「技術焦慮」升級，銀行求解 AI Agent

「超級智能體」時代降臨。

——馨金融

洪偌馨、伊蕾/文

「未來三年，AI對銀行利潤率的影響將逐步提升60%-80%。」

麥肯錫在一份名為《區域型銀行如何實現AI戰略突圍？》的報告中指出，根據麥肯錫預測，生成式AI對于銀行業的潛在生產力提升有望達到2000億-3400億美元。

對于銀行而言，這是一場沒有退路的進取之戰。

尤其，隨著DeepSeek的現象級出圈，生成式AI不僅完成了一場全民科普，也讓原本還持有觀望態度的銀行們加快了「接入」的步伐。

但現實的挑戰在于，從大模型的能力基座到場景端的落地，生成式AI本身仍處于快速迭代和進化的過程中，而它在垂直行業和專業場景中的應用實踐更是剛剛開始。

而與其他很多行業相比，商業銀行具有用戶基數大、對數據安全和隱私保護要求高、業務鏈條和場景較為復雜等特點，向智能化轉型顯然要比數字化階段難上許多。

盡管「后DeepSeek時代」，極大地降低了使用AI大模型的成本和門檻，但現階段大模型在金融場景中的應用仍存在明顯的局限性，比如決策力、執行力的缺乏、以及待解的「幻覺」問題等。

那么，解鎖銀行智能化的快捷通道究竟在哪兒？

在剛剛舉行的中國國際金融展上，我似乎找到了答案。

1、金融智能體，銀行通關AI時代的「快捷密碼」

從「數字金融」到「數智金融」，一字之差的背后，是一場關于金融「新質生產力」的革命。

雖然「數字金融」已經能在局部業務實現的自動化，但它的能力有著顯著的「短板」：

由于對非結構化數據（如合同、報告、語音記錄等）處理能力的不足，許多有效信息無法被識別和利用；

數據孤島的普遍存在以及語義理解和交互的能力的缺陷，也意味著無法處理復雜業務鏈條、完成「端到端」交付。

而大語言模型的發展讓AI有了更聰明的「大腦」：大模型不僅擅長自然語言理解、交互，還具備更為復雜的推理、邏輯分析能力，甚至會主動尋找和開發工具。

在此基礎上，開發者們可以通過「金融知識庫」讓「大腦」掌握更多的專業金融知識，具備「專家級」經驗；再基于AI Agent（智能體）讓「大腦」具備可以支配的「手腳」，去執行更具體的任務。

所謂AI Agent（智能體），是基于大模型，具備記憶能力、能夠有自主推理和規劃工具的使用，從而來解決問題的智能程序。

換言之，金融機構只需要將任務指令下達給智能體，他們就會調用「大腦」中的有用知識與信息，形成方案計劃一步步執行，甚至尋求其他智能體一起解決問題，最終給出反饋結果。

在這一過程中，不僅無需人工的干預和提示，智能體還會在業務場景中主動學習、自我進化，讓下一次的表現更好。

這也意味著，相較于生成式 AI 在應用到不同行業和業務場景中存在的技術門檻和對接難度等，AI Agent（智能體）的落地，有望成為企業進入 AI 新世界的「快捷密碼」。

2025 也被稱為AI Agent（智能體）元年。

而作為國內最早探索金融智能體的金融科技公司之一，奇富科技從2023年就啟動了金融大模型戰略，又率先搶灘智能體應用，到如今，奇富科技已經步入「全員AI化」階段。

可以說，這家公司本身就是一個巨大的AI「訓練場」。

在此次展會上，奇富科技重點展示了其所打造的「奇富信貸超級智能體」，其中包括端到端授信決策智能體、小微企業信用評估、AI合規助手、AI決策助手、AI審批官等眾多模塊。

透過這個「超級智能體」，我們可以看到智能體在信貸業務不同場景下的應用。

其中，最核心的是「端到端授信決策」智能模塊，利用長思維鏈推理+強化學習技術，將超過700個模型、7000+策略模塊、過億歷史決策融入大模型，形成奇富黑科技，輕松對用戶進行風險智能評估。

此外還包括：

小微企業信用評估：搭載覆蓋99%小微企業、宏微觀信息準確率98%的專業知識圖譜，基于宏觀、微觀知識給予社會科學的評估。依托四階技術棧，輸出小微企業專屬的「麥肯錫」級報告。

Lumo AI合規助手：集成2000+監管法規、300+風控模型、50+合規算法，通過知識圖譜+算法模型+動態監測，將「事后糾偏」轉化為「事前預防」，實現效率、成本、風控三重突破。

