ARTICLE · 1248964
银行业智能体应用与AI转型指南
银行业智能体应用与AI转型指南国庆前我收集了一批关于银行Agent 的资料，今天分享一下，标题是《农商银行AI转型》。 在AI大势下，我们会发现大银行有很多动作，但中小银行受科技实力等因素限制，和大银行相比还是有比较大的差距。这份资料我收集了相当一段时间，主要是看大银行是怎么做的。 今天讲三个问题： 先看一组智能体部署数量的对比数据（部分为各行公开披露口径）：
也就是说，真正的智能助理可以应用到客户经理的场景，很多常规性、事务性的工作就可以交给 AI 来处理。建行落地了398 个场景。除了客户经理场景，授信审批流程里也有 AI 参与：零售客户用"帮得"助理帮助每一位客户经理批量化经营客户。 今年中期业绩发布会上，副行长兼首席信息官发布了邮储落地的370 个大模型应用场景，日均输入输出资源超过 300 亿。作为大行的优势，邮储组建了统一的 AI 平台，覆盖前中后台各个领域，大模型应用数量达 370 个。 具体成效： 数字人辅助人工审核，效率提升40%，成本管控更精细； 手机银行月活客户超过9800 万。 随着人口老龄化，客户在流失，尤其是年轻客户非常缺，线上服务和 AI 科技服务是必选题。 中行孵化了超过2000 个智能化助手。这里体现的是大银行的优势：一个 AI 智能体开发完之后，可以让全行都用，所以他们比较"舍得"开发。 AI 大模型已经落地并发挥作用的工作项超过1000 项； 今年上半年，AI 帮助人工提效，带来1388 万小时等效人工工时的贡献； 自研大模型 2026年较2025年增长78%；在零售、批发、风控、运营各个领域实实在在落地1386个，较2025年末增长62%； 批发业务方面，招行重塑对客智能服务体系，"AI 小招"累计服务企业客户 79.99 万户； 对公与机构场景中，AI 智能客服数字人累计服务13.37 亿人次； AI 应用释放千万小时体验红利。 这说明招行体系里 AI 应用的渗透是非常强的。 腾讯最近很火的WorkBuddy有一个金融版，面向券商、银行、保险的智能工作台。个人版里也有金融投资类技能，但对银行来说，重点应研究它面向金融行业的版本。 Kimi也发布了金融行业解决方案；头条系之外，阿里系通义千问引入了兴业证券、国泰海通等金融机构合作，用户在千问对话框里就能使用专业金融服务。过去用户获取不同金融服务需要进入不同 App、网站或专业终端，通过付费或开户才能获取专业数据和服务；机构最值钱的研究观点、投研方法、顾问咨询，之前只服务一小撮人。现在随着 AI 成为人们获取信息的常用方式，专业金融能力落地到通用 AI 之后，这些有门槛和准入条件的服务开始面向广大用户开放。 今年金融机构采购智能体的力度非常大，银行占半壁江山，信贷场景多点开花。 第一财经的报道提到：到 2027 年，金融应用或许能超过AICoding，成为AI应用的最大市场。我们知道AICoding 一直是最大的市场，像 Anthropic的ToB最大营收就来自Coding 这块。 从授信尽调调查、行业研究、存量资产监控等场景看，主要价值有四点： 2026 年国庆前，21世纪经济报道：《AI 接受银行对公业务，8分钟生成访前一页纸》。腾讯云和 WorkBuddy有一条短视频做了详细讲解，这是腾讯金融行业版一个很重点的应用。 2026年9月19 日，新金融报道：《400 万银行人的工作方式正在被 AI 改写》。 另外，当AI成为零售条线的"第二焦点"，不少银行已经在用 AI 销售训练的模式，这个智能体我看到有些农商行也在用。 上市银行AI账本相关报道（21世纪经济报道9月12日）：招行日均消耗 331 亿 token，浦发 AI 扛起 2500 人年工作量。 阿里巴巴CEO在一次演讲中提到：未来机器思考的总量能达到人类的1000 倍以上。当机器成为思考的主力——钱不会撒谎。 
