專題：第八屆中國金融科技論壇

　　中國國際服務貿易交易會第八屆中國金融科技論壇於9月9日在北京舉行，主題為「科技賦能—金融業數字化創新與應用」。上海銀行副行長兼首席信息官胡德斌出席並演講。

　　以下為演講實錄：

　　尊敬的各位領導、各位專家，大家好。今天交流的主題是從數字化邁向數智化。兩個詞只有一字之差，但是這一個字區隔着銀行業科技建設的兩個階段。

　　一、數字化把業務搬上線，數智化讓智能成為生產力

　　銀行業數字化已走過30年。這30年，主要工作是把業務搬到線上：網點搬到手機銀行，櫃員搬到遠程雲端，流程控制搬到系統裏。成就是巨大的，客戶足不出戶可辦絕大多數業務。

　　但客觀地審視，數字化也付出了三個代價。一是菜單替代對話，客戶要在幾百個菜單裏找入口，真實感受像霧裏看花。二是渠道彼此割裂，手機銀行、網銀、微信、櫃面各成一套邏輯，換個渠道就要重新學習，而且渠道之間信息互不相通。三是服務讓位於銷售，渠道越發達銷售推送越密集，客戶感到的不是被服務，而是被打擾。

　　還有一個現象值得注意：‌艾瑞諮詢‌的監測報告：手機銀行APP‌單機單日有效使用時長從2023年的4.93分鐘降至2025年中的2.70分鐘‌，降幅約45%。單機單日使用次數從4.54次降至2.86次，同樣呈明顯下滑。這說明把業務搬上線的紅利已經喫完。客戶不缺一個能辦事的APP，缺的是一個能理解他的銀行。

　　數字化改變的是客戶在哪裏辦，數智化改變的是如何理解客戶。大模型讓機器第一次具備理解自然語言和客戶意圖的能力，補上了數字化30年缺失的最後一塊拼圖。數智化不是再多做幾個功能，而是讓智能成為生產力，讓銀行服務回到原點。

　　二、上海銀行數智化實踐：智能櫃員五單元

　　銀行服務的原點是什麼？是櫃面。客戶走進來，說出需求；櫃員聽懂了，幫客戶辦理，還可以在合適的時候給出一個專業建議。

　　銀行服務從櫃面到ATM、電話銀行、網上銀行、手機銀行，渠道不斷裂變。這場裂變本質上是技術短板的補償史。因為機器聽不懂人話，客戶只能去學習機器的語言：記菜單、點按鈕、填表單。現在人工智能讓機器終於能聽懂人話了，銀行服務的邏輯就可以抽象回最原始的櫃面模式：通過對話溝通來獲得服務。

　　正是基於這個判斷，上海銀行在落實人「工智能+」戰略的過程中，一個重要行動是打造智能櫃員。請注意，智能櫃員不是單一能力，而是一個由五個單元組成的體系。

　　AI平台是大腦，由大模型與智能體組成，負責理解、推理和生成。數據中台是記憶，承載客戶畫像、行為洞察和行業知識，讓智能櫃員認識每一位客戶。業務中台是本領，涵蓋全部交易能力、產品能力和風控規則。數字人是表現，是數字員工與客戶交互的界面，提供可親、可信的形象與交互。人類員工負責複雜判斷、情感關懷和最終責任。

　　在這五個單元裏，我想特別說一說人類員工。每次談到AI，總有人問我：機器會不會取代人？我的判斷是：在服務客戶的體系裏，數字員工與人類員工不是替代關係，是夥伴關係、是共同體。機器負責規模，人負責溫度；機器負責標準答案，人負責複雜判斷；機器負責聽懂每一句話，人負責接住每一份託付。人類員工從重複勞動中解放出來，去做機器做不了的事：理解客戶的難處，建立真正的信任，負起最後的責任。

　　在打造智能櫃員的過程中，有一個關鍵設計原則叫能力唯一來源。手機銀行、櫃面、雲網點、自助機具等複用同一套智能櫃員能力。渠道從此不再各自為戰，客戶在不同渠道接受的服務是標準統一的。

