——访中电金信研究院副院长胡汝道

中央金融工作会议提出，金融要为经济社会发展提供高质量服务，做好“五篇大文章”，积极培育发展新质生产力。新一轮科技浪潮崛起，为数字经济发展提供了充沛动能，金融业积极拥抱趋势并直面挑战，数字化转型战略稳步推进。在这一深刻的变革进程中，电子银行网发起“数字金融访谈”活动，与行业同仁探寻数字金融航路的星辰大海。

在金融科技浪潮席卷全球的当下，AI技术正以不可阻挡之势重塑银行业发展模式和竞争格局，然而AI应用的落地仍需要兼顾资金和人力之间的平衡。近日，笔者专访中电金信研究院副院长、数字银行事业部总经理胡汝道，深入探讨银行如何在AI时代找到务实发展路径，顺利跨越“数智鸿沟”。

从“大模型热”到“智能体实用”：银行AI应用的务实路径

过去一年，大模型的快速发展让AI真正走入金融业务的核心场景，金融业正从“概念探索”进入“价值兑现”的新阶段。然而，在胡汝道看来，中小银行与大行在AI应用上应采取差异化的路径选择。“大模型开源之后，AI的可视化给中小银行带来了一些机会。” 从实践角度看，AI在银行业的应用已呈现出清晰的实用化趋势。胡汝道指出，目前阶段的AI能力在银行对客和内部运营两大方面均已展现出显著价值。在对客层面，智能客服的升级尤为明显：“以前智能客服更多按照语料库的规则匹配，可能两轮就转人工了。而现在，很多银行的客服不仅接听效率提升，还能实现主动外拨，大部分工作都由AI完成。”在信贷审批领域，AI技术正在改变传统作业模式。胡汝道举例说，以往客户经理需要到现场查看质押品，如今通过图像识别技术可以自动采集企业的生产状况数据。此外，智能手机银行的语音交互功能也让操作更加便捷，减少了用户“找不到点击位置”的困扰。在银行内部运营方面，AI带来的效率提升更为显著。“像平安银行引入AI技术后，审查部门效率提升近80%，效果非常明显。”胡汝道表示，AI能够自动识别并大规模处理贷款和国际结算的单据，极大地释放了人力。

AI纵有万般好，但相比盲目追求大模型的“大而全”，智能体的实用化路径更符合中小银行的实际需求。以银行软件研发为例，中电金信的实践表明，以“场景化智能体+企业知识库”为双轮驱动，对现有研发平台进行全流程AI赋能，是中小银行AI应用的务实路径。胡汝道介绍，在AI编码环节，平台能够根据标准输入生成70%-90%的业务逻辑代码；在AI测试领域，测试机器人自动生成测试大纲和用例的采纳率已达70%-80%。这种渐进式的智能化改造，既避免了“推倒重来”的巨大成本，又能实实在在提升研发效率。

对银行而言，关键不是“跟风建模”，而是通过智能体在具体业务场景中实现能力渗透，让AI从“看得见的效果”开始改变。

数据治理的“可行路径”：从“宏大叙事”到“场景化微治理”

在AI应用落地的过程中，数据质量成为决定效果的关键因素。胡汝道一针见血地指出：“现在很多银行的AI应用距离预期效果仍有差距，对业务助力有限。其根本原因是数据质量参差不齐。” 金融机构普遍面临数据治理的挑战。

面对这一普遍性难题，中电金信提出了从“宏大叙事”到“场景化微治理”的可行路径。胡汝道解释说，数据治理的终极目标绝非仅仅为了满足监管要求，更深层次的价值在于驱动业务经营。“数据运营的视角，是将数据的焦点从‘管好’转向‘用好’。” 中电金信将基础数据分为四个等级：一级是公开数据，二级是在此基础上整理的专业数据，三级是内部运营管理制度数据，四级是客户数据。胡汝道指出，目前打造高质量数据集面临的最大挑战是客户数据的可得性和安全合规之间的平衡。针对这一挑战，中电金信探索出了与金融机构一对一合作的数据治理模式。

