来源：新金融琅琊榜
作者：董云峰
编辑：叶冬
“稳妥探索人工智能技术研发和金融智能体建设”的表述，是金融智能体首次被写入国家级监管文件。
智能体风头正盛。
从国有大行、股份行到城农商行，各家银行披露的智能体数量从数百个一路攀升至上万个，概念热度居高不下。
然而，究竟什么才算真正的金融智能体？规模快速扩张的背后，又有多少应用真正转化为了实打实的业务价值与经营效能？
定义与统计标准的缺失，让智能体的跨机构横向对比失去了统一标尺，也在一定程度上催生了重数量、轻实效的倾向。
而机构内部治理体系与技术迭代的适配性不足，以及行业公共基础设施缺位，也在制约着智能体走向全链路的体系化价值释放。
6月18日，国家金融监督管理总局正式发布《关于银行业保险业人工智能安全开发应用的指导意见》（简称《指导意见》），首次明确写入“稳妥探索金融智能体建设”，并从顶层设计层面划定了安全发展的框架。
银行智能体的数字游戏该结束了。
01
三道考题
作为金融AI的高级应用形态，智能体是近年银行业数字化转型的热点，同时一些共性问题逐步显现。
最直观的问题，是行业尚未形成统一的定义与统计标准。
在近日举行的2026陆家嘴论坛上，农业银行董事长谷澍提到，各家银行在汇报AI应用成果时，都会提到开发了多少个智能体，但统计口径差异非常大，核心原因在于目前行业对智能体的定义和规范标准尚未统一。
实际上，当前行业内，既包含具备自主规划、多工具调用、多步骤闭环决策能力的复杂智能体，也有大量封装了大模型接口的单一问答工具、流程自动化脚本被纳入智能体统计范畴。口径的不一致，使得跨机构的横向对比缺乏意义。
除了标准口径的差异，智能体的技术特性，也对行业的风险管控能力提出了新的要求。
智能体区别于传统AI应用的核心，是其自主规划与多步骤执行能力，这既是技术价值的核心来源，也带来了新的风险课题，包括模型黑箱、模型幻觉、模型自主思考和决策带来的不确定性。智能体的自主能力越强，这些风险的传导效应就越明显。
站在行业整体的视角看，治理体系的适配性与产业生态的完善度，是制约智能体规模化发展的更深层因素。
在产业生态层面，当前智能体建设多以机构为单位独立推进，行业公共基础设施相对不足。头部机构投入大量资源搭建的底座、数据集与测评工具难以低成本共享，中小机构则面临算力、人才、成本的多重约束。
客观而言，银行智能体用数年时间完成了从概念萌芽到规模化落地的跨越。而标准口径不一、治理体系适配、产业生态协同等课题，都是快速发展过程中的阶段性特征。
02
监管定调
本次发布的《指导意见》，是国内首个针对银行业保险业人工智能全链条的系统性监管文件。
文件中“稳妥探索人工智能技术研发和金融智能体建设”的表述，是金融智能体首次被写入国家级监管文件。
“探索”二字，明确认可了智能体是金融AI技术演进的重要方向，支持行业在合规前提下开展创新实践；“稳妥”二字，则定调了发展节奏——当前阶段以试点验证、稳步推进为主，不鼓励盲目扩张、一哄而上。
文件确立的“谁使用谁负责、自主可控、务实高效、安全发展”四大原则，也为全行业的智能体建设划定了根本遵循。
针对行业普遍关注的风险管控难题，《指导意见》确立的风险分类分级管理机制，明确将资金交易、信贷审批、资产评估、风险定价等列为高风险应用，关键环节必须建立人工监督和干预机制，为高风险场景的智能体应用划清了合规底线。
在机构内部治理层面，文件作出了全流程的规范要求。顶层权责上，要求金融机构董（理）事会指定专门委员会对人工智能开发应用管理负总责，统筹发展规划、制度建设与资源投入，确保AI应用与自身风险管理能力相匹配。
流程管控上，要求建立覆盖需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出的全生命周期管理体系，强化算法风险筛查、伦理审查、责任追溯机制，实现开发、变更、训练全过程留痕可追溯。这套完整的管理框架，为银行搭建智能体治理体系提供了明确的参照标准。
面向整个行业的生态建设，文件同样作出了顶层布局：支持“模型即服务”模式，鼓励有条件的大型金融机构向中小金融机构输出算力、模型与开发工具服务；推动行业共建高质量金融数据集、模型测试验证平台，实现成熟应用的共享复用。
这一导向的核心，是推动智能体建设从各家自建的分散模式，转向“行业共建底座、机构定制场景”的集约模式，既降低中小机构的落地门槛，也能从行业层面统一安全标准，提升整体发展效率。
03
未来已来
从2025年上市银行年报来看，智能体等AI应用的落地成效已经清晰显现，价值覆盖前台服务、中后台运营、营销展业、风险管控四大核心领域。
前台服务端，智能客服、智能营销类智能体已实现广泛覆盖，服务响应效率与客户体验大幅提升。农业银行企业级AI数字人员工“一明”可提供智能问答、营销辅助、消保合规全流程支持，截至2025年末已服务9.7万名客户经理；建设银行网点AI助手覆盖率达99.42%，日均访问量超10万人次。
中后台运营端，AI替代效应持续释放，降本增效立竿见影。工商银行AI数字员工年承担工作量相当于5.5万人年，覆盖信贷资料核验、合规审查、反洗钱监控等标准化场景；招商银行通过AI应用替代超8000名全职员工的年工作量，在财务报销、公文处理、运营审核等环节实现了深度替代。
营销展业端，智能体正从工具辅助转向产能赋能，成为一线业务人员的核心助力。邮储银行依托长尾客户挖掘智能模型，将小企业客户贷款转化率提升至40%以上；兴业银行的晨夕会智能体助手已覆盖1500余个部门及网点，大幅提升基层机构的运营效率。
风控决策端，智能风控类应用持续迭代，成为银行识别风险、提升资产质量的重要抓手。建设银行智能风控实现授信审批全流程AI化，上线智能评级系统，风险识别精准度显著提升；平安银行搭建AI风险中台，将智能体深度嵌入对公风险管理全流程。
如今，监管框架落地与行业共识形成，将共同驱动银行智能体健康发展，三个方向的趋势已经明确。
首先是价值导向更加突出，行业标准逐步统一。未来，智能体的评价体系将逐步从数量规模转向业务价值，回归技术赋能的本源。
其次是治理体系持续完善，人机协同模式不断优化。全生命周期的AI治理体系将逐步成为行业标配，董事会统筹、分级管控、全程留痕的管理机制将广泛落地。
最后是行业生态加速成型，发展均衡性持续提升。在监管政策的引导下，行业级的智能体公共基础设施建设将提速，合规数据集、基础模型组件、安全测评工具、算力资源的共享机制将逐步建立。
04
结语
智能体的兴起，是全球银行业共同经历的技术浪潮。
在题为《从实体网点到智能机器人：AI智能体能否重塑零售银行业？》的报告中，波士顿咨询首度提出“智能体银行”范式，并测算到2030年，AI智能体有望每年为全球零售银行业带来超过3700亿美元的额外利润。
麦肯锡同期发布的《2025全球银行业年度报告：精准为王》也指出，智能体正成为银行业生产率革命的核心抓手，可将银行单位工