出品｜WEMONEY研究室

文｜林見微

在剛剛結束的2025世界人工智能大會（WAIC）上，銀行AI應用爭奇斗艷：數字分身無縫服務、智能助手對答如流、審單風控效率倍增。

然而，熱鬧的展會背后，銀行AI的真實發展正面臨三重關鍵考題：技術應用走到了哪一步？在核心場景落地時卡在了哪里？以及未來的決勝方向又在何方？熱鬧的展示只是序章，銀行AI的深層挑戰與價值重構，才剛剛浮出水面。

01

走到哪？

從“數字員工”到“智能體”，銀行AI場景加速滲透

從這次WAIC 2025上不少銀行的展示來看，能看出一些銀行AI布局的最新風向。比如交通銀行在遠程服務這塊下了不少功夫，用數字分身做金融服務，結合音視頻和AI技術，搭起了一套遠程視頻服務系統。簡單說，就是把遠程坐席、數字員工、客戶經理這些角色都打通，做到“人+AI”一起上，讓服務更順暢。

上海銀行也有新動作，發布了一款AI手機銀行，主打“對話即服務”，意思是和它對話，就跟與銀行顧問聊天一樣，既能問問題又能直接操作，速度快、響應也比較準。

展會之外，我們也觀察到各大銀行在AI布局上的動作越來越多。先以六大行為例，現在已經把AI用在客戶服務、風險判斷、流程處理這些日常工作里，大家都在邊做邊看，想辦法讓它真正能用得上。

而人和AI怎么搭著來用，也是大家比較關注的。有的銀行試著讓AI先干一部分，再由人來判斷、把關。目前來看，這種方式還在摸索中，效果到底怎么樣，還得再觀察。

總的來說，六大行在AI上都有在動手做事，方向也挺接近，都是一步一步往前推進，先把事情做起來，再看后面能不能繼續深入。

信息來源：各大銀行2024年年報等公開信息

相比六大行更系統的方式，部分股份制銀行也都在加快推進人工智能和大模型的結合。不少銀行在做云、AI、平臺打包推進的方案，已將這些技術用在日常的服務、知識整理和流程處理上。

進一步看，部分股份行更講究哪個地方有用就往哪放，做得更直接，關注點也挺明確，就是看AI能不能幫客戶更快辦事、讓員工更高效、管理起來更順手，是不是用得深不是最重要的，先看能不能立馬起效。

信息來源：各大銀行2024年年報等公開信息

部分城商行在人工智能上也明顯加快了步子，開始把AI當作重要工具來推進。他們不再只是用來做簡單輔助，而是希望AI真正參與到業務里，幫忙提升效率、優化服務。

尤其是是把AI用在財富管理、客戶服務、運營這些具體場景上，看看在哪些環節能省時間、降成本、提效率。整體看下來，他們走的是一條輕巧、貼近實際操作的路子，先把能跑通的部分做扎實，再慢慢往深處延伸。

信息來源：各大銀行2024年年報等公開信息

總體上看，現在越來越多銀行都在試著推出像數字員工、AI智能體，想著把AI的技術進展盡快用到實際場景里，把新技術真正落下來。

不過，值得注意的是，銀行用AI，不是一上來就飛躍到最前沿，而是一個一步步往前走的過程。

02

卡在哪？

幻覺難消、倫理困局，技術落地深陷治理挑戰

從開始能用，到敢用，再到真正把AI當成決策拍板的一部分，中間每一步都不輕松。這條路上，更大的挑戰在于，怎么讓AI真的可信、可控、可持續地融進整個銀行的實際運轉里。

前不久《中國金融》雜志刊發的《人民銀行科技司司長李偉：穩妥有序推進金融領域人工智能大模型應用》一文指出，大模型在金融領域的深入應用正受到三類技術風險的制約，分別是模型幻覺、模型共振與算法黑箱問題；同時還面臨算力資源緊張、數據安全風險、倫理隱患和制度規范不完善這四大現實瓶頸。

這一研判可謂擊中了當前銀行AI應用的“深水區”，AI在銀行業務中并非越強越好，也并非一味加速就能換來突破，相反，一旦缺乏治理框架與配套機制支撐，AI越強，反而風險越深。

尤其是模型幻覺和倫理隱患，是最容易被忽視也最難解決的兩大問題。

先看幻覺問題，是AI在銀行日常工作里最容易“出事”的點之一。簡單說就是，模型為了“自圓其說”，會在沒有依據的情況下胡編亂造，看上去挺像那么回事，其實跟真實情況完全不符。

