ARTICLE · 1249023
第零世界来了没?银行AI应用情况交流调研
第零世界来了没?银行AI应用情况交流调研周末去参加了一个小型非官方的同业论坛，主题是最近很受关注的话题——金融机构AI应用的机遇与挑战。 这周前几天的外滩年会就有不少相关的热搜发言：前央行周小川行长关注AI带来的金融体系系统性风险，工行刘珺行长关心AI应用面临的新型主体责任。大人物考虑的都是大事情。作为小小的分支机构行长，我也带着浓厚好奇心和轻微焦虑感来看看：其他银行都在围绕AI基建和应用做到什么程度，验证了哪些值得走的路。 一天主题演讲和圆桌讨论参加下来，反而有些失望——看来别人也没有好多少。 仿佛重回了当年ESG热。 每个人都在急着吸收概念、参与讨论，舶来语和技术黑话充斥会场。少数人有真见解，有些人在新瓶（AI概念）装旧酒（尝试新工具干一遍老活计，可能速度更快人力更省了，但准确率和采用率还未可知），更多人在人云亦云、不知所云。 整个行业花费天价上了系统和算力（重复建设和低利用率浪费随之而来），写了不少PPT和报告，或许以后还会颁发很多注水自嗨的奖牌。但至少目前，风控模型、核心流程、展业模式还没有被颠覆或者改造得更简洁、经济，也没有让金融服务更美好、银行人幸福感更高。 简单记了下对我有所启发的嘉宾观点，和我自己的理解延伸： 启发一：第零世界正在浮现 这个世界的公民规模约1000万人：700万在硅谷湾区，300万散落全球科技节点（纽约/伦敦/深圳/上海等）。进入的门槛不是国籍和老钱，而是新三样：高端算力 + 私有大模型调度权，智能体工作流搭建能力，前沿AI资本与数据控制权。 他们用自己的AI杠杆跑出另一套经济循环，和剩下几十亿人不再共享同一套增长曲线。 银行体系会不会也产生第零世界的分层？传统以规模、展业区域和股权结构为依据的银行分类，其实已经开始逐步让位于其他指标，科技投入和AI能力肯定还会加速这个差异化过程。 启发二：AI时代，数据的读者从"人"变成了"智能体" 用技术的话来说，可以把银行业务各领域的老法师看作一部部自带"业务词典"的阅读器。他们阅读制度文件、统计报表、财务报告和与机构、客户调研面谈时，无需复杂的提示说明，脑海里就会迅速形成事件背景、业务线索和决策方向。 现在的智能体缺乏的，是那些还没提炼成文档和规则的业务经验、风控原则和组织机制，以及还没有蒸馏出来，用于处理模糊问题、进行权衡判断、自觉纠正错误、主动协作他人的能力。 除了数据，还必须有鲜活丰富的实务案例的系统化输入，AI才会获得业务场景"智能"（可以是skill也可以是提示词输入），表现越来越像人，并能逐步胜任实时需求识别和"第二大脑"般无感的人机协同。 这也显著会放大了数据信息采集的范围，和治理的难度。数据管理或者说知识、认知管理将真正变成企业级能力。 来都来了，上台讲了十分钟真话 快结束的时候，我作为基层机构代表，上台分享了自己的想法，提出了一些我认为今天参会的行业专家和总行领导们应该关注但忽略的基层应用问题。 大概听了一天宏观论题和系统推荐，终于来了个有活人感的发言。本来阴沉下午在密闭会场里心不在焉的听众也活跃了起来。所以今天最大收获是：发现自己在这个场子里还有些差异化价值，而且加上了不少新朋友的微信。 我的发言要点如下： ▍一线视角的三个问题 我是"用AI的人"。 在座各位大多是造AI、管AI的领域专家，思考的是银行业AI应用最前沿的问题和对策；我想换个身份——作为在分行用AI的人，谈谈一线真实的需求。 在分行的面客一线，我们的业务实践中AI应用还很浅。或者说，我们的一线人员，目前更多是在被AI训练和管理，并没有很好的体验。如果监管、内控、审计部门更多用AI去监督检查，一线的压力还会更大。 案头工作的"享受AI"和面客一线的"被AI管理"，存在明显反差。有必要正视这个差距，才能保证AI建设应用方向不偏差。 第一个问题：AI对网点前台人员，替代更多，还是赋能更多？ 赋能更多：对具备面对面客户营销机会的人——有长期、深度的客户关系，销售复杂产品（而复杂产品意味着合规性要求的长流程、充分告知，以及持续的售后跟踪和组合管理）——也就是对私行、财富客户经理，AI是陪伴者、是能力放大器。 替代更多：对通过电话、企微进行远程、批量营销的普通客户经理和客服。这类标准化、重复性、低情感连接的工作，正是AI最擅长的，也很快会被替代。 也就是说：关系越浅、动作越标准，越容易被替代；关系越深、产品越复杂（反过来塑造了来自客户的信任需求），越需要被赋能。 AI重塑的，本质不是"人"与人之间的关系，而是银行与客户连接的方式。这会影响未来我们招聘和训练客户经理的标准和方向。 第二个问题：一线经验如何"蒸馏"进企业级大模型知识库？ 一线真正的Know-how是非结构化的——怎么读懂客户、怎么处理异议、怎么在风险与体验之间拿捏分寸。 一个优秀的零售客户经理是怎么培养出来的？是大量陌拜、扫街、外拓、面访的实践，是贴近客户听到的需求和感受，是滚动的业绩验证，是经常失败、偶尔成功的营销经验，是五年以上高强度的产品知识和营销技能培训，是2亿以上AUM管户包和各层级客户的链式输送练手——优秀客户经理是"烧"出来的。 为什么我特别在意这件事？因为在开源节流、减量提质的经营环境下，银行必须算清这笔人力成本账和资本性开支账——放在物理网点，还是数据中心基建的成本结构。同时要想明白，怎么让"一个网点的最优实践"，尽快变成"全行可调用的知识"，减少组织的人力资本和信息损耗。 第三个问题：AI能否带来客户综合经营模式的革命？ 银行业推行零售转型近20年，只有个别大行可以称得上成功。听起来很美的"客户综合经营"，我们基层在靠什么推？1+N联合上门、双线考核——成本高、不可持续，一线苦不堪言。 AI的真正价值不只是提效，而是让"跨条线协同"变得可计算、可留痕、可考核，从而替代行政绑定。 但也要保持清醒：组织重构的阻力要正视。条线利益、部门墙，是人的问题；AI解决的是"信息不对称"，解决不了"利益不对称"。所以，必须同步改考核与授权。 AI落地的最后一公里，不在算力，不在模型，而在一线愿不愿意用它、敢不敢用它、能不能用它。 期待业界专家们替基层机构把它设计出来。
