□ 本报记者 陈 娴

近期，多家银行宣布与AI技术公司展开深度合作，推动“人工智能+”在核心场景的进一步落地。从早期的数字化转型到如今DeepSeek等开源大模型的引入，银行在AI的“牌桌”上早已占据一席之地，甚至成为推动行业智能化转型的先锋力量。目前，银行对AI的应用究竟走到了哪一步？

应用场景不断“解锁”

AI早已正式“入职”银行，成为金融服务中不可或缺的一员。

走进银行大厅，人形机器人会主动问候：“您好，请问您需要办理什么业务”；拨打客服电话，人工智能客服应答如流、精准高效；打开手机银行APP，AI助手随时提供专业的交互答疑服务……曾经只在电影世界出现的场景，如今已真切落地，融入人们的日常生活。

以工商银行常州分行为例，他们今年刚“入职”了一台人形机器人，在营业部担任“大堂经理”。工作人员告诉记者，这款机器人不仅能对话互动、手势指引，未来还会加入视觉识别、路径规划、自动避障等功能，实现更智能的多模态交互和自主导航。目前，工行江苏分行已经在全省12个设区市部署57台厅堂服务机器人，其中56台是滚轮式的，还有1台就是常州分行的这款人形机器人。

线上服务同样飞速升级。手机银行APP上，越来越多的智能客服提供着7×24小时不间断服务。江苏银行相关负责人介绍：“我们基于‘智慧小苏’大语言模型平台推出了‘移动智库’，集成各种先进技术，打造了业内领先的问答助手，精准溯源、自动定位，大幅提高检索效率，应答准确率提升至97%。”

农商行也在加速布局。经过半年的探索与测试，张家港农商银行已经初步构建起以开源大模型为底座的模型应用体系。“AI在‘看、听、说、思’四个方向都具备了基础能力，成为‘听得懂、看得清、说得准、想得明’的智能助手，满足文字识别、语音交互、图像生成、逻辑推理等多类日常业务需求。”张家港行相关负责人说。

从银行大厅到手机应用，AI的身影无处不在，重塑银行客户体验。IDC预测，2024—2028年全球AI解决方案支出最多的行业是银行业的金融服务，占所有AI支出的20%以上。

“AI已经在投研、客服、员工助手、辅助编码、信贷审批等场景中落地应用。AI技术不仅显著提升了金融服务的智能化程度，还在运维、代码开发、知识库管理、监管与风控等方面展现出巨大的潜力。”东北证券研究员陈俊如说。

加速渗透核心业务

对银行业来说，人工智能带来的不仅是客户服务方式的革新，它已经深入风控、信贷、合规等核心业务领域。

很多银行已将AI作为风控系统的“守门人”。例如，招商银行的“天秤”智慧风控平台能够在毫秒级内计算超高维的不同频次、不同类型的批次变量和实时变量，部署了一系列差异化实时侦测模型，形成了全方位的交易监测和保护体系。这种科技赋能的风控方式，识别异常交易的速度远超传统方法，让欺诈行为无处遁形。

交通银行则通过人工智能技术全面提升信用风险、操作风险和合规风险的防控能力。在操作风险领域，该行利用OCR比对、RPA自动核查等手段，年自动核查权证约15万件，拦截疑似电信诈骗交易金额数十亿元。在合规风险领域，通过端到端AI模型的应用，减少了30%的反洗钱筛查任务量，将反洗钱上报率提升了50%。

在提质增效方面，生成式AI大显身手。工商银行江苏分行的“信贷报告AI生成助手”将单篇报告撰写时间从4人天缩短至2人天，续写效率提升70%，累计可节省人力150—200人年。在自动化智慧报表提效方面，已为个贷、私银、普惠等关键部门实现了报表自动化生成。

同样是提质增效，江苏银行通过构建“微应用”集市生态，向全行员工提供AI工具。“AI最终是需要员工使用的。”江苏银行相关负责人表示，业务人员无需编写代码即可快速构建满足自身需求的应用场景，极大降低了技术使用门槛。目前，该行已发布高质量微应用152项，日均调用量突破2500次，显著激发了基层创新活力，加速了智能化应用的普及与深化。

“新兴技术不仅仅是优化流程，更是在创造全新的互动模式、决策机制和价值来源。在客户端，我们看到从标准化服务向‘超个性化’智能陪伴的演进；在风控端，基于大模型的动态风险预判与处置，正在提升金融体系的韧性；在运营端，智能体的广泛应用将极大提升组织效能，重新定义人机协作的边界。”毕马威中国金融业主管合伙人张楚东说。

让“人工智能+”可信、可控

银行业对人工智能的应用“走得很快”，无论是资金投入还是场景落地都表现突出。然而，想要“走得好”，还需要在可信、可控上进一步下功夫。

毕马威中国在《2025年中国银行业调查报告》中指出，技术的进步必须与可信AI治理体系的建设同步，确保数据安全、算法透明、伦理合规是银行业在应用AI过程中不可逾越的红线。银行业在推进“人工智能+”战略时，应深刻认识到这不仅是技术层面的革新，更是涉及战略重构、组织进化、数据要素治理与体系融合的系统工程。

以江苏银行为例，2024年该行继续推进“加速数字金融发展，提升科技价值贡献”战略，强化科技对业务的支撑。自主研发的大语言模型平台“智慧小苏”被应用于数据血缘分析场景，不断提升数据治理效率和风控水平。同时，该行通过创新大赛和“内部知识产权”机制，推动创新项目落地，为技术应用不断注入新动能。

人才问题依然是银行业AI应用的一大挑战。一位银行相关人士表示：“算法的核心在于是否拥有算法人才。过去几年，我们通过校招培养了一批构建小模型的人才，但主要依靠校招和自主培养的方式还远远不够。此外，银行业的很多数据不能直接与外部数据关联，这使得我们在处理行内问题时，往往无法向外部寻求解决方案。”

南京银行相关负责人表示，他们强化科技人员的“一专多能”，通过项目实践、竞赛培训等，培养复合型数字人才。同时，全行深化数字思维，加强宣贯与考核，提升员工对数字化转型的认知与能力，营造全员重视、实践数字金融的氛围。