尤其是在信貸、風控這類關鍵環節，一旦AI張嘴就來，搞錯了客戶風險判斷，后果可不是一句技術故障能帶過的。

解決模型幻覺問題，關鍵不是讓模型說得多，而是說得對。現在很多銀行開始用多重校驗的方式，比如讓AI說出結論的同時，能對更多真實數據，確保每句話背后都有依據。

還有一個辦法，就是不讓AI自己決定一切。模型說完話，得有人工或者系統復核機制兜底，像是AI初審、人類終判的組合。加上更專業的訓練數據、更懂金融的知識圖譜，才能讓AI真的變得可靠，而不是做一堆看起來有道理、實則經不起推敲的“偽審核”。

如果說幻覺問題主要挑戰的是AI模型的可信度，那么倫理問題挑戰的則是AI使用的正當性與邊界。

李偉在文中指出，“若大模型在訓練對齊過程中缺乏倫理約束，或受到不當獎勵機制誘導，可能在性別、種族、地域等方面存在偏見，生成有違倫理道德的歧視性、不公平的內容。”

他進一步舉例稱，“基于大模型將不同用戶群體‘標簽化’并實施差別定價，損害金融公平性和普惠性；或違反金融消費者適當性原則，構建信息繭房，擾亂金融市場競爭秩序、阻礙消費者自主選擇。”

和幻覺問題比起來，AI的倫理問題更隱蔽，也更難一眼看出來。比如是不是在悄悄給不同用戶貼標簽，是不是在用看不見的方式做差別對待，這些都很難第一時間發現，而影響卻很深。

所以，銀行在布局AI的時候，不能只看技術做什么，更要想清楚什么該做、什么不能做。要在系統設計一開始就把“對客戶的尊重”寫進AI的“大腦”中去，不能讓倫理越界，也不能讓算法決定一切。

03

要去哪？

決勝關鍵在打造“AI操作系統級”底層能力

銀行在AI上到底做得怎么樣，不是看做了多少項目，而是看做得有多深入。AI應用誰都能上線數十上百個，但能不能真的讓AI參與到日常工作里，接進流程、貼近組織，并且用出實際效果，這才是布局AI的關鍵。

說白了，流程沒打通，AI就是個擺設；組織扛不住，做得再好也落不下來。誰能解決這些底層問題，誰才算是真正進了AI的核心底層。

第一是技術調度。現在AI更新飛快，功能也越來越細，這要求底層技術得穩。模型要像搭積木一樣隨用隨換，更新也能一鍵上線，智能化能力才能根據業務隨時擴展，不然就只能被新技術甩在后面。

第二是流程穿透。銀行現在的流程早不是以前那種按部就班了，拼的不是裝個AI點點按鈕，而是要它真能寫進各個核心環節，參與實打實的輔助決策，才能撐起一整套跑得動的業務鏈，讓AI越來越“為我所用”。

第三是組織協同。AI再厲害，也得讓具體部門和整個組織撐得住。簡單說，就是得把數據、模型、業務幾塊揉在一起用。只有人與AI配合順了，AI才能不是看著厲害，而是真能落地、真能干事。

這些底層能力的建設，不是搭個技術平臺，而是看思維創新跟不跟得上，進而能不能從決策到執行，全面鏈接銀行AI到核心底層。換言之，銀行布局AI得變一下思路，不是采購或外包回來就用，而是在銀行內部就通過信息科技力量將AI培養為長期資產去經營和沉淀。

未來銀行的人工智能競爭，拼的不只是AI場景、AI智能體，而是誰能在技術演進過程中，不斷循環吸收、釋放勢能。最終拉開差距的，是看誰能將每一次技術進步快速轉化為自身能力的升級，并在這個過程中，建立起穩定的協同體系和可持續的創新閉環。

畢竟，只有將底層做扎實，才能跑得穩，也跑得過人。

04

結語

WAIC的展臺炫技只是起點。當AI開始參與信貸審批、財富管理、風險定價等核心決策時，銀行真正的智能化戰役才剛剛打響。

下一程的勝負手，在于誰能把倫理約束寫入算法基因，將技術能力鍛造成業務增長的“新心臟”。換言之，誰能率先突破倫理與技術的雙重深水區，將AI能力鍛造成融入血脈的“操作系統級”新質生產力，誰就能在重塑金融業態的浪潮中贏得先機。