2026-08-12 12:15:55
近期，金融监管部门对银行业、保险业人工智能安全开发应用提出系统要求，强调合规、透明、可信赖和务实高效。
在此背景下，8月6日，陆家嘴金融沙龙2026年第26期主题为“数智金融向实而行：银行业AI应用服务实体经济高质量发展”的活动成功举办，与会嘉宾深入探讨了AI如何从降本增效的辅助工具，升级为赋能实体发展的核心金融能力。
对公金融是银行服务实体经济、赋能产业发展的核心抓手。如何借助数智技术重构对公服务能力、精准匹配实体产业需求，已成为银行业数字化转型的核心课题。
上海浦东发展银行股份有限公司党委委员、公司业务总监，上海分行党委书记、行长汪素南坦言，本轮AI变革的紧迫感前所未有——历次工业革命替代的是体力劳动，而AI直接冲击的是脑力劳动。
“开发的范式完全被重新定义了”，汪素南表示，过去银行产品和流程的开发依赖信息科技人员，而今开发者已变为客户经理和产品经理，开发流程也从传统的瀑布式（传统开发方法，强调线性顺序执行），走向全新的范式。
海外如何应用AI？汪素南分享了近期对多家外资机构的调研。他表示，外资机构在AI部署上采取双轨策略：通用模型多采用微软Copilot等AI助手，垂类模型则采用私有化部署。
在推动AI落地的实践中，汪素南提炼了三个“First”原则。首先是“First Draft”——第一稿必须用AI生成；其次是“Token First”——Token消耗量是衡量AI活跃度的硬指标；第三个是“Leader First”——领导必须带头。他强调，AI不是插上电就能用的设备，更像一个需要指挥的“活人”。
AI使用过程中的数据和跨境安全两大制约因素不容忽视，汪素南指出，外资机构境内外AI使用水平差距悬殊，部分功能因数据不能跨境而无法启用。在他看来，这需要平衡安全与效率。
“AI并非一好百好”，汪素南表示，大模型存在“幻觉”、“过度自信”和“信息遗漏”三重固有风险。银行以“铁账本、铁算盘”立身，对准确率的要求极高。在他看来，如何将这三重风险压缩至可控范围，是AI真正从“能用”迈向“敢用”的关键前提。
如何让金融资源更精准地触达小微企业和科创企业？
在普惠金融与科创金融的一线实践中，上海银行股份有限公司普惠业务部/小微金融事业部总经理郑涵分享了对“数智化趋势下民生普惠金融发展”的思考。
郑涵援引数据指出，2013年至今，政府对普惠金融的支持力度与日俱增，各项政策与监管制度密集出台，银行业对普惠金融的重视程度持续提升。
从规模看，普惠金融贷款余额由2021年的19.2万亿元增长至2026年6月末的38.5万亿元，规模持续扩张；而贷款增速则由2021年的27%回落至2026年上半年的8%，增长态势明显放缓。与此同时，全行业普惠贷款不良率有所上升。
从上海地区经济主体情况来看，2026年上半年上海市场主体共计344万户，其中企业主体302万户、个体工商户42万户，民生类小微主体占绝大多数。从存续动态看，新设与消亡并存。
在郑涵看来，上述“波动”格局反映出当前民生类小微主体经营的现状。“应该用时间换空间，助力民生企业可持续发展”，郑涵认为，这需要政府、国有企业、金融机构等多部门协同发力。
在政府层面，他建议优化民生领域风险补偿政策、引导规范头部企业和平台业务管理机制、建立常态化征信容错修复机制等；落实惠企减负举措，降低民生企业经营成本；深化数字化基础设施建设，优化融资服务链路；推动政策宣导下沉，打通服务“最后一公里”。
在国资国企层面，他认为应坚持聚焦主营场景，发挥体制机制优势，主动扛起稳就业、保民生的社会责任；规范国资国企参与供应链业务和金融服务的边界，降低民生中小企业综合融资门槛和成本；主动开放各类生态与场景，为政府和金融机构实施针对性支持政策提供数据基础。
在银行业层面，郑涵提出可通过场景化获客、生态化研究、专业化增能、综合化服务、融合服务推进普惠金融的发展，而这每一步都离不开AI赋能。
如何让一线客户经理拥有专家级的服务能力？
上海贝耳塔信息技术有限公司联合创始人、产品副总裁张家宁结合一线实践，分享了对“AI赋能公司业务数智化经营，推动金融机构专家能力普惠化”的思考。
张家宁开门见山指出，当前企业客户对公金融需求已从单一融资升级为三个层面需求：首先，金融机构需要了解行业、企业经营模式和企业真实的资金需求；其次，金融机构要提供综合解决方案；此外，企业还需要专业的金融陪伴，并跟随企业的经营变化及时提供个性化建议。
