ARTICLE · 1177124
平安银行出台上市银行首部AI管理办法:AI治理从技术部门走向董事会
平安银行出台上市银行首部AI管理办法:AI治理从技术部门走向董事会
平安银行董事会近期审议通过《平安银行人工智能管理办法（1.0版，2026年）》。从公开披露情况看，这应是上市银行中首份公开披露的人工智能专项管理办法。 这份文件目前尚未公开全文，但平安银行已向媒体披露了主要方向。它既是对监管要求的落地，也反映了银行在AI应用加速后的治理需求。 对金融机构而言，这份办法的参考价值不在于“率先”本身，而在于它把AI治理从技术部门规范提升到了公司治理层面。 一、办法发布情况 2026年9月30日，平安银行发布董事会决议公告，第十三届董事会第八次会议审议通过了《平安银行人工智能管理办法（1.0版，2026年）》。 平安银行向媒体表示，该办法主要从顶层设计、治理机制、开发应用三个维度作出安排。 这件事之所以受关注，是因为它不是单纯的技术制度，而是由董事会审议通过的公司治理文件。对银行业来说，AI治理正在从“技术部门能不能用”转向“全行如何安全、合规、可持续地用”。 二、监管要求已经明确，银行需要把AI纳入正式治理体系 平安银行此次出台办法，直接背景是国家金融监督管理总局2026年6月发布的《关于银行业保险业人工智能安全开发应用的指导意见》。 该文件从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督等方面提出32项指导性意见。 《指导意见》明确要求，开发应用人工智能的银行业保险业金融机构，董事会应指定专门委员会对人工智能开发应用管理负责，统筹制定发展规划，推进能力体系建设，制定制度规范，并建立跨业务、科技、数据职能部门的协同机制。 同时，《指导意见》提出四项原则：坚持“谁使用谁负责”、坚持自主可控、坚持务实高效、坚持安全发展。 也就是说，监管已经把AI应用从技术命题明确为治理命题。银行不能只把AI当作效率工具，还要把它纳入风险管理、内部控制和公司治理框架。 三、平安银行办法目前披露了三个维度 根据平安银行向媒体披露的信息，该办法主要在三个方面作出安排。 1.顶层设计由董事会战略委员会统筹 平安银行明确由董事会战略委员会统筹人工智能开发应用管理，坚持应用导向与风险导向相统一，遵循“谁使用谁负责”、依法合规、自主可控、务实高效、安全发展等原则，建立权责清晰、流程贯通、风险可控、持续迭代的人工智能治理体系。 这意味着AI治理的责任主体被明确到董事会层面，而不是仅由科技部门承担。 2.治理机制覆盖AI全生命周期 办法提出建立覆盖人工智能开发应用全过程的全生命周期管理机制，健全数据安全、算法风险、伦理审查及责任追溯等机制，并将人工智能风险纳入全面风险管理体系，实施风险分类分级管理。 这里的重点是“全过程”和“分类分级”。AI风险不能只在上线前评估一次，也需要在运行、迭代、退出等环节持续管理。 3.开发应用坚持需求牵引和价值导向 在应用层面，平安银行表示将坚持需求牵引、价值导向，围绕服务实体经济、做好金融“五篇大文章”、提升客户服务质效、提高运营管理效率等方向，稳妥推进人工智能应用。 这表明AI应用不会只追求技术先进性，而是要与业务价值、合规边界和风险控制相匹配。 四、平安银行的AI应用已进入规模化阶段 制度出台背后，是平安银行AI应用的快速扩展。该行近年来全面推进“AI in ALL”战略，持续建设统一算力基座、统一算法模型基座和统一数据知识基座，形成“1+1+1+N”的AI能力支撑体系。 截至2026年6月末，平安银行累计落地大模型应用场景超450个，覆盖精准营销、智能投顾、合规风控、办公辅助等重点领域。 在运营管理方面，2026年上半年共上线140个运营审核类智能体，覆盖55个业务场景；截至2026年6月末，累计上线消保审查要点模型35个，消保审查智能化覆盖率超90%。 当AI已经渗透到营销、风控、运营、客服、合规等多个环节时，治理就不再是可有可无的配套，而是规模化应用能否持续的前提。 五、对金融机构有三点启发 1.AI治理必须上升到公司治理层 很多机构在推进AI时，习惯由科技部门牵头。但AI涉及数据、模型、算法、外包、客户权益和业务决策，单靠科技部门无法完成责任闭环。 把专门委员会职责明确下来，有利于统一规划、统一标准和统一问责。 2.“谁使用谁负责”需要落到具体场景 “谁使用谁负责”不能停留在口号层面。对低风险场景，例如内部文档辅助、代码补全、会议纪要整理，可以适度降低审批门槛；对高风险场景，例如信贷审批、授信决策、资金交易、保险承保理赔，则必须保留人工复核和明确业务责任人。 监管《指导意见》及相关解读也明确，AI在高风险审批环节只能作为辅助工具，不能独立作出最终业务决策。 3.全生命周期管理要形成可追溯机制 AI治理的关键不是禁止使用，而是让每一次使用都有边界、有记录、有复核、有追溯。 需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出，每个环节都应明确责任主体和风险控制要求。 六、后续还需要关注的问题 后续值得持续关注的重点包括：AI场景如何分类分级、高风险场景的人工复核如何执行、模型可解释性如何提升、第三方模型和外包如何管理、数据使用和隐私保护如何落地、伦理审查和责任追溯如何操作。 对金融机构而言，AI治理的最终目标不是降低创新速度，而是让创新更可控。 平安银行这份办法提供了一个可观察的样本：AI应用越深入，治理越要前置；技术能力越强，责任边界越要清晰。
免责声明：自媒体内容仅用于记录和分享，请勿用于商业用途。所有内容来自于网络，或由人工智能服务生成。如有文字或图片涉及侵权，请联系修改或删除。文章内容不代表本人观点，亦不代表本人所在机构观点，不构成任何投资建议。
