规模化转入精细化管理，银行AI应用迈入深水区

21世纪经济报道记者 郭聪聪

当客户走进银行网点，不再需要排队等待人工服务，而是通过智能终端迅速完成业务办理；当信贷审批从过去的数天缩短至数小时，且风险识别更加精准；当客户在线上可以随时享受到理财专业解答和财富建议——这些曾经勾勒的未来图景，正借助大模型技术的浪潮，加速在银行业变为现实。

AI时代的到来，无疑推动银行业数字金融发展迈入新阶段。2023年之后，从国有大行到地方城商行纷纷大规模的落地升级AI应用，一场以“AI+”为核心的改造正在重新定义金融服务的边界。

21世纪经济报道记者观察到，进入人工智能应用加速落地的2025年，银行机构的科技投入正在告别规模化增长，AI应用正在迈入深水区。

麦肯锡在《全球银行业年度报告2025》（下称《报告》）中指出，随着人工智能在银行业的全面应用，某些成本类别可能实现高达70%的大幅削减。一些技术成本上升会部分抵消这些节省的成本，预计银行总体成本基数的净降幅将在15%至20%之间。

该报告进一步警示，随着人工智能在银行业的全面渗透，银行机构必须精准识别技术真正能产生收益的领域，而非因担心错失机遇而盲目投入。

2023年开始，我国银行业落地应用大模型初现规模，经过两年发展，人工智能应用正在加速落地。《报告》指出，仅2025年就有全球50家最大银行宣布了160多个人工智能应用案例。

直至今日，银行业的AI应用早已超越早期的智能客服、自动转账等基础功能，深入信贷、风控、财富管理、运营等核心场景，形成全价值链的智能升级。在不同业务领域，AI正以差异化的方式破解行业痛点，释放效率红利。

首先，作为银行的核心盈利来源的信贷业务，正被AI重构，“无感授信、当天放款”成为越来越多借款人的真实体验。

传统信贷审批依赖人工审核纸质材料，流程繁琐、效率低下，且受主观因素影响较大。如今，大模型技术打通了银行内部数据与外部可信数据源，实现了信贷全流程的智能化。例如交通银行就在审贷联动场景中，构建覆盖了“授信审批—放款审查—贷后监控”的全周期AI模型，实现了授信条件自动检查、审批条目自动分类与联动。

在反电诈风险防控场景中，AI也正在实现从“被动应对”到“主动预判”的变革。

随着金融欺诈手段日趋复杂，传统风控体系难以招架，多家银行纷纷通过大模型构建多层次安全防护网，遏制金融欺诈风险。例如平安银行打造的反电诈账户风控大脑系统，就采用“左脑风控+右脑服务”模式，既实现了可疑交易拦截，又能在严控风险的同时保障用户体验。

此外，财富建议与理财咨询领域正加速，迈向“千人千面”的个性化服务新阶段。

“财富助手”成为银行与大模型结合的热门方向。传统理财咨询服务与专业解答高度依赖专业人力，优质财富管理建议仅能通过私人银行覆盖高净值客户，广大普通大众难以触及。而大模型可以通过深度学习产品库、市场资讯与客户偏好，能够为大众客户提供实时、个性化的资产配置建议、市场解读等专业服务，大幅降低专业理财服务门槛。

21世纪经济报道记者验证多家银行AI客服发现，其已能依据客户风险偏好、投资期限，结合理财产品收益表现，给出针对性理财建议。

银行业的科技投入也随着AI大模型掀起的技术浪潮，高歌猛进。但21世纪经济报道记者发现，进入2024年后，行业发展节奏正在悄然生变，平安银行、中信银行、招商银行、交通银行等银行机构的科技投入增速放缓，甚至出现同比下滑。

这一变化并非偶然，一方面经过前期持续投入，银行业数智化基础设施已初步建成，大规模铺建的阶段基本结束；另一方面，金融机构开始从规模化投入转向细化管理，着力优化科技资源配置。

《报告》对AI带来的银行机构的成本变化进行了详细分析：随着人工智能在银行业的全面应用，某些成本类别可能实现高达70%的大幅削减，但由于技术成本上升会部分抵消这些节省的成本，预计银行总体成本基数的净降幅将在15%至20%之间。

