数据质量决定AI成败

当银行还在比拼模型参数规模时，真正的决胜点已悄然转移——数据治理，才是AI时代的“弹药库”。

2025年，DeepSeek开源，训练成本压缩至闭源模型的1/20。三十余家银行迅速接入，其中六成是中小银行。舆论欢呼“技术平权”——小银行终于不必重金投入也能玩转AI。

但先别急着庆贺。

招商银行科技支出129亿元，占营收4.31%；工行数据湖汇聚9.4万张表，AI数字员工相当于5.5万人的工作量。反观中小银行，科技投入普遍低于营收1%，七成机构技术人员占比不足5%。

开源模型降价了，但数据的“门票”并未降低。中小银行EAST数据漏报错报率高达18%，大行仅5%。你手里拿着DeepSeek，数据却是一团乱麻——这好比给F1赛车灌劣质燃油。

竞争的焦点已从“谁能买得起模型”转变为“谁能管好数据”。开源并未带来真正的平等，它只是暴露了真实的差距。

93号文要求从“制度合规”转向“能力合规”——不再只看有无制度文件，而是看能否真正落地运行。金规〔2024〕24号提出AI“三可原则”：可验证、可审核、可追溯。

许多银行视此为紧箍咒。

但工行借此“逼”出69项安全检测，交行首创“全匿踪联邦建模”斩获金融密码杯一等奖。监管要求“停止AI时的替代方案”，本质是倒逼保留人机协作接口——这并非限制，而是安全屏障。

中国银行业的AI创新走的是一条独特路径：监管驱动。合规不是成本，而是创新的起跑线。

数据差，AI表现更差；数据好，AI效果更好。这是飞轮效应，但分正负。

上海AI实验室的研究表明，8B参数的高质量数据模型，性能媲美32B通用模型。规模并非王道，质量才是核心。

中小银行常陷入“负向飞轮”：脏数据→AI输出谬误→进一步污染数据→模型越跑越偏。某城商行拥有80多套系统，客户风险指标不一致率达40%，AI该如何学习？

正确的启动路径应分三步：人工奠基→AI辅助→AI自治。先由人工将核心数据清洗完毕，再让AI接管重复性工作，最后才可放手让AI独立运行。跳过第一步直接上AI，无异于引火自焚。

恒丰银行做得对：聚焦80%高频数据质检场景，利用AI助手覆盖，人力节省超40%。它并非全面铺开，而是精准切入。

数据治理投入与AI效果并非线性关系，而是S型曲线。

低于营收2%——低效区，投入无效。跨越2%——高效回报区，边际收益激增。超过4.5%——边际递减区，再砸钱效果有限。

招商银行4.31%投入，提前42天预警。恒丰银行集中资源突破阈值，以有限投入撬动了40%的人力节约。而那些低于1%的中小银行，仍陷于“边污染边治理”的泥潭。

并非所有银行都需要搭建千卡集群。关键在于：你的投入，是否跨过了“最小有效剂量”？

大模型在金融领域存在根本性矛盾：生成式AI的概率本质 vs 金融业务的“零容忍”要求。

未经优化，幻觉率超过35%；采用RAG技术，也只能降至4-8%。某城商行因大模型编造理财产品说明书，被罚2300万元。

这并非技术能彻底解决的。央行令〔2025〕第3号要求AI系统必须具备“退出替代方案”——实质是在说：金融核心决策，不能完全依赖AI。

大模型的正确定位是“辅助工具”，而非“自主决策系统”。它能帮你提效、分析，但最终签字的笔，必须握在人类手中。

未来三至五年，三大趋势已定：

对大型银行：任务是“从强到标准”，输出能力、牵头行业，做裁判而非仅做运动员。

对中小银行：别做全能梦。聚焦2-3个核心场景，先建立高质量种子数据集，借助开源和云平台，加入联盟——在细分赛道打造不可替代性。

AI非魔法。它是一面放大镜——放大的是你数据治理的深厚功底，还是数据脏乱的致命缺陷，全看你的底子。

数据治不好，AI救不了。