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」。東亞銀行（中國）有限公司首席信息官王悅出席並演講。 

　　以下為演講實錄：

　　王悅：各位領導、專家，大家下午好。今天非常榮幸能與大家分享商業銀行在新一代軟件生產力方面的探索與實踐。前面兩位嘉賓的分享非常精彩，從不同維度為我們打開了思路。而我今天想從一家銀行的視角出發，聚焦一個核心命題：在AI時代，我們研發體系到底要做什麼，以及怎麼做。過去一年半，我們做了大量嘗試，AI確實能帶來顯著的效能提升，但在銀行業，我們首先要回答一個平衡問題——成本、迭代速度、治理與邊界三者之間如何協同？我們的目標是，真正建立一套適配銀行場景的軟件生產力方法論，並形成可落地的實踐。

　　一、AI在軟件生命周期中的角色：從外掛工具到核心參與者

　　從去年開始，我們看到海外幾乎所有軟件巨頭都在用新名詞重新定義傳統的軟件開發生命周期。名稱各異，但實質趨同：第一，AI coding不應只是一個簡單的外掛編碼工具，而應成為軟件生命周期中的核心參與者；第二，它的融入不應停留在編碼階段，而應貫穿需求、設計、測試、交付、運維等全流程；第三，我們不是簡單地選一個AI工具，而是要找到適配自身企業、適配銀行基因的那個答案。

　　二、銀行特有的挑戰：人機互動與治理邊界

　　這張圖大家很熟悉——左側是傳統銀行項目的需求、設計、開發、測試、交付流程；中間是科技公司已全面擁抱AI的模式。但在銀行側，我們有一個清晰的認知：不能完全放任AI去做所有事情。因此，我們在全流程中嵌入了關鍵節點的人工治理。人，始終是最重要的環節。我們強調的不是「AI替代人」，而是人機互動、人機協同。AI能大幅提升執行能力，但責任邊界、驗證體系、治理機制必須同步跟上。大家做銀行項目時，最大的抱怨是什麼？需求難寫、立項困難、流程周轉繁瑣。其實從技術層面把需求做出來並不難，難的是層層環節中文檔的簽字、審計的穿透、合規的閉環——這些纔是真正制約我們提速的瓶頸。

　　三、我們的實踐路徑：工程化、場景化、組織文化

　　我們正致力於將AI與銀行傳統的SDLC流程進行深度融合。這帶來三個核心價值：第一，工程化。很多同事已經在用AI輔助寫代碼了，但效果有好有差——有人寫得好，有人寫得不理想。為什麼？因為大家的提示詞不一樣，對上下文理解不同，對自己系統也不夠了解。所以我們必須在工程層面統一——從需求到交付，一個統一的入口，把提示詞沉澱下來，把我們行內的代碼資產固化下來，形成一套規範。最終，讓AI Coding可治理、可複製、可規模化，成為真正能自運轉的生產力。第二，場景化。過去，業務需求往往只是一句話——「我要做一個信息系統」。但還有很多非業務需求，比如監控指標異常、漏洞掃描缺陷，它們同樣是需求。我們把這些信號全部納入場景感知體系，通過AI將其轉化為全鏈路可通行的規格。當這個循環真正跑通，場景化就不再是簡單的需求發現，而是微小功能的自我迭代。第三，組織文化。如果前兩點做到，組織文化會發生根本性變化。在銀行，多數業務部門只有極少數人作為需求提出方，其餘人仍聚焦銷售或直面客戶。但如果我們能把所有沉澱變成全行可見、全員可用的資產，那麼每個人都能成為科技創新的參與者和受益者。這種組織文化的轉變，比任何技術本身都更重要

　　基於這三個方向，我們把研發場景與SDLC主鏈做了一次徹底的結合。我們總結了五個統一：1． 場景入口統一：無論是業務需求、監管要求、安全缺陷還是運維告警，都從統一的入口進入。2． 需求契約統一：所有需求文檔、設計文檔都由AI基於統一模板和上下文生成，確保理解一致。3． 開發環節統一：從代碼生成、單元測試到SIT/UAT，全部納入SDLC主鏈。4． 人工治理統一：所有關鍵節點設定人工審核，統一標準、權限和追溯機制。5． 反饋閉環統一：將個人單點提效，轉化為組織層面可複用的生產力提升。這套體系的核心邏輯是：當一個新場景出現——無論是業務側的需求，還是科技側自我發現的訴求——它能被快速納入主鏈，然後通過數據層（歷史知識庫、上下文、結構化與非結構化文本）的支撐，由AI生成需求文本和設計文檔，再進入AI Native層和Agent層，由不同的智能體進行翻譯和拆解，最後交付上線。而上線後的運營數據又作為新一輪的輸入，形成持續迭代的閉環。

　　四、真實案例：跨境積分互換項目

　　我們坦白講：過去兩年的智能體、AI嘗試並未解決根本問題。業務部門依然頻繁拋需求，IT部門依舊承壓。於是我們做了一個調整：依據前面講的五個統一對真實問題做場景分類，與SDLC主鏈深度結合。去年年底，我們上線了與香港母行的跨境積分互換項目。核心場景：母行信用卡客戶在內地零售銀行商城兌換獎品。這個需求牽涉兩套系統、兩地合規、數據流通等多重維度。我們採取場景感知→需求生成→系統設計→編碼測試→交付上線→反饋收集的完整閉環。上線後，客戶反饋、業務指標、運行表現又成為下一輪迭代的輸入。這只是一個嘗試，但它驗證了：當場景化與主鏈打通，微小的需求也能高效落地。我們的目標是：這套方法論不侷限於單條業務線、單個系統、單一場，而要能夠適配不同場景，成為銀行級的能力底座。

　　五、總結與展望

　　最後，我想用三句話概括我們的願景：

　　讓智能進入流程——AI深入SDLC每個環節，成為參與者而非外掛；

　　讓治理守住邊界——人機互動中的責任、驗證、審計體系必須跟上；

　　讓價值形成閉環——每一次反饋、每一個指標，都成為下一次迭代的起點。

　　我們相信，這種探索不僅會改變銀行科技團隊的工作方式，更將推動整個組織的效率與創新文化躍升。我的分享就到這裏，謝謝大家！