更值得关注的是，这种成本节省的效果难以长期维持。与以往的创新一样，竞争会逐渐削弱银行的收益，长期来看，大部分收益将惠及客户。这一分析也解释了为何银行机构开始调整科技投入节奏：在意识到成本节省的有限性和长期性后，银行不再追求规模扩张，而是转向精细化管理，聚焦于能真正产生差异化竞争优势的领域。

银行机构科技投入节奏的调整，也折射出了行业在科技资源细化管理过程中正在面临挑战，这令AI发展热潮之下的冷思考愈发必要——AI应用正在迈入深水区。

数据治理与安全问题首当其冲，成为制约转型的核心痛点。金融数据来源广泛、格式繁杂，数据缺失、错误、重复等问题，直接影响到AI模型训练的基础数据质量。更严峻的是数据安全与隐私保护的双重压力：银行数据包含大量客户身份信息、资产状况等敏感内容，一旦泄露将给客户和银行带来不可估量的损失。

合规与可解释性难题制约着AI在关键场景的应用。金融行业监管严格，信贷审批、风险定价等关键决策不仅需要准确，还要求可追溯、可解释。但大模型的“黑箱”特性使其决策逻辑难以直观呈现，例如AI拒绝某笔贷款申请时，无法清晰说明具体原因，这既影响客户信任，也可能引发合规风险。

AI“幻觉”与可信度问题同样不容忽视。在精确性要求极高的金融场景，大模型生成内容的可靠性仍是最大顾虑，特别是在产品解释、合规建议、数字计算等关键环节，一旦出现“幻觉”输出错误信息，可能给银行和客户带来直接损失。

“当前技术水平下，AI在金融场景的应用仍需结合传统规则系统或人工复核机制，才能确保服务的准确性，这在一定程度上限制了 AI 效率红利的充分释放。”一位科技公司业务人员如是说道。

对于银行业而言，AI应用转型已经不是“选择题”，而是“必答题”。

《报告》预估，AI技术将为银行业节省7000亿至8000亿美元成本，且《报告》预计未来3至5年内，将出现一种突破性的智能体商业模式，成为行业变革的临界点。

这场变革将深刻改变银行业服务生态，正如星展银行（中国）科技及营运部主管兼首席信息官宫霄峻所言，AI带来的不是颠覆，而是重构，重构工作方式、重构运营模式、重构客户关系。

“在这场变革中，那些能够主动拥抱变化、精准把握趋势、有效破解痛点的银行，必将在未来的市场竞争中占据主导地位，为金融行业的高质量发展注入持续动力。而最终受益的，将是每一位普通消费者——更便捷的服务、更优质的产品、更安全的体验，这正是 AI 赋能银行业的终极价值所在。”宫霄峻补充道。

值得说明的是，银行业的AI转型并非一场零和博弈，行业内的交流合作、生态共建，才是实现技术共享、资源互补，推动全行业智能化水平提升的关键路径。在此过程中，如中关村科金等金融科技企业正在成为银行AI转型的重要合作伙伴，通过推出面向金融行业的大模型平台与智能体解决方案，正与银行共同探索落地路径。

EVOLVE 2025大模型与智能体产业创新峰会期间，中关村科金总裁喻友平在接受21世纪经济报道记者采访时表示，已推出的得助金融智能体平台，不仅覆盖金融营销服和办公场景，也覆盖了包括财富助手、智能风控、信贷消保这些行业垂直领域。“金融行业是一个数据知识密集以及服务为典型特征的行业，当前大模型的兴起在金融行业的应用已进入中场，我相信还有很大的空间值得探索。”

谈及AI在金融领域的未来发展，硅谷人工智能研究院(SVAIRI)院长皮埃罗表示，AI早已在金融行业广泛应用于分析市场趋势、评估风险、欺诈检测及客服等场景。“但我认为这是一种较初级的人工智能应用场景，当人工智能能够设计出那些原本不存在的产品时，将更智能、也更贴近生成式人工智能的本质。”