“这显然不是单一的金融产品服务所能解决的”，在张家宁看来，这要求一线客户经理具备顾问式金融服务能力——既要懂企业、懂财务，又要懂产品、风控和流程，还要制定合适的营销沟通策略。
然而，现实存在结构性矛盾。张家宁坦言，每家银行都有优秀的中后台专家团队，但受限于投产比，这些专家团队往往优先服务大客户和高价值客户。专家服务供给稀缺性与一线业务广泛需求形成突出落差。
AI技术的成熟，为破解这一矛盾提供了新的可能。张家宁认为，核心路径是利用AI学习优秀客户经理的对客经验和专家的知识框架，在财务分析、企业分析、行业分析、风控、产品策略等领域形成类专家的思考能力，为每一位客户经理匹配AI专家Agent团队赋能。但他也强调，仅靠通用大模型远远不够，还需要在此基础上输入行业知识、一线经验、产品数据、风控能力、业务流程等一系列语料。
结合具体场景，张家宁描绘了AI Agent的工作闭环：商机发现环节，AI及时追踪企业中标、财报发布等动态，识别经营机会并与客户经理沟通，引导客户经理了解关键信息；方案制定环节，AI辅助生成金融服务计划；沟通执行环节，AI根据客户经理目标给出策略建议；沟通完成后，AI再将语料提炼后更新企业画像，形成待办任务和下一步经营计划。
总体来看，张家宁将AI赋能一线客户经理的价值归纳为三方面：效率提升，节省信息收集整理时间；能力提升，弥补跨领域知识短板；实现专家能力高质量服务的“全面赋能”。
展望未来，张家宁判断AI在公司金融领域将呈现“从工具到参谋、再到智能经营中枢”的演进趋势，最终形成资源配置、调度与协同的中枢体系，客户经理在这一体系中侧重于接收任务、展开沟通等环节。
银行的AI创新，往往需要成熟的技术体系与场景方案作为支撑。银行深耕业务场景、深谙行业痛点，金融科技企业专攻技术研发与模型迭代，双方高效协同、优势互补，可搭建合规可控、适配业务的智能应用体系，从而有效推动银行AI从零散试点，迈向标准化、可复制的规模化落地新阶段。
浙江有数数智科技有限公司联合创始人、COO江潇俊带来“Data+AI重塑对公金融新范式”的主旨分享。
对私与对公金融的数智化进程，为何呈现截然不同的面貌？江潇俊从这一对比切入，系统阐述了大模型技术如何推动对公金融迈向人机协同的新范式。
他指出，由于个人数据结构化高、风险单一、产品标准化程度高，市场影响较小等原因，大数据技术驱动对私金融实现了全流程自动化。
而对公金融则是另一番景象：数据源分散、非结构化程度高，整合难度极大；企业涉及多部门集体决策，链路长、流程严；不同行业的风险表征可能截然相反；对公产品高度定制化，加之服务周期长达三到五年，导致难以积累充足的训练样本。正因如此，对公金融的作业流程并未因大数据技术产生巨大变革。
“大模型技术的出现，让我们看到了对公金融发生巨大变革的机会。”江潇俊认为，大模型天然具备人机对话能力，善于整合非结构化数据、识别复杂风险、适配多样化产品。更为关键的是，对公金融服务高度依赖客户经理，大模型恰好是人机协同的理想载体。对公业务数智化转型的目标并非追求完全自动化，而是构建以大模型提供智能决策辅助、客户经理主导高价值客户关系与定制化服务的人机协同的新范式，从而发挥客户经理“最后一公里”的作用。
针对现有工具的不足，江潇俊分析指出，商业信息查询工具数据源分散、互相割裂，难以融入业务流程，且缺乏对信息的深度解读与业务赋能；通用大模型则存在数据可信度不足、结论缺乏可解释性、输出不稳定三大短板。
对此，江潇俊提出了金融级AI应用的落地公式：（可信数据集+可解释的模型策略+可控的业务规划）×基础大模型=可落地的金融级AI应用。
他进一步阐释了三个层面的内涵：可信数据集层面，“喂”给大模型的数据须经清洗治理，构成高质量的数据基座；可解释的模型策略层面，将专家规则与大模型融合，控制风险；可控的任务规划层面，则以专业业务流程编排模拟客户经理工作方式，控制任务执行策略，确保输出可落地。
“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处主办，第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。
© FXTM