AI应用在银行业的普及程度 - 约90%的A股上市银行在2025年半年报中披露了AI技术应用及落地成效 [1] - 2025年上半年银行业大模型相关中标项目共44个，占金融业总数（79个）的过半比例 [1] - 国有大行和股份制银行的AI应用已成标配，工商银行上半年新增AI财富助理、投研智能助手等100余个应用场景 [5] - 中信银行构建的智能服务场景数量已超过1600个，招商银行在零售、对公、风控等领域落地184个场景应用 [5] - 更多中小银行开始披露AI应用细节，例如常熟银行完成6项大模型助手上线，江苏银行落地智能化场景接近60个 [5][6] AI应用带来的效率提升 - 交通银行在个人手机银行部署模型策略后，出额率和提款率分别较原模式提升67%和83% [8] - 交通银行电话银行渠道通过AI策略使营销线索产能提升近80%，带动线上消费贷余额同比净增153% [8] - 招商银行通过AI技术上半年节约人工475万小时，并带来约3.9亿元的经济效益 [8] - 常熟银行通过多场景落地业务智能体，推动业务效率提升20% [8] - 工商银行金融大模型“工银智涌”2024年承担了相当于4万多人的年工作量 [8] 金融大模型落地的关键挑战 - 通用大模型在金融领域存在知识储备不足的问题，容易出现“张冠李戴”和不遵循金融合规要求的情况 [10] - 金融机构需要利用自身金融数据对通用大模型进行二次训练，才能达到可用水准 [11] - 高质量数据积累对应用效果至关重要，数据数量、质量、多样性较好的银行能获得更好效果 [11] - 场景选择对应用效果影响显著，例如催收功能在企业贷款场景效果明显优于个人消费贷场景 [14] - 业务场景的深层次理解至关重要，需要根据场景难易程度采用从简单知识库挂接到复杂智能体技术的不同实现方式 [15] 银行业务模式与组织架构变革 - AI应用从客服助手等边缘业务延伸至交易、营销、风控等核心业务场景，如交通银行在风控领域实现全域应用 [7] - 银行与客户的交互模式从被动服务向主动、实时且个性化服务转变，理财师服务客户数量可提升10倍至2000-3000个 [17] - 商业银行科技人才需求上升，六大国有行科技领域员工数量合计已突破10万人 [18] - 银行招聘岗位从“信息科技岗”转向“人工智能领域岗”等具体方向，技术要求从了解基础升级为熟练实战技能 [19] - 银行组织结构需要调整，科技部门与业务部门紧密协作，如光大银行设置数字化专班并采用“科技派驻制” [20] 监管合规与落地路径 - 金融业对AI应用合规性高度关注，重点关注模型幻觉、算法黑箱和传统风险放大等三方面新风险 [22] - 关键业务流程需要人工干预，人机协同可增加可控性，需将大模型应用纳入内部整体风控合规机制 [22][23] - 商业银行主要通过四种路径落地AI：技术平台构建、手机银行AI化、业务场景智能体、全行分阶段建设 [24] - 国有大行倾向自建AI基础设施，股份行和城商行落地模式多样，区域性银行倾向小投入试水 [24] - 目前绝大部分AI应用主要用于对内服务员工，极少直接面向客户，关键环节仍由人工把关 [25]