6月16日，畢馬威發布《2025年中國銀行業調查報告》（以下簡稱“報告”）。

報告仍然沿用以往的結構，第一部分主要涵蓋宏觀層面經濟金融形勢分析第二部分圍繞“AI戰略與實踐”“業務創新與精細化管理”以及“全面風險管理與合規”這三大熱點領域，探討銀行業在新時代背景下所面臨的轉型路徑與發展邏輯。

這三大熱點領域并非孤立存在，而是形成了相互賦能的價值閉環。

數字化經營沉淀的數據資產，為AI應用提供了充足的養料。AI技術增強了經營效率與風險管控能力，在AI加持下的風險與合規管理，則為智慧銀行經營探索劃定了安全邊界。

值得注意的是，本文介紹的是“AI戰略與實踐”領域。

AI戰略與實踐分為五大板塊：一、銀行AI戰略與大模型演進；二、開源大模型的工程化落地實踐；三、AI驅動的財務管理變革；四、AI反洗錢敏捷應用模式；五、AI治理框架與風險平衡。

一、銀行AI戰略與大模型演進

當前，銀行業正以前所未有的決心和速度擁抱大模型技術，戰略驅動與價值導向

成為布局新興AI場景的雙輪驅動力。

金融機構已經意識到人工智能的真正價值不僅在于降低成本，更在于通過提供智能化的產品和服務，無縫嵌入生態系統，從而以前所未有的方式吸引和服務客戶，最終實現收入的增長。這種轉變促使越來越多的銀行采取“人工智能優先”的戰略。

中國銀行業在大模型落地應用方面走在前列，應用范圍已經從國有大行、股份制銀行迅速擴展到頭部區域性銀行。目前，國有大行和股份制銀行已全面啟動大模型應用建設，并在前、中、后臺均有正式投產的應用案例。

當前趨近成熟的大模型應用模式主要集中在“降本增效”（如辦公管理）和“生產力革命”（如AI生成營銷文案、分析報告等）；面向“流程重構”類，部分場景已經過驗證且投產，部分場景仍處于探索的中間狀態（如知識庫問答類Agent、智能問數類Agent已經驗證且投產，投研Agent、風控Agent仍處于探索階段）；而涉及“模式創新”及“顛覆性變革”的應用模式仍處于探索或未經驗證階段，銀行業目前多在流程重構層面進行探索。

此外，銀行大模型落地過程也面臨多維挑戰，如金融機構在大模型應用上面臨著戰略規劃不清晰、AI“幻覺”問題等。報告提到，可以從銀行整體經營戰略出發制定與銀行業務場景緊密結合的AI應用藍圖，同時按需選定建設模式與落地路徑，以適度建設原則迭代投入；采用RAG（檢索增強生成）引入最新市場數據與監管政策，建立針對AI輸出結果的多層次安全檢查與人工審核機制，形成“AI+人工”決策閉環。

未來，金融大模型應用門檻降低，專家級金融能力下沉與普惠，先進且易于接入的AI模型將為小型機構乃至個人投資者提供前所未有的分析和決策支持工具。AI驅動運營自動化與智能化升級，人類轉向策略制定與決策監督，人機協同深度融入金融運營與管理。

二、開源大模型的工程化落地實踐

銀行業一直屬于行業創新標桿，在過去數年進行了大量的AI實踐，2022年已經到達創新的瓶頸，但是隨之而來的AI大模型讓銀行業再次掀起新的業務創新浪潮。如何將大模型融入業務部門的核心業務流程，灌入業務特色的專業數據，讓大模型成為銀行的虛擬員工及勞動力，這是銀行目前需要重點解決的問題。

報告提到，大模型要想真正提效，賦能業務，往往需要將業務數據進行專業的梳理、標簽、清洗、訓練、調優，從而模擬真實的銀行專業員工技能，提升生產力。

三、AI驅動的財務管理變革

人工智能已成為金融機構財務管理革新與升級的核心引擎，經營數據成為新的生產要素，人工智能以其卓越的數據分析與學習能力，深度挖掘財務與業務數據中的潛在價值，推動金融機構從傳統的規則導向向智能導向轉型，實現財務管理模式的全面升級。

將人工智能融入全財務流程，讓財務管理變得更敏捷，人工智能通過整合實時交易數據、市場動態及內部運營等多源異構數據，結合機器學習算法進行深度挖掘與分析，構建“人機協同”的實時響應體系，提升財務管理基礎工作效能，優化業務與財務流程協同效率。

人工智能深度支撐財務決策，讓財務管理變得更睿智，人工智能的應用為金融機構提供了從“經驗依賴型”向“智能驅動型”轉變的契機，推動業財融合的深度和廣度不斷拓展，為管理層提供多場景的決策方案，真正實現“人機共智”決策模式。

推動財務的智能化變革是一項系統性工程，商業銀行需要從自身戰略定位與經營實際出發，形成體系化的變革策略、穩步推進，才能確?！癆I+財務”的高效變革。

四、AI反洗錢敏捷應用模式

告顯示，某客戶為一家中小型金融機構，在可疑交易監測與分析領域，存在著“預警質量不高”“上報案例同質化嚴重”“異常交易遺漏預警”等行業普遍問題。

客戶期望AI智能模型通過機器學習方法對于異常特征的學習訓練，能夠一方面深度探尋與歷史已報送可疑案例相似的客戶交易行為，另一方面自動化挖掘出客戶的離群異常行為，起到對傳統規則模型的補充作用，最終實現“預警質量提升”“挖掘新特征”“異常交易兜底”等三大目標。

報告提到，為客戶量身定制了敏捷化AI解決方案，該方案由三個主要模塊組成，分別為有監督模型、無監督模型及內嵌智能預警評分分類器。

該方案的特色在于敏捷化，客戶無需提供額外科技資源，也無需系統架構方面改造。能在成本可控的前提下，協助金融機構對可疑交易監測進行質效提升，并在未來具有持續提升的延展性。

五、AI治理框架與風險平衡

人工智能的技術革命背后，數據安全、模型“幻覺”等風險如影隨形。如果相關風險無法得到妥善管理，就可能導致數據泄露、聲譽受損、產品缺陷、業務停滯以及監管罰款。確保人工智能應用的安全、可靠、可控將成為本輪銀行業技術革新和管理轉型的致勝法寶。

為了全面發揮人工智能應用的潛力，同時防范人工智能應用可能引發的風險，一個全面有效的AI治理框架至關重要。

AI治理涉及創建一個全面的管理體系，包括明確AI技術應用的原則、戰略、政策、標準、風險和控制以及培訓等要素，此外該框架還應優先考慮數據隱私、模型安全和遵守相關法規。

責任編輯：陳愛