
2026年6月18日,国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》(以下简称《指导意见》),以32项规则搭建起银行业保险业人工智能安全发展的制度框架,明确“谁使用谁负责、自主可控、务实高效、安全发展”四大基本原则,标志着银行业人工智能从快速试点探索阶段正式迈入合规治理的新阶段。
近年来,生成式AI、智能体技术加速渗透银行信贷审批、风控反欺诈、财富管理、客户服务、内部运营等业务链条。国有大行、股份制银行纷纷搭建企业级大模型平台,落地数百个业务场景。不少城商银行、农商银行也通过采购第三方模型快速完成AI应用上线。技术赋能带来效率提升的同时,行业“重项目上线、轻风险治理,重试点演示、轻长效运维”的现象普遍存在。部分机构将AI项目当作数字化转型的“展示工程”,模型上线之后治理机制缺位,各类新型风险隐患随之积聚。《指导意见》的出台为行业划清创新边界:银行业AI的竞争不再单纯比拼场景数量,更考验机构的风险治理能力。
行业现实:AI应用加速铺开,“重上线、轻治理”问题凸显
经过近两年的快速探索,银行业AI应用实现大范围落地。但在热闹的落地表象之下,“重上线、轻治理”的行业共性短板逐步暴露:
一是部分AI项目停留在POC试点阶段,试点成效难以复制放大,规模化落地价值有限。不少银行内部多个业务线分头启动AI试点,项目分散、重复建设,很多应用完成演示上线之后,缺少持续迭代运营机制,难以深度嵌入真实业务流程。部分机构存在“为新而新、为用而用”倾向,把上线多少个AI场景作为数字化考核指标,对投入产出、风险成本评估不足,技术建设与真实业务需求脱节。
二是模型上线之后运维管控缺位。很多银行现有的传统模型管理体系,大多是围绕传统风控统计模型构建,而面向生成式大模型、AI智能体的全生命周期管理制度尚未完全建立。一些机构把工作重心放在模型开发部署环节,上线后缺少常态化性能监测、偏差校验、版本管理。模型漂移、输出偏差、幻觉问题难以及时发现处置,日志留存、变更记录不全,出现问题难以追溯定位,与《指导意见》要求的“日志保存期限应不低于业务存续期”存在差距。
三是权责划分错位,风控与业务部门参与不足。不少银行AI项目由科技部门主导推进,业务条线、风险管理、合规部门介入滞后。项目立项阶段缺少风险评估,高风险场景边界没有提前厘清。当AI输出结果深度嵌入业务流程时,一旦引发业务失误或消费者纠纷,技术方、业务方、外包服务商之间的责任边界模糊,与监管确立的“谁使用谁负责”原则形成冲突。
四是机构治理能力两极分化。大型银行有条件搭建完整的模型治理组织与评测团队。中小银行普遍外购第三方模型服务,缺少专业AI风险评估与模型校验团队,对外包厂商能力评估不充分,对外部模型的边界与风险理解不到位,甚至将高风险业务直接交由外部模型输出结果,技术依赖与供应链风险持续累积。
值得注意的是,以上问题并非否定银行业AI的应用价值。智能坐席助手、合同文本解析、内部知识库问答、流程自动化等中低风险场景,已实实在在降低银行运营成本。但技术红利能否安全释放,前提是补齐治理短板。如果只追求快速上线,治理机制跟不上应用扩张速度,风险隐患会伴随业务规模同步放大。
(作者:马达 大连马氏产业信息咨询有限公司总经理、大连交通大学经济管理学院客座教授)