AI決策助手：采用LangGraph多智能體框架，構建了問數、知識問答、洞察和報表的多智能體協同工作應用形態，將原本需要3天完成的數據分析流程壓縮至1小時內完成。

AI審批官：通過多模態融合識別技術和自動化審查，T+0輸出定額建議，自動標注可疑點，秒級完成標準化批量核驗，審批人員可以專注在最高階的風險判斷上，效率提升數倍。

「AI驅動的不只是流程優化，更是金融服務本質的進化。」奇富科技CEO 吳海生表示，奇富將以信貸超級智能體為支點，持續深化技術研發與生態合作，推動智能體網絡在金融領域的規模化落地。

從這個角度來看，智能體的普及和應用，讓金融機構面對從「數字化」到「智能化」的驚險一躍時，有了更加高效和安全著陸的抓手。

2、AI平權背后，人才、技術、ROI「一個都不能少」

金融智能體的「大爆發」，讓許多中小金融機構看到了「技術平權」的希望——改變行業分化加劇的局面，甚至實現「彎道超車」。

但面對現實，想要跨出第一步并沒有那么容易。

比如，從基礎設施投入到應用落地，金融機構一次性的成本投入至少在百萬量級。而相比于底子更厚的大行們，中小銀行們必須更加「精打細算」地考慮ROI。

此外，還有很多「隱性門檻」不能忽略。

麥肯錫指出，首要瓶頸是「數據孤島」的存在，調研顯示，40%的企業存在50個以上的數據孤島，導致大模型精度下降20%-30%；

另一方面復合型人才短缺矛盾尖銳，麥肯錫預測，2030年中國AI人才缺口將達500萬，兼具算法與金融業務能力者不足15%。

參考奇富科技的發展來看，過去這些年，他們的技術投入近百億，研發團隊超千人，累計幫助160多家銀行撮合成功了兩萬多億的信貸交易，積累了過億條的語音、圖片和文字語料，產生了大量的便于模型訓練的數據集。

與此同時，作為一個合規門檻極高的行業，金融行業還要確保數據安全、產品可信，并且在業務實踐中反復驗證可行性。換言之，資金、技術、數據、人才、場景缺一不可。

金融機構需要一條兼具可信、可行和「性價比」的落地路徑。

麥肯錫認為，從成本效益角度考慮，找到合適的生態合作伙伴，幫助銀行最快進行戰略梳理和用例接入，是性價比最高的選擇。

這也是奇富科技打造「信貸超級智能體」助力金融機構加速邁向智能化階段的重要原因。

按照奇富數科總裁周旭強的說法，數字化時代的信貸科技產品，是有一套事先編排好的流程，業務人員「投喂」結構化的數據或信息后，會產出相應的結果。

「但在AI智能化的范式下，系統可解析和識別更多元的信息和材料，因為大模型有多模態的識別能力，能看懂音頻、視頻、圖文等。且可實現自主智能，從智能化的分析問題，到找到適合的策略，再到調用相關的智能體去執行」

作為奇富科技旗下的銀行業數智化解決方案提供商，截至2025年3月，奇富數科的金融科技賦能的業務規模同比飆升約144%。

在周旭強看來，奇富的信貸超級智能體就像「智能杠桿」，可以助力金融機構實現更廣泛的普惠客群覆蓋、更精準的風險定價以及更具彈性的業務增長。

3、超級智能體時代，AI「飛輪」轉動

未來已來，數智金融正在以我們難以想象的速度進化著。

從本質上看，AI的能力進化高度依賴場景，無論是對用戶意圖的理解、對于知識和工具的調用還是對于合規的源源不斷的知識供給、信息反饋才能驅動智能體的迭代進化，形成「越用越好用」的正向循環。

而作為一家兼具to C與 to B服務的公司，一方面，奇富科技通過在真實的信貸場景中積累了規模化、高質量的數據，并結合系統訓練與強化學習機制，持續提升決策智能與自我進化能力。

另一方面，因為長期與不同類型的金融機構合作，奇富科技深知金融機構的業務痛點和難點。

就像我們跟 AI機器人對話，只有給出最適合的 Prompt（指令）才會得到更接近理想的答案。對于垂直于專業領域的智能體也一樣，只有熟悉業務鏈條上的每個環節才會設計出最適配的智能體產品。

從單個智能體到智能體多模塊，從人使用AI到AI使用AI，金融「超級智能體」時代已經離我們越來越近。而那些更早擁抱新技術的市場參與者們，也可以借助金融智能體這條「快捷通道」真正實現市場突圍。