行业转型趋势 - 人工智能正驱动银行业从“以产品为中心”的传统模式，加速转向“以客户为中心、数据驱动、实时智能”的新范式，成为未来竞争的核心基础设施 [1] - 人工智能将从三方面影响银行业：助力打造个性化金融服务能力、提升内部运营效率、赋能智能风控能力升级 [1] - 大模型等新技术伴随的模型幻觉、算法歧视、过程黑箱等情况，给银行带来较大的AI风险治理挑战 [1] - 金融市场竞争态势加剧，未来企业、个人、政府将深度依赖AI智能助手和智能服务平台，传统依赖线下关系营销、单一渠道获客的模式面临巨大挑战 [1] 公司战略与组织布局 - 公司已制定全行级数字化转型规划，正在制定2026—2030年的数字金融发展规划和人工智能+发展规划 [2] - 战略重点聚焦“智能化经营”、“数字化管理”、“超级员工”三大工作，建立业务、机制、智能、系统四个维度一体化融合发展模式 [2] - 在组织架构方面，搭建了普惠金融、供应链金融、零售信贷3个线上化专班以及数字金融发展规划专班的“3+1”专班工作机制 [2] - 公司AI应用路径倾向概括为“业务导向、稳步推进”，重点聚焦一线员工赋能，在分行和重点业务条线先行试点 [3] AI应用与业务赋能 - AI技术有助于构建“人机协同”工作模式，解决“系统竖井”、“数据孤岛”现状，通过流程自动化、多智能体协作优化传统信贷等业务中的人工流程 [2] - 公司基于生成式大模型+决策式小模型能力，建设“六大智能助手”赋能员工 [2] - 经营维度：授信调查报告撰写助手已累计服务2235位客户经理，报告平均80-100页、生成时间约5分钟；远程银行服务助手累计调用近67万次，可用率稳定在90%以上，关键场景通话时长下降10%；运营管理助手已在115个网点推广试点，实现人工抽检升级为智能全检 [3][4] - 管理维度：打造智能合规助手，整合行内政策文件构建全行级政策知识图谱 [4] - 办公维度：“AI+BI问数”助手支持自然语言查询业务指标；智慧办公AI助手实现近30项能力，已累计服务近13万人次 [4] - 大模型、智能体技术使银行AI应用从“模块化工具”向“智能助手、数字员工”进化，旨在实现“千人千面”式精准个性化服务 [4] - 公司建立科技型企业信用风险模型，优化小微企业信贷全流程模型策略体系；构建信用评分、资质推断、异常检测、反欺诈等模型体系支撑零售业务 [5] 风险控制与安全治理 - 公司持续建设“安全围栏”大模型，搭建大模型应用前中后安全验证流程，对输入输出进行安全测试 [6] - 采用生成式与决策式模型相辅相成的模式，以保障大模型生成内容稳定可靠，并完善人工智能测评体系和测试工具链 [6] - 成立数据资产管理部负责数据治理，通过数据标准化与跨系统融合整合分散数据，构建安全合规的数据供应链 [6] - 反欺诈检测：基于多维数据建设模型策略体系；运用知识图谱技术挖掘可疑团伙；采用有监督机器学习构建分类模型；利用AI技术构建企业关系图谱并建立空壳企业模型 [7] - 反洗钱监测：自研资金组网算法，半小时可完成客户一个月交易的资金网络构建与分群；运用矩阵分析技术识别复杂洗钱模式；采用有监督机器学习进行案例召回；基于人脸、声纹识别技术发现可疑人员 [8] 技术生态与未来展望 - 构建金融垂直领域模型面临数据共享共治、模型共享共治、算力共享共治三方面挑战 [9] - 公司AI生态建设思路为“自主研发为核心、开放合作为助力”，着力打造安全可控的人工智能底座，并积极与科技企业、高校及行业机构开展协同创新 [10] - 未来三至五年，人工智能有望持续推动银行业商业模式与竞争格局演进，行业竞争或将加速升级为生态体系的综合比拼 [10] - 公司未来将聚焦多模态大模型、智能体协同等前沿AI能力，持续拓展智能投研、智能风控、智能运营等关键场景的创新实践 [10]