胡汝道表示：“针对特定金融机构，结合我们在数据治理方面的经验，在其闭环内进行数据标注整理，然后训练成可用的模型。这个过程不是简单地把数据抓进来就行，还需要复杂的数据采集、分析和标注工作。”中电金信推出的源启·多模态管理平台，打破了“单一模型解决单一问题”的旧模式，能够以统一的技术架构对非结构化数据进行加工，帮助企业快速构建全域数据资产知识库。同时，新升级的源启·数据资产平台，通过对数据标准、质量、安全的全方位管控，为数据的可信、可用奠定基石。

胡汝道强调，高质量数据集与大模型的结合，正成为重构数据治理技术体系的关键驱动力。“当高质量数据集成为大模型价值释放的引擎，数据资产运营就是实现数据价值的必然路径，而数据治理则是这一切得以实现的坚实基础。” 对于银行而言，采取“场景化微治理”策略，从具体业务场景出发，针对性地提升数据质量，比追求“大而全”的数据治理平台更为务实可行。这种渐进式治理路径既降低了初期投入成本，又能够快速在具体业务中见到成效，形成正向循环。

数字成本的“可负担性”：破解银行的“不敢转”与“转不起”

数字化转型的成本问题，一直是悬在银行头上的“达摩克利斯之剑”。面对动辄上亿的科技投入，许多机构普遍存在“不敢转”与“转不起”的焦虑。胡汝道从两方面分析了这一问题：“一方面，大模型开源和AI可视化确实给银行带来了新的红利机会，另一方面，在高算力、高质量数据和复合型人才高端应用上，竞争有可能会进一步加剧。”

面对这一现实，中电金信提出了数字成本的“可负担性”解决方案。 在工具链平台规划中，中电金信注重通过AI技术提升软件开发全过程的效能。胡汝道分享了两个典型案例：一是手机银行项目，通过AI生成需求规格说明书、详细设计乃至业务代码，大幅压缩编码测试阶段的时间；二是与头部银行合作，通过AI技术读取老系统代码，反向生成业务需求，进而重构系统。“传统开发过程中，需求和设计阶段花费的时间和人力的确要多一些，但后面的编码测试阶段可以大幅降低人员时间成本。”

胡汝道指出，这种模式特别适合中小银行，因为它降低了对高端技术人才的依赖，同时提升了开发效率。 中电金信的源启·数字构建AI平台，正是这一思路的载体。该平台通过覆盖需求、建模、设计、编码、测试等全生命周期的场景化智能体，与企业级知识库深度结合，实现AI对软件工程的全链路智能赋能。 对于成本敏感的中小银行，胡汝道建议采取“小步快跑”的策略：先从投入较小的场景入手，如智能客服、单据审核等，在见到成效后再逐步扩大应用范围。这种策略既控制了风险，又能够积累经验，为后续的深度数字化奠定基础。

未来生态：银行在AI时代的核心竞争力重塑

随着AI技术深度融入金融业务，银行业的竞争格局和核心竞争力正在重新定义。银行如何在这场变革中找到自己的定位？胡汝道认为，银行在AI时代的核心竞争力将不是局限于技术本身，而是对业务的深度理解和敏捷响应能力。

银行可在保持核心能力的同时，重点深耕特定业务场景，形成自己的差异化特色。比如，针对本地化服务、特定行业需求等，打造精准化的AI解决方案。 在生态建设方面，银行可以参与到行业生态构建中来，这也是提升竞争力的重要途径。通过与其他机构共享数据、技术和经验，银行可以以较低成本获得先进能力，同时保持自身的灵活性。

胡汝道最后总结道，AI技术正在重塑银行业的竞争格局，关键在于找准定位，采取务实路径，在生态合作中获取能力，在细分领域形成优势。随着国家数据要素化战略的深入推进和AI技术的持续成熟，银行正迎来数字化转型的历史性机遇。通过务实路径选择、场景化治理、成本可负担的解决方案以及生态共建，银行有望在AI时代实现竞争力的重塑与跃升。

责任编辑：方杰