【中经社信号】从「对话」到「办事」银行业 AI 竞争重心在哪里

今年以来，银行业的「AI 含量」正在显著上升：AI 正从「会生成」的辅助工具，走向「能执行」的生产流程。

【财经分析】多家机构大幅上调德国经济增长预期财政扩张与外需改善推动经济回暖

2026 年 9 月 25 日

债市日报：9 月 24 日

2026 年 9 月 25 日

近期，各大银行纷纷晒出 AI「成绩单」：工商银行大模型落地 600 余个场景，招商银行智能化场景达 1386 个，平安银行上线 140 个运营审核类智能体……但在银行业加码 AI 布局的同时，多数 AI 应用仍处于客服辅助、合规审查、信贷材料处理等环节，真正嵌入信贷审批、风险定价、资金交易等核心业务流程的案例寥寥。

业内共识是，AI 目前对大多数银行的价值贡献仍以降本为主，收入端的增量效益尚未充分释放。从「能对话」到「能办事」，银行业 AI 竞争的重心正在发生关键转向。如何实现从效率辅助工具到业务创新引擎的跃升，仍是行业面临的主要挑战。

银行发力 AI 应用：三重经营压力下的必选项

银行发力 AI 的底层逻辑，不是单纯追赶技术潮流，而是三重经营压力倒逼下的现实选择。

息差持续收窄。国家金融监督管理总局数据显示，2026 年二季度商业银行净息差为 1.41%。整体水平处于历史低位。这意味着银行必须寻找存贷利差之外的盈利模式，AI 驱动的精准运营和数据变现成为选项之一。

人力成本刚性上升。银行业是劳动密集型行业，人力成本在运营成本中占比显著。在人力成本高企的背景下，用 AI 替代重复性劳动、提升单位人效，已从「可选项」变为「必选项」。

同业竞争态势。凭借数据密集、技术驱动的特性，银行业一直是科技创新应用的先行者。AI 成为影响银行中长期竞争力的重要因素，若不及时转型，或意味着在下一轮同业竞争中掉队。标普全球评级最新发布的报告表示，未来数年内，银行对 AI 的应用程度将越来越直接地影响其信用评级。这意味着在 AI 赛道上落后的银行，可能面临来自评级机构的额外压力。

但是，三重压力之下并不意味着所有 AI 投入都会产生价值。不可否认的是，当前银行业存在一批「无意义的做法」：一些项目习惯从模型能力出发倒推场景，做出的多是问答助手、文档助手等演示效果大于实际产出的应用；部分机构以场景数量为导向，追求「上新」而非「上效」；还有的项目「为新而新、为用而用」，消耗了大量算力、人力，却始终在核心业务流程门外徘徊。

平安银行副行长项有志直言，科技投入要强调「有用性」，「如果纯粹为了做 AI 玩一个很炫的技术，是没有意义的」。

上述标普全球评级报告显示，尽管 AI 应用预期持续扩展，但目前多数金融机构仍将 AI 部署限定在支持职能和自动化领域，将 AI 用于开发新产品和服务的机构不足三分之一。

银行业 AI 发展的现实挑战：可解释性责任归属数据质量

强监管、高风险的属性决定了银行业的「AI 含量」有其特殊要求。金融业是典型的低容错行业，每一笔授信、每一次资金交易都牵动着企业与储户的利益，AI 系统必须全程可解释、可追溯、可审计。

具体来看，至少有三重挑战不容小觑。一是「可解释性」。监管明确要求银行对关键业务决策能可解释、可追溯，而 AI 大模型本质上是基于概率的生成引擎，其决策过程往往呈现「黑箱」特性，内部逻辑难以被外部理解与审计。

二是「责任归属」。智能体每多承担一项任务，就要同步明确出错时的责任归属和纠错安排。模型提供商、科技公司、银行自身，各方责任如何划分？目前仍缺乏清晰的制度安排。责任不清，意味着无人敢拍板让 AI 独立决策。

三是「数据质量」。底层数据参差不齐诱发模型「幻觉」，而征信等敏感金融数据的采集使用又有明确边界。

更深层的制约来自组织内部。银行 AI 投入与产出存在错配，算力与人才投入是即期的，AI 业务价值的显现却往往滞后。

竞争重心转移：跑通「业务闭环」需完善配套机制

在银行业，Token 调用量已悄然成为衡量其智能化活跃度的重要标尺。但下一阶段，竞争的重心，不再是模型参数和场景数量，而是能否跑通「业务闭环」。这既是一场效率革命，也是一次治理大考。让 AI 快速落地的同时还需系好「安全带」，持续完善配套机制。

首先是分级决策机制。2026 年 6 月，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，明确 AI 应用的责任由谁承担、能力靠什么支撑、风险边界划在哪里。

在浦发银行首席人工智能科学家郑波看来，对银行而言，AI 决策权不是简单的「交」或者「不交」，而应根据风险程度、可解释性和责任边界分级。当前业界的共识是，规则清晰、结果可验证的任务，可逐步让 AI 自主完成；授信审批、资金交易等高风险事项，AI 提供分析和建议，关键决策点必须由人负责把控。