我借助 AI 工具整理了 2026 年各家银行采购智能体的数据： 银行是金融智能体的第一大买家，份额能占到45%~50%。 大单出现——浙商银行约 6400 万的一笔采购。 需求从"搭平台"切换到"解业务"，到 8 月份进一步变成"建起来、管起来"。AI 绝对不是花架子，是真正能融入业务、帮银行解决业务的应用。 大行大部分自研，小行外采。国有大行、股份行总行先有招标，城商行、农商行的单子后来多起来。 对小银行来说，一个智能体如果投入比较大、又不能在全行复用，是不划算的——这是中小银行的劣势。
几个具体数字： 采购主体重心继续下沉——从国有行、股份行，到七八月后城商行、农商行的采购明显多起来。 需求结构从平台到场景、场景到治理——对小银行来说，基本都是往具体场景落，落到小的业务治理上。 从买软件到买地基——中标格局是大厂 + 垂直厂商 + 集成商。 价格分层明显——浙商最高 6400 万，国开行 4000 多万；农商银行里省联社层面的 700 万算比较高，其他单个法人行基本都在百万级，甚至几十万级。 差距是有的，但不光是钱的问题。科技团队是一个方面，还有一个很重要的点：大行可以统一数据中心、统一科技人员，开发的一个智能体能复用到全行，性价比高。小银行做这种大投入不划算，所以在这一点上中小银行反而处于劣势。 但农商行确实在做： 第一，选痛点。AI 应用有很多方面，只能选最重要的、目前最痛的：高频、规则明确、数据现成的场景，比如凭证识别、客户画像、带货预警等。 第二，借外力。我们肯定不会去开发大模型，市面上成熟的大模型直接接入就可以用。甚至不光有大模型，像 WorkBuddy 这种专门针对金融行业的专属应用，何必自己研发。 第三，转数据。每一轮跑通都沉淀自有数据与场景库，下一轮摊薄成本，越用越便宜。这不只是便宜的问题——数据越用，智能体对你的理解越深，出成果效率越高，准确性越高。所以从一开始选痛点、接外力，就要同步沉淀数据。 先跑通一个场景，比立项一个平台更有说服力。小场景先切入。 准备这次内容前我有几个思考： 是否真的有用？有的人可能还在怀疑。 能够做什么？我认为两点：一是外部营销服务，二是内部协作沟通。这和企业微信其实一样——所有 AI 应用无非两个方面：对内提效，对外服务。 谁先做、哪里做？内部这块，可以用现成工具提升员工的沟通协作能力；另一块是线上服务能力。 感觉有时候无从下手，觉得业务员都不想做——因为这个事情跟业务没什么太大关系，大家都很忙，也有经营压力，所以不太愿意做。而业务侧又涉及数据隐私、合规问题，不是下面法人行能够定的，导致中小银行、农商行不知道怎么做。 所以无缘的不是身份，是打法。 不用做太多开发，用现有的： 已经在用企微的，就用企微原生的 AI 助理功能（企微大圆）。目前已全量开放，所有企业基本都能找到。 WorkBuddy，尤其面向金融行业的版本——企微与 WorkBuddy 打通之后，目前这个阶段已经能融入到企业微信里，把业务真正做成"懂我们银行业务的专家"，输出的成果比之前纯粹的 WorkBuddy 要好很多。 AI 视频工具，用类似工具生成视频，帮助做内容营销。 当然，有更好的独立开发、定制开发需求更好。但对大部分农商行来说，可以先用企微 AI 助理、WorkBuddy 练手，用现成的快速落地，让大家熟悉 AI 应用。 我梳理了11 个应用场景（内部协作沟通 + 外部服务，其中外部 3 个）。建议农商银行先从这 11 个场景里让员工实际操作，落地之后大家基本把功能用得差不多了，员工就会依赖上这个应用。 WorkBuddy 与企微打通后，可以真正成为懂银行业务的专家。也鼓励员工去专门学习 WorkBuddy，官方有现成的教程。 之前布置的一个理财工作台已经有上百万人看过，后台也有粉丝发了他们自己做的工作台。今天手把手教大家怎么做，把自己的钱管起来——这可能是你看到的最简单的教程。 用 WorkBuddy 进入"灵感专区"，这里面是全网开发者做出来的优秀案例，输入关键词就能找到理财工作台，直接能看到我用的提示词，点"同款"就会自动新建任务，选好模型，准备好金融数据接口，然后就可以开始让 AI 帮你搭工作台了。 有任何要调整的地方，比如添加更多行情指标，直接在功能区用大白话告诉它，它都能理解并做修改。 我这段时间用 AI 有一个特别强的感悟：普通投资者跟专业机构的差距，其实是差在没有一套投研系统。机构有专业的数据库、软件终端，有大批分析师团队跑调研、盯数据、做研究；普通投资者每天下班挤一两个小时研究学习已经很不容易。