　　三、三組落地案例

　　戰略講得再好，也要靠實踐說話。我向各位彙報三組案例。

　　第一組，AI手機銀行：從菜單導航到對話即服務

　　2025年，我們發布了AI手機銀行的測試版本。今天回頭看，那只是一個原型：客戶可以通過對話找到功能、諮詢問題，本質上更像一個長在手機銀行裏的智能客服。它證明了機器能聽懂話，但辦事的能力有限。

　　2026年，我們正在開發智能體驅動的新版本。設計目標不是增加一個聊天窗口，而是把分散在菜單、頁面和流程中的知識、功能與服務，按客戶需求重新組織。我們梳理了超過4萬條專業金融知識，連接100餘項功能，建成18個自然語言辦理流程。目標是客戶不必理解菜單結構，用自然語言說出需求，數字員工理解意圖、編排流程、直達辦理。從對話找功能走向對話辦業務。當然關鍵環節需要客戶確認，數字員工不能處理的功能可以連接雲端的人類員工。

　　第二組，雲網點與數字人：櫃員的雲端化與面孔的進化

　　上海銀行2019年推出雲網點服務，把人類員工搬上雲端，推動原本只能網點辦的業務向線上遷移。一鍵呼入、口述辦理，實現大額轉賬、密碼重置等服務，覆蓋90%非現金常用業務場景，累計服務客戶超135萬人次。

　　雲網點服務模式中，兩位數字員工海小智、海小慧先後上崗，承擔產品講解、服務引導、客戶諮詢等工作。在具體的業務辦理環節再切換到人類員工。數字員工背後是金融垂直大模型配套專有知識庫和安全審核機制，確保回答合規可控；而且我們的海小智、海小慧還能聽講上海話。

　　第三組，智能風控：從經驗驅動到智能驅動

　　前面兩組是客戶能看見的，這一組是看不見的。

　　反欺詐方面，我們構建了行為分析與資金網絡分析雙驅動的大模型體系，突破傳統單點識別的侷限，綜合研判客戶是否被誘導、交易動因是否異常、資金流向是否可疑，做到了實時預警攔截。2026年上半年，該體系識別並攔截可疑交易1.2萬筆，涉及金額3.8億元，誤報率較傳統模型下降40%。既保護客戶資金安全，也為行業反詐探索新範式。

　　客戶可能感受不到這些能力，但正是這些看不見的智能，守護着客戶的每一筆交易。銀行智能化的縱深不在前台炫技，而在於後台的紮實。

　　四、比智能更重要的是可信

　　「人工智能+」要行穩致遠，最難的不是技術，而是機制。銀行是經營信任的行業。客戶把錢交給我們，是把信任交給我們；我們把服務交給AI，首先要回答AI值不值得信任。

　　這方面，我們重點抓了一下幾件事。

　　第一件，業技融合：從兩張皮到一盤棋

　　業務部門和技術部門語言不通、目標不一，是很多AI項目做不下去的病根。問題不在人，在組織機制沒有打通。

　　我們做了三個動作。一是推行前沿部署工程師模式，讓工程師沉到業務一線，同坐一間辦公室、同開一場晨會、同跑一個客戶，在現場識別高價值場景。二是以鐵三角組織攻堅：業務專家、產品經理、技術經理組成虛擬戰隊，共同對AI應用成效負責；技術向業務派駐分析師，業務向技術派駐領域專家，雙向奔赴。三是建立場景評估機制，從業務價值和實施複雜度兩個維度評估排序，優先投放速贏場景和戰略場景。好鋼用在刀刃上。

　　第二件，人機協同：像管人類櫃員一樣管數字員工

　　數字員工是銀行的新型勞動力，也要有全生命周期管理。例如，資產統一管理，避免重複建設；崗位標準化，劃定職責與合規邊界；運營閉環，監控、反饋、迭代形成機制；考覈激勵，不達標就調崗退出。

　　在人機協同的機制上，我們從人類員工為主、數字員工為輔起步，逐步走向數字員工在規則邊界內自主協同。機器幹標準化的活，人聚焦複雜決策與情感溝通。這個邊界不是技術問題，是治理問題。邊界劃不清，數字員工就敢越界；邊界劃清了，人和機器才能各司其職。

