案例名称

构建AI智能体矩阵，重塑数据治理范式

案例简介

数据已成为新型生产要素。“十五五”规划纲要及国家金融监督管理总局就数据要素价值释放、数据质量源头管控、人工智能高质量数据集建设提出明确要求。江苏银行深入践行“AI Inside”理念，针对银行业数据治理长期存在的治理模式低效、数据资产沉淀与价值释放不充分问题，以智能体赋能数据治理智能化转型为主线，依托“1860”人工智能体系，构建以数据助手智能体矩阵为核心引擎、集团级人工智能底座为算力根基、高质量数据集为资产沉淀的智能化数据治理体系，形成“一库三资产、4项能力、N个智能体”持续生长的治理格局，以数据资产运营释放合规、经营双重价值，为银行业数据治理智能化转型提供参考。

创新技术/模式应用

本案例从治理范式、管控机制、价值运营、技术底座四个层面推进创新。

一是以智能体矩阵重塑治理范式。以知识库、指标库、标签库、特征库为知识底座，构建制度理解、数据分析、血缘解析、代码实施四项核心能力，沿数据源头产生、流转、应用全流程矩阵化部署智能体，覆盖质量溯源、资产梳理、报送问答、策略挖掘等二十余个高频场景，形成“一库三资产、4项能力、N个智能体”持续生长的治理体系，如图1所示，推动治理由被动整改转向主动发现、由人工为主转向人机协同。

图1 数据助手智能体矩阵

二是以全流程嵌入构建机控防线。源头环节聚焦质量溯源、主数据监测、数据标准检查等场景，助力数据产生即合规；流转环节覆盖采集、加工、资产管理及运营，推进全链路质量管控；应用环节兼顾合规管控与经营分析，促进数据要素合规与经营价值转化。各环节智能体协同联动，治理成果经技能库持续回流，形成覆盖数据全生命周期的机控防线。

三是以资产运营释放要素价值。建立全行指标统筹运营机制与客户标签运营体系，推动指标库线上化、目录化管理，深化内外部数据在营销、风控场景的归集衍生，同时将有效指标、标签等沉淀为面向AI训练与推理的高质量数据集，反哺数据助手等智能体体系，形成良性循环，进一步推动数据要素价值释放。

四是以自主可控底座筑牢算力根基。围绕自主研发的“智慧小苏”系列大模型构建集团级人工智能底座，如图2所示，具备自主可控、灵活调度、运行高效三大特点，通过量化压缩等技术将算力利用率由25%提升至75%，推理并发提升约42倍，为智能治理提供安全可控、高效弹性的算力保障。

图2 大语言模型服务平台五层架构

项目效果评估

一是破解治理低效痛点，效能大幅提升。源头管控规则转化效率提升近8倍，源头管控机制逐步完善，监管报送各项质量指标持续向好；主数据口径开发效率提升50%，一致性环比上升14%；跨系统指标差异定位效率提升约70%，重点跨系统一致性指标偏差大幅收窄；依托知识库实现合规模型快速搭建与报送制度解读，推进问题主动发现与治理，实现模型疑点率持续下降，合规水平明显提升。

二是推进数据要素价值有效释放。统筹零售、普惠、金市等8大看板、近两千项指标，基于内外部数据的归集、清洗和衍生完善标签与特征库，建立风控模型，挖掘营销价值，单季度下发商机41万条，覆盖客户26万户，下发营销策略600余条，理财交易额和存款成交额达数百亿元。

三是双向循环有效运转，治理成果持续增值。治理成果与沉淀资产供给AI、AI应用回流治理的双向循环有效运转，智能体工作效率与质量持续提升。验证了AI在数据治理领域规模化、体系化应用的可行性，为同业数据治理智能化转型与数据要素价值释放提供借鉴。

责任编辑：佟桃梨