AI 最大的价值就是给投资者开了一个外挂——很多专业机构才有的能力，现在都能调用。比如在 WorkBuddy 上，万得、通达信、同花顺、东方财富这些金融机构都开放了数据接口，还有各种专业的市场研究、数据分析、选股诊断的专家技能。 对银行来说，这意味着：我们可以借助这类 AI 工具去服务自己的理财客户。不是每个客户都会用 WorkBuddy 里的专家技能，你可以像视频里那样搭一个工作台，服务自己的财富客户。 第一步，事件信号触发。整体采集标准只有一条：这个动作能不能对得上一笔具体的资金需求。我们采的都是有时间点、有官方出处的动作，而不采泛泛的企业新闻。按官方背书强度和落地程度分为强信号和弱信号： 强信号：官方文件已经生效的基本事实； 弱信号：主要看实施的动作，可能还在运作或推进，还没落地，需要进一步验证。 分档决定可以回看多久信号——强信号可以回看一到两个月依然有效；如果两到三周还没有更强信号跟上，就暂时从商机清单里退出。 第二步，资质核对。看企业工商底盘：成立多少年、实缴比例、参保人数；看政策资质，比如是否有"专精特新"之类的资质认证。第一步信号说明这家企业有动作、有资质证明；第二步说明这家企业经不经得起做。政策资质是政府部门按研发投入、专利、团队、成长性等综合指标评定的，本身就是对企业实力的背书，银行往往可以据此匹配产品方向。 第三步，风险过滤。当识别到企业主体或实控人涉及类似高企执行、被执行，入口就直接过滤掉；如果是一般性的诉讼或处罚，不会完全否定，而是把排序后置并做标注。 根据前三步信息交叉分析，最终形成一个价值排序，便于客户经理查阅。 产出三类内容： 名单排序——客户经理手里经常有很多总行下发、各部门下发的各类名单，拿到名单后要知道优先拓展谁效率最高。按资金需求信号、风险健康度、规模与成长性、关系可介入性、战略契合度做优先排序。这些分析维度和打分权重都可以根据银行实际情况调整，只需要改一句提示词。 企业画像——输出基本面、持股人和股权穿透、经营趋势等。股权链层层向上穿透并做股东性质判定：如果股东中存在上市公司投资、政府引导基金投资等，属于加分项，会直接在股权结构图里展示，一眼看清企业完整股权情况和实控人情况。上市企业直接获取财报使用，这些报告基本靠 AI 生成，效率非常高，只要名字就可以查。 访前一页纸——主要有三类产出：名单排序、企业画像、拜访前一页纸。 税票数据这块是对客户经理最能发挥智能体优势的部分：需要进行非常多维的计算和穿透。企业授权后会生成链接，在链接里可以看到纳税开票、上下游交易金额和占比，这些信息是判断企业经营真实性、稳定性、合规性的很好依据。目前人工核验需要耗费大量时间，要手工对纳税趋势做分析、手工计算纳税合理性、手工去查可疑上下游。 用金融版 WorkBuddy 时，像自然人对话一样，根本不需要专业术语。你日常生活怎么做业务、想要什么东西，普通对话就可以。 界面演示要点： 在 WorkBuddy 工作台左上角可以看到金融版能力：公司金融、零售金融、投顾等。 公司金融面板里有"客户经营"，预设了 4 个技能：商机发掘、画像、风险、初筛台账。提示词已预置，比如"看一下深圳最近的商机情况""深圳科创企业最近有哪些新的商机""深圳最近有哪些中标、融资或扩产的信号"。 客户画像：把手里拓展企业的名单 Excel 直接拖到对话框发起任务，就能直接做整批分析；也可以只替换企业名称，问"马上要去拜访，帮我看看有没有能聊的谈资"；把税票报告链接直接贴进对话框，尽调报告同样操作。 重点客户动态跟进：把企业加入重点跟进名单，监控新的机会和风险；也可以列好 Excel 拖进对话框。周一上班想看这周有哪些值得跟进的重点客户，直接问"我这几家最近有什么动静"；或者设置定时任务，每周一早上 9 点自动查看重点客户最新情况。 实跑演示（深圳商机）：智能体开始查找深圳最近的中标、扩产情况，生成摘要并输出一份 HTML 报告，直观展示目前深圳有哪些商机、感兴趣程度、是哪家企业、信号是什么。点进去可以对这家企业做速览：这家企业是做什么的、原因会注明、给客户经理的破冰话术，还会寻找企业疑似经营地址（注册地址往往不是实际经营地址），帮助客户经理找得到人。 