来源：中国经营报

中经记者 郝亚娟 夏欣 上海 北京报道

2025年是“AI智能体元年”，银行业积极推进AI Agent（智能体）研发。

《2025金融智能体深度应用报告》指出，金融行业数据丰富且复杂，对数据处理和分析要求极高。早期，金融大模型凭借对海量金融数据的深度挖掘分析，为金融决策提供一定支持。然而，随着业务场景日趋复杂，大模型的局限性逐渐凸显，难以满足更高阶需求。而金融智能体为解决当前大模型应用面临的局限提供了有效路径。

交通银行董事长任德奇指出，大模型技术持续创新突破，特别是智能体逐步成熟，已经能够高效处理一些事务性、操作性、流程化、标准化的工作，有望成为银行的数字员工，这将为银行经营模式带来深刻变革。

金融智能体驶入应用快车道

金融场景成为智能体应用的重要赛道。近日，广发银行、大连银行发布AI智能体开发、场景应用的招标公告。

沙丘智库研究团队指出，“场景+智能体”将成为下一步金融创新的主要领域。银行将更加关注开发具有更高自主性和协作性的智能体，这些智能体能够在没有人工干预的情况下执行复杂的任务，从而实现更高效率的业务流程、更精准的风险管理以及更优质的客户体验。

从应用场景来看，沙丘智库研究团队指出，风险管理、网络运维、数据洞察等“决策类场景”是银行探索智能体的优先场景。

具体来看，风险管理是银行业务的核心环节之一，智能体在风险识别、评估和监控方面发挥重要作用。例如，工商银行采集全行信贷业务专家的知识、经验、工作方法论等先验知识，在企业基模基础上，通过监督微调(SFT)和强化学习，实现了对于信贷风险多关联任务识别能力构建，初步形成了基于企业内先验知识+微调训练+强化学习的风险决策类等问题的突破。

网络运维是银行业务稳定运行的重要保障，智能体在监控、故障排查和自动化处理方面表现出色。例如，邮储银行告警研判智能体基于行内运维知识库进行知识萃取，结合大模型推理能力，自动生成告警排查思维链，并在告警处置过程中，基于大小模型协同实现行内常见告警自动排查及生成处置建议。

数据洞察是银行提升决策科学性和精准性的关键，智能体在数据分析、市场预测和客户洞察方面发挥价值。例如，上海银行智能问数平台采用多Agent架构，为业务团队和领导提供更低门槛、高效和智能的数据查询与分析服务。

安永亚太区金融科技及创新首席合伙人忻怡接受《中国经营报》记者采访时指出，中国金融AI应用正从辅助性非决策场景向核心决策场景深度渗透，AI智能体已从概念验证进入规模化应用阶段：头部银行已实现“通用大模型+垂类模型+智能体”的技术架构落地；证券业头部券商推出多款AI应用产品并投入实战场景；保险业则着力推进智能理赔体系建设。未来两年将会涌现更多金融垂类大模型以及大模型厂商同数据服务商合作开发的金融通用大模型，在解决幻觉问题之上，重点突破金融知识碎片化、监管穿透及毫秒级算力的关卡。

安全与效率的双重考验

在智能体快速落地的同时，安全与效率问题同样成为金融机构关注焦点。

星展中国首席信息官宫霄峻指出，从提升风险控制能力、优化内部流程到提升客户服务体验，人工智能正以惊人的速度重塑金融服务的面貌。然而，在追求效率和智能化的同时，如何确保数据安全、保护用户隐私以及遵守严格的法律合规要求，成为金融机构必须面对的重大挑战。

任德奇表示，人工智能进一步深化应用面临不少挑战：比如模型幻觉问题，这在对严谨性、准确度有更高要求的金融领域更为突出；又比如数据安全、算法歧视，以及模型与算法同质化可能引发“羊群效应”等安全风险不容忽视。

宫霄峻指出，数据的准确性与可靠性对于金融决策至关重要，任何基于错误信息作出的判断，都可能引发严重的经济损失和法律合规风险。

谈到解决方案，宫霄峻表示，金融机构正积极构建“数字免疫系统”，通过建立大模型安全控制架构、部署多层次防御机制、实施精细化的知识库访问控制等手段，全面提升系统的安全性与韧性。这一体系涵盖训练数据安全治理、安全评估基准与模型测评机制、用户输入防御策略、投毒攻击预防、科技伦理与合规审查，以及模型输出的风险管控等多个方面。

（编辑：朱紫云 审核：何莎莎 校对：张国刚）