从“以产品为中心”的传统模式，加速转向“以客户为中心、数据驱动、实时智能”的新范式。人工智能（AI）的发展正在深刻重塑银行业从客户服务到风险控制、从后台运营到战略决策的方方面面。AI不仅仅是银行锦上添花的技术工具，更是其在未来竞争中生存和发展的核心基础设施。
在光大银行副行长杨兵兵看来，“人工智能+”将迅速重构各行各业，对银行来说机遇与挑战并存。
概括而言，从机遇来说，人工智能将从三方面影响银行业：一是将助力银行打造个性化金融服务能力；二是能够有效提升银行内部运营效率；三是赋能银行智能风控能力升级。
图片来源于网络，如有侵权，请联系删除
但他同时也指出，大模型等新一代AI技术伴随的模型幻觉、算法歧视、过程黑箱等情况，将给银行带来较大的AI风险治理挑战，包括合规检测、安全开发、风险预警、应急处置等一系列问题。
另外，在AI新业态下，金融市场竞争态势加剧，未来企业、个人、政府将深度依赖AI智能助手和智能服务平台，各类渠道、信息将高度整合，金融应用服务呈现需求直达模式，依赖线下关系营销、单一渠道获客经营等的传统金融服务模式将面临巨大挑战。
以清晰的数字化蓝图为引领，光大银行正分阶段深化其战略布局，以应对人工智能浪潮为银行业带来的全新机遇。据杨兵兵介绍，光大银行已制定全行级数字化转型规划，当前正在制定2026—2030年的数字金融发展规划和人工智能+发展规划。将重点聚焦优势资源推进“智能化经营”“数字化管理”“超级员工”三大重点工作，建立业务、机制、智能、系统四个维度一体化融合发展模式。
在组织架构方面，光大银行搭建了包括普惠金融、供应链金融和零售信贷3个线上化专班以及数字金融发展规划专班“3+1”专班工作机制，以专业队伍建设数字金融路线图。
“AI技术将有助于构建‘人机协同’的工作模式，进而有效提升内部运营管理效率。”杨兵兵进一步表示：“大模型等新技术有望解决当前银行‘系统竖井’‘数据孤岛’现状，在持续补齐线上化、数字化断点的基础上，通过流程自动化、多智能体协作等AI技术手段，高效替代、优化传统信贷等业务场景中固定、烦琐、复杂的人工操作流程，降低银行操作风险、缩短业务办理时间和流程，赋能基层减负增效。光大银行基于生成式大模型+决策式小模型能力，建设‘六大智能助手’，辅助客户经理、审批经理等拓展能力边界、提升工作效率。”
在人工智能赋能自身发展的过程中，“光大银行既注重提升运营效率、客户体验和风险识别防控水平等，也着眼于业务模式创新与长期价值创造，不断探索推动人工智能技术与业务价值链深度融合，助力开启光大银行第二发展曲线，通过数字化、智能化转型升级切实提升实体经济服务能力和水平。”杨兵兵说道。
“六大智能助手”赋能员工提质增效
杨兵兵将光大银行当前的AI应用路径倾向概括为“业务导向、稳步推进”。
“现阶段，光大银行重点聚焦一线员工赋能，在分行和重点业务条线先行试点，探索人工智能与业务流程的深度融合，逐步形成可复制、可推广的经验模式。”杨兵兵表示：“未来，我们希望打造银行‘超级员工’，推动银行整体迈向智能化新阶段。”
据其介绍，光大银行不断激活人工智能技术对业务发展的赋能作用，在“经营、管理、办公”等三个维度打造“六大智能助手”，不断赋能员工减负增效，提升客户服务能力。具体体现如下：
