来，部分AI场景的价值在立项阶段难以预先测算，往往在运行过程中才能逐步显现。应设定一个容忍度，先小范围试点，用实际数据验证后再决定是否扩大。

探索差异化转型路径

吕仲涛认为，银行业AI转型已进入机制重构、流程再造、价值深耕的关键窗口期，不同银行应基于自身禀赋探索差异化路径。但当前银行业务体系均基于静态流程设计，与AI动态、自主、自适应的作业模式存在冲突，导致多数应用停留在辅助和替代的浅层，难以渗透信贷审批、资产定价等核心场景。他建议围绕AI人机协同模式重构业务流程，让流程适配技术，而非让技术适配旧流程。

交行的策略是在成本、价值、安全三者间寻求动态平衡，从架构先行、分级施策、底线管控三方面推进。架构上，统筹算力、模型、数据、应用全链条，搭建集约化AI底座；治理上，将AI风险分为高、中、低三档差异化管控，高风险坚持人机协同与全程审计，中风险实施标准化合规管控，低风险简化审批释放效能；安全上，构建基础设施、数据、模型、应用四层防线，将安全合规作为AI应用的前置条件，确保规模化落地不越底线。

下一步，交行将在赋能科技自身、提升员工工作产能、增强客户与产品服务能力以及提高风险防控水平四个方向进一步发力。

按照邮储银行十五五IT规划，邮储银行目标是成为AI原生银行。系统建设，特别是新建系统，逻辑从“哪些场景可以用AI”，反转为“哪些场景不能用AI”——形成“人机协同、人工做核心决策”的架构。下一步，该行计划在年底实现1000个大模型应用场景。

徐彤认为，AI时代不做什么比做什么更重要，这并非躺平，而是避免盲目跟风的战略定力。中小银行应将算力、基础大模型等公共能力交由产业端迭代升级，按需复用即可。真正需要自主深耕的是银行自有的业务知识、工作流程和结构化数据。恒丰银行正将行业规章、业务经验、合规手册等隐性知识沉淀为动态更新的知识库，并建立长效机制，让数字员工“有人教、有人养、能迭代”。

郑承满认为，模型价值不在参数大小，而在场景适配精度。只要小模型能精准匹配业务场景，就无需盲目投入高额算力。厦门银行的思路是放弃大模型重资产训练，聚焦精准小模型迭代优化，通过压缩参数、优化精度，在保障业务适配性的前提下，降低算力依赖与落地成本。不追求全场景覆盖，聚焦高价值业务场景，针对性布局智能体与数字员工。

曹刚介绍，蚂蚁数科基于自身在财富管理、保险理赔等金融场景的AI落地实践，以及服务多家银行的经验，形成了覆盖金融大模型、金融数字专家、组织升级方案的全栈能力。其同日在2026中国国际金融展主论坛上发布的Agentar金融智能体专家团，覆盖财富管理、金融风控、金融营销等金融核心业务领域，可为金融机构提供可落地的AI工具与组织适配方案。

在AI以周为单位迭代的当下，银行需要的不仅是速度，更是清醒的取舍。只有完成从技术引入到系统消化的跨越，AI才能真正转化为业务价值。

END