　　第三件，安全治理：守住不可逾越的底線

　　我們構建了制度、流程、數據、倫理四層防護體系。

　　制度上，對標監管要求制定模型管理辦法，覆蓋AI應用從立項到退出的全生命周期，每個環節都有明確責任主體和留痕要求。

　　流程上設三道閘門。准入評估：涉及資金交易、信貸審批的場景須經風險管理委員會審批，核心決策必須人工複覈。測試準出：上線前必須通過多維驗證，不達標不得上線。運營評估：實時追蹤輸出質量與偏差漂移，性能衰減就自動預警、複覈、回滾。

　　數據上嚴格分類分級：個人信息和隱私數據禁止用於生成式AI訓練，訓練數據脫敏，AI生成內容顯著標識，測試與生產環境嚴格隔離。

　　倫理上，重大AI應用倫理前置評估，定期開展算法審計。

　　我常跟團隊講，做金融科技創新，要大步試點、小步投產。大模型可以大膽地試，但面向客戶的每一步都要走得穩。智能的上限決定我們能走多快，可信的底線決定我們能走多遠。

　　五、展望：從渠道裂變，走向對話迴歸

　　回顧銀行服務渠道的30年：從櫃面，到ATM、電話銀行、網上銀行、手機銀行、雲網點。這是一部渠道不斷裂變的歷史。

　　人工智能的到來，讓所有渠道的服務邏輯重新抽象為同一個模式：客戶講述需求，智能櫃員理解並服務。歷史走了一個螺旋：從對話溝通出發，繞了一大圈，帶着30年積累的全部能力，又回到了對話溝通。

　　這不是回到從前。當年的櫃員一天只能服務幾十位客戶，數字員工可以同時理解成千上萬客戶的需求；當年的櫃員要記住幾百種業務規則，數字員工的大腦裏裝着整個銀行的知識。對話的形式回來了，但服務的洞察、規模與一致性，都完成了升維。

　　這種內在的變化，變的絕不僅僅是技術，變的是銀行生產關係的底層邏輯。

　　過去做系統，是先定流程、再寫代碼，系統是流程的固化。需求從業務部門提出，經過立項、評審、開發、測試、上線，周期以月計、以季計。這種模式下，技術部門是執行方，業務部門是需求方，雙方的關係類似是甲方乙方。數智化時代，這個邏輯改變了：先有能力、再有場景，系統開始具備學習和進化的屬性。大模型上線後，能力邊界不是開發階段定義的，而是在與客戶的交互中不斷擴展的。這意味着，技術部門和業務部門必須從甲方乙方變成合夥人，在同一個戰壕裏共同定義問題、共同驗證效果、共同承擔結果。組織不變，AI項目一定做不下去，這是我們在多個場景中反覆驗證過的結論。

　　人才評價標準也要變。數字化時代，我們評價科技人才，看的是能不能把需求變成代碼、能不能按時交付。數智化時代，核心能力變成了能不能定義問題、能不能調校模型、能不能判斷AI輸出的邊界。一個會寫代碼但不懂業務的人，價值在下降；一個懂業務但不會與模型對話的人，價值也在下降。真正稀缺的人才，是既懂業務語言又懂模型語言的人，我們內部叫複合型人才。上海銀行正在調整科技人才的評價體系和晉升通道，把模型調優效果、業務場景落地成效納入核心考覈指標，而不是只看代碼量和項目交付數。

　　風險控制邏輯的變化更為根本。數字化時代，風險是已知的、規則化的：什麼操作違規、什麼交易異常，規則寫死了，系統按規則攔。數智化時代，風險控制是未知的、湧現的：模型可能產生幻覺，數據分佈可能漂移，訓練時的合規不代表推理時的合規。這意味着，風險控制從事前設計為主，轉向事中監測與快速回滾並重；從規則驅動轉向模型驅動加人工兜底。我們需要建立一套能實時感知模型行為、自動觸發預警、快速隔離問題的運營體系。

　　所以，數智化不是技術升級，是銀行組織形態、人才結構和治理邏輯的一次系統性重構。技術可以採購，但生產關係買不來，只能自己改。

　　各位領導、各位專家，數字化的30年，我們教會了客戶使用機器；數智化的路徑，是機器學會理解客戶。上海銀行願意與同業、夥伴一起，走穩、走好這條路。

　　以上觀點不當之處敬請批評指正。謝謝大家！