腾讯云画像演示：快速出结论报告——信用底色干净、经营活跃度处于高位，值得去做；展开工商基本面、风险健康度（完全没有工商负面因子）、股权实控人、经营趋势分析（非上市公司，用招聘活跃度等经营活跃度信号辅助）。招投标实力方面，近期中标 856 次是很好的信号。 拜访前一页纸：后台出一份，包含这家企业主要做什么、有哪些产品、核心优势是什么、在产业链里的定位、上下游分别是谁——非常有帮助，效率很高，直接拿来就能用。还会提示增量机会和切入的点，比如跨境结算、财资管理是不是可以营销；核心成员是谁、有哪些谈资；也支持客户经理补充与本行的合作情况，目标是导出一份可以直接发给领导的成品。 综合分析报告：一分钟以内看完总体分析维度，心里就有数。比如某家公司下游五家客户占比达 80%，反映出下游过于集中，经营性风险比较大；上游 18 家大客户里有两家参保人数为零，是值得关注的点；上下游关联企业里某大股东是本次主体 30% 占比的股东，很可能存在关联交易；也有正面信号，比如某企业没有任何风险因子命中。 再看具体分析维度：经营分析、业务结构、主体穿透，都可以看详细信息穿透。经营分析里对下游 10 家、上游做了具体信息穿透，并做了纳税合理性分析（按公式计算税赋率）——这种计算非常适合机器做。问一句"看一下我名下客户的情况"，就直接出一份报告，看到有哪些风险异动、哪些新机会（比如某客户新增了全资子公司、披露了重大合同条款，可能带来新的业务机会）。 刚才讲的都是好的一面，AI 应用也有不好的一面。如果 AI 不成熟，就会遇到媒体报道的那种状况：我们用 AI 是为了节省成本、提高效率，但不能因为用了 AI 去降低用户体验。目前阶段，可能语料训练还没到一定程度，或者技术水平还有问题，会导致体验下降。 坑爹的银行AI客服，目的就是阻止你转人工 所以应用 AI 的环节，不光是一个技术问题——怎么把用户体验用好，涉及很多非技术环节。这是农商银行在应用 AI 时需要特别注意的。 另外再看一篇王健的文章，相对宏观地讲人工智能在小额信贷领域的研究。小微企业用人工智能做信贷已经成为趋势，从数字化到认知智能化发展。人工智能在贷前、贷中、贷后不同环节帮助做小微信贷，落地性比较强。无论理论层面还是案例层面，人工智能赋能小微信贷这个领域已经相对成熟。 今天关于 AI 应用在中小银行、尤其是农商银行 AI 转型，做了一点资料收集的分享。 后续具体重点还是围绕企微 AI 助理和WorkBuddy——这一块基本不用采购、不用做开发，原生的拿来就能用，是农商银行切入AI 转型成本比较低、效率比较高的途径。
更多参考链接： WorkBuddy“入职”企微，AI开始“打入企业内部” AI接手银行对公业务：8分钟生成“访前一页纸” 400万银行人的工作方式，正在被AI改写 吴泳铭云栖演讲：未来机器思考的总量将达到人类的1000倍以上 
作者：谷社观察 研究方向：企微客户经营与银行AI数智转型 微信号：gushewangshuai 
作者简介：上海谷社创始人，银行数字化营销咨询顾问，自媒体创业者。欢迎加微探讨
落差——国有大行、股份行的AI现在到底做到什么程度，智能体数量是多少。这些大部分来自银行自己人员的一线案例。 农商银行能不能做Agent——有哪些已经在做，用在什么场景，有什么结果。 如果我们现在做，从哪些地方切入——该选什么，不该选什么。 
一、落差：大行已经做到什么程度
1、建设银行：把 AI 助理装进客户经理口袋
建行行长原话：我们为每位客户经理研发配置了专属的智能助理，我们叫它"帮得"客户经理。通过与"帮得"的对话观察客户、洞察客户、配置产品，一键触达，形成对话式布置任务、一站式交付结果的业务闭环，基本覆盖了客户经理日常的工作内容。上半年，"帮得"系统平均月活跃用户数超过 4 万人，累计交互近 9000 万次。我们观察到"帮得"能够明显帮助客户经理提升经营效果——全网使用"帮得"成交比较好的客户经理，其管理的客户资产规模新增较行内平均水平提升了 57 个百分点。
2、邮储银行：370 个大模型场景
3、中国银行：2000 个智能助手背后
4、招商银行：最值得细看
5、其他值得注意的案例