在经营维度，一是打造授信调查报告撰写助手，通过大模型构建穿透式风险识别与分析功能，辅助公司金融客户经理开展尽职调查，已累计服务2235位客户经理，报告平均80-100页、生成时间约5分钟；二是打造远程银行服务助手，涵盖通话前客户诉求预判、通话中场景解决方案实时供给、挂机后总结反馈全流程的智能助手支持，可用率稳定在90%以上，累计调用近67万次，关键场景通话时长下降10%，有效减轻一线座席工作强度；三是运营管理助手，通过RPA、边缘计算、CV等技术手段，自动上传、截取、分析网点监控视频，研判重要现金清点等关键业务操作环节是否合规，目前已推广试点115个网点，实现人工抽检升级为智能全检，大幅提升运营防控效率。
在管理维度，重点打造智能合规助手，充分利用大模型语义分析和知识推理能力，整合行内政策文件，构建全行级政策知识图谱，提供智能化政策解读、政策对比及政策分析服务。
在办公维度，主要指“AI+BI问数”助手和智慧办公助手，“AI+BI问数”助手支持自然语言查询业务指标，实现一站式、便捷化数据查询与应用能力；智慧办公AI助手，基于管理制度、产品文档及业务知识，实现智能文本创作、外呼脚本生成、产品解读等近30项能力，已累计服务近13万人次，显著提升办公效率。
杨兵兵进一步指出，大模型、智能体技术的出现，使得银行AI应用从 “模块化工具”（执行预设工作流、回答预设问题等被动响应指令）向“智能助手、数字员工”（主动理解任务、规划步骤并执行完成）自主实体逐步进化，将重塑银行对客服务模式，在现有人力资源下实现“千人千面”式一对一精准个性化综合服务，优化客户旅程，切实提升客户服务体验。
“AI技术赋能银行的个性化服务，进而大幅提升对客服务体验。”杨兵兵举例称，光大银行建立科技型企业信用风险模型，优化完善小微企业信贷全流程模型策略体系，有效提升风控数智化水平；不断促进消费金融发展，构建信用评分、资质推断、异常检测、反欺诈等模型体系，支撑零售互联网贷款业务审批与优质客户提额工作等。
内外兼修构筑风控“安全围栏”
人工智能在为银行业带来效率提升、成本优化、体验升级同时，也如同一把“双刃剑”，带来了全新的挑战。这些挑战兼具内生与外部双重属性，既源于技术自身与应用过程，也来自日益增加的风控要求。
在管理和监控已上线的AI模型与应用，确保其性能的持续稳定和公平性，避免决断错误、数据幻觉以及类似问题方面，杨兵兵表示，光大银行持续建设“安全围栏”大模型，搭建大模型应用前中后安全验证流程，对模型的输入输出等环节进行敏感词等数据、内容校验等安全测试，确保AI模型运行全流程的安全合规。为避免大模型带来的除数据和敏感词以外的幻觉风险，采用大小模型（生成式、决策式模型）两脚并走，相辅相成的模式，保障大模型生成内容稳定可靠。同时，持续完善对人工智能的测评体系和测试工具链建设，建立人工智能应用测评指标和测试用例集，全面评估模型的基础能力、金融业务支持能力、安全可靠性，不断提高自动化测评能力。
另一方面，数据是人工智能发展的“燃料”，AI模型训练严重依赖高质量数据，目前银行内部的数据资源在整合与共享方面仍有提升空间。如何整合分散的数据，将其转化为可供AI模型使用的数据资源？
对此，杨兵兵给出的“光大方案”是，成立数据资产管理部负责数据治理工作，通过数据标准化建设与跨系统融合，整合分散在不同条线和部门的数据资源，构建安全合规的数据供应链，支持AI应用深度探查。此外，建立数据分级分类管理机制，强化敏感数据识别与访问控制，确保数据在采集、传输、存储、使用全流程中的安全合规。
风险合规是银行业稳健发展的基石，在AI时代，随着数字欺诈手段的迭代升级，反欺诈与反洗钱的压力与日俱增，银行面临着一场技术驱动的攻防之战。
