数字金融内涵与定位 - 数字金融是当前时代的金融新基建，为普惠金融、绿色金融、科技金融、养老金融等关键领域提供基础设施支撑，本质上是金融科技的高阶发展阶段 [2] - 数字金融以数据为核心生产要素驱动金融业态升级，行业已从概念探讨转向具体落地 [2] - 数字化转型并非简单的技术叠加，而是通过夯实数据底座让创新自然生长 [1] 组织架构与战略实施 - 公司构建双专委会组织架构，包括由行长担任主任的数字金融推进委员会统筹全局规划，以及在信息技术委员会下设立人工智能创新应用专委会聚焦技术创新 [2] - 执行层面由信息技术部和大数据部承接，负责搭建数据中台、科技中台和AI中台实现资源集约化，并按照业务领域划分敏捷支持前线业务 [3] - 组织注重平衡自上而下顶层设计与自下而上创新空间，设立创新基金鼓励科技创新贡献 [3] 公司差异化战略 - 公司定位清晰主攻数字金融和普惠金融，目标做到小而美，不追求宏大规模而在客群、科技、产品上形成差异化 [4] - 客群上服务长尾客户，科技上发挥数字银行优势，产品上注重提升客户体验，在细分领域做精做专 [4] - 作为国有背景数字银行坚持"以义取利，不唯利是图"的价值观，在业务开展中保持克制审慎经营 [3] 数据治理与基础建设 - 数据要素是数字金融的根基，公司近年花费大量心思进行数据治理，将数据资产和知识库积累视为核心长期工作 [4] - 在AI时代可借鉴科技公司让数据中台强大运转，如同工业时代的内燃机为业务持续注入动力 [4] - 数据工作是苦活累活，需要在用户生命周期每个节点做好记录、标签化和资产化，筑牢数据根基后创新自然会生长出来 [9] 大模型应用与成效 - 大模型在标准化程度高、需处理大量文本的场景中已发挥降本增效作用，尤其关注AI Agent多智能体协同已到拐点 [5] - 反洗钱工作应用大模型后，从过去人工一天处理3000多份文件变为系统几分钟内完成，效率准确率远超人工 [5] - 代码助手应用可学习优秀程序员编码逻辑培养数字员工，当代码采纳率足够高时可有效提升开发效率 [6] 客户服务交互演进 - 公司通过大模型推动服务模式从被动响应向主动感知升级，交互方式发生变革 [7] - 客户交互经历三个阶段演进：从1.0版本客户自行寻找产品，到2.0版本千人千面智能推荐，现正向3.0版本一句话银行迈进 [7] - 一句话银行模式下客户只需说一句话，系统就能识别需求调用服务完成操作，无需繁琐菜单查找 [7] AI治理与风险管理 - AI治理需要平衡监管与创新，兼顾技术与管理，企业需从制度和技术手段建立安全围栏设置边界责任 [10] - 基础模型采用备案制适合行业发展，治理上区分基础模型和行业应用可针对性采取措施 [10] - 管理手段关键，可考虑设立AI伦理专委会或通过协会组织建立行业规范，以自律弥补监管空白 [10]