江苏银行（城商行中的优等生）：管理层提出，金融 AI 技术正在深度重塑银行专业服务的供给范式。过去服务深度和广度非常受限于稀缺的专家资源，如今 AI 能够高效聚合融合专家智慧，打破人力服务边界，实现专业服务能力的规模化跃升。 浦发银行：偏好聘任大厂出身的人才。互联网公司这些年为银行业输入了相当多优秀科技人才。浦发今年上半年通过市场化方式引进专业人才，聘请了首席人工智能科学家、首席数据经营科学家。 四川天府银行：信贷流程审批的数字员工应用场景 37 个，自动化处理业务 3333 万笔；制定了 2025—2027 年数字化转型策略，覆盖运营、合规、信贷、财务、监管报送、运维六大板块；80%~90% 的业务无需人工干预，前期和前序的审批流程被大量压缩。 网商银行：行长提出，AI 银行的组织形态是 Agent First。做 AI 转型，首先是组织转型——怎么把自己的组织变成 AI 型组织。 浙商银行：有一笔智能体招标金额比较突出，中标金额约6489.89 万元（后文口播称"6400 万"），招标内容为智能体基础软硬件采购。
6、厂商动向
7、金融将成 AI 最大市场
8、AI 用在授信上的四类价值
降本增效——把查资料、做材料的时间大大压缩。 产能释放——原来客户经理忙一周搞两个客户已经很习惯，现在借助 AI 技能，可能一天就能深挖两个客户。 质量的一致性——AI越用越聪明，其输出成果优于大部分员工输出的成果，这是必然趋势。 合规与经营——把"AI能不能碰客户数据"这个卡点，拆成可评审的具体条目。合规层有管理措施、数据分类分级等。
9、两篇媒体报道
二、钱不会撒谎：2026 年银行业智能体招标数据
1、三个核心判断
2、分层格局已经固化
3、按月看的招标节奏
苏州银行：6 个智能体招标，限价 80 万，内容包括智能体开发平台、智能体审批、信贷尽调、文档识别、放款审核等。 宁波银行：远程银行、消保合作合规的数据处理、风险预警、企业掌银、信贷尽调等。 重庆银行：AI 大模型应用场景研发项目，预算 400 万。 江南农商行：信贷中介识别智能体建设咨询项目，该行年度 AI 投入约 5000 万（约数，需核对）。 江阴农商行：信贷审核智能体，批量审核材料、关键要素提取。 浙江农商联合银行：零售客群 AI 营销运营平台，蚂蚁数科中标，700 万。 龙湾农商银行：AI 问数智能体。说明除省行外，下面小的农商行也在做智能体采购。 江西（省级层面）：远程银行客户数字化运营项目，自筹预算约390 万，搭建空中数字化运营体系、智能质检体系等。
这里插一句：蚂蚁是阿里系，那阿里做的零售客群运营 AI，能否接入腾讯系的企业微信？这是个未知数。为什么重要——浙江农信全省都在用企业微信，零售客户都在企微上，那蚂蚁做的这个智能体能不能和企微打通，是个问题。
4、贯穿全年的四条主线
三、农商银行到底有没有做？做了什么？
江苏农商联合银行：在落地 AI 应用场景，并制定了 2026—2028 年 AI 专项三年规划，从今年到 28 年应该会持续投入。江苏的科技发展势头比较猛。 江南农商行：规模相对大的农商行，自主能力比较强，AI 走在前面（智能授信等）。 广西：科技相对落后，但在 AI 这块比较积极（阜宁农商行、民丰农商行等）。 江阴农商行：信贷智能体，资料整理时间降 70%（这点都不夸张，甚至更多），进件从小时级变分钟级，合规识别准确率达 99%，单户运营成本降一半甚至更多。 常熟农商行：流水解析、日批信贷审批自动化流程等。 永嘉农商、青岛农商等也在用 DeepSeek 等方案。
这里要纠正一个误区：过去省的是写材料的时间，不少银行同事觉得"AI 就是写材料、写文档用的"，这是很大的误区。现在的 AI 已经能真正帮你做业务——从拿数到出业务结论的完整链路，时间都能帮你节省，并且合规能帮你省下来。
四、怎么做：三条原则
五、落地路径：现有工具先用起来
1、农信的痛点
2、当前性价比最高的方式
3、企微 AI 助理的11个场景
六、两个实操示例
示例一：零售——用 AI 搭理财工作台【路口大爷聊宏观】
示例二：对公——腾讯云金融版的商机发掘【腾讯金融云王璇】
七、提醒：AI 也有不好的一面
收尾
附：可直接引用的数据清单（引用前建议核对原始报道）