杨兵兵介绍，在反欺诈检测方面，光大银行主要采取以下措施应对：一是基于行内外多维数据，建设模型策略体系，使用规则引擎、专家评分、逻辑回归评分、集成机器学习模型等对信贷反欺诈申请进行判识和控制；二是运用知识图谱技术，建设团伙类特征，挖掘可疑团伙，助力贷款审批和贷中监控环节反欺诈团伙识别和管控，建设可视化图谱，助力业务人员开展反欺诈案例调查和分析；三是采用有监督机器学习，构建分类模型，输出反欺诈风险概率，助力信贷反欺诈；四是利用AI技术构建企业关系图谱并建立空壳企业模型，捕捉企业关联关系异常特征，进而识别空壳企业，有效防范群体欺诈行为，提升风控水平。
在反洗钱可疑交易监测方面同样从四方面发力：一是自研资金组网算法，构建多样性资金网络，当前洗钱日趋团伙化，光大银行资金组网算法在不借助数据库的情况下，半小时完成客户一个月交易的资金网络构建与多层次分群，为监测各类洗钱场景提供丰富的基础数据；二是运用矩阵分析技术，识别复杂洗钱模式，通过利用邻接矩阵与广度优先搜索等算法，定义并识别洗钱场景中常见的可疑交易模式，例如地下钱庄的“闭环资金结构”；三是采用有监督机器学习，构建分类模型，学习已上报案例可疑特征点，进行排除案例再召回；四是基于人脸识别技术、声纹识别技术快速发现可疑人员，用于客户身份验证、黑产识别等业务场景。
自主研发＋开放助力 共建银行AI新生态
随着AI大模型的价值日益凸显，构建专属于金融领域的垂直模型，已成为行业的重要探索方向。这旨在将通用AI的广阔知识视野与金融业的深厚专业积淀进行有机融合，从而塑造一个更为专业、可靠且安全的金融智能核心，以更好地适应金融行业高精尖、强监管的独特属性。
杨兵兵指出，建立金融垂直领域模型目前仍面临以下几方面挑战：一是数据共享共治，金融数据涉及隐私与敏感信息，受限于监管要求与安全边界，数据的互联互通与可信共享仍需统一规范与制度保障；二是模型共享共治，模型的开发、验证、监控及风险管理等方面缺乏统一评估体系，难以形成模型安全可控、可复用的生态环境；三是算力共享共治，当前金融机构在算力资源投入上存在不均衡，缺乏跨机构算力协同和统一调度机制。
“若金融机构能够在数据治理、模型管理、算力协同等方面实现突破，将有望推动金融垂直领域模型的建设与应用，逐步构建安全、可信、共享的金融AI生态。”杨兵兵认为。
目前，光大银行坚持的AI生态建设思路为“自主研发为核心、开放合作为助力”。
“一方面，着力打造安全可控的人工智能底座，强化数据治理、模型管理与算法创新，提升人工智能在业务领域的安全高效赋能。”杨兵兵介绍道：“另一方面，积极与优质科技企业、高校及行业机构开展协同创新，参与行业联盟，共建共享AI应用场景与标准体系。在合作中，坚持数据不出域、模型可监管等原则，以自主可控为前提，充分释放生态协同效应，构建安全、开放、共赢的银行AI生态。”
展望人工智能在银行业的未来发展趋势，杨兵兵认为，未来三至五年，人工智能有望持续推动银行业商业模式与竞争格局的演进。
“银行将逐渐重塑对客服务模式，真正实现以客户为中心，客户经理、客服经理和投资顾问等岗位的职能将不断被AI技术赋能和优化。”杨兵兵说道：“行业竞争或将加速升级为生态体系的综合比拼。大型银行凭借资金、牌照等优势，正加快构建全栈式AI能力，探索多业务场景的智能化布局。同时，拥有成熟AI生态的银行，将率先实现智能化经营、智能化管理，形成新的竞争壁垒。”
“光大银行也将聚焦多模态大模型、智能体协同等前沿AI能力，持续拓展智能投研、智能风控、智能运营等关键场景的创新实践。”杨兵兵总结道。
文/王欣宇 编辑/徐楠
(编辑：王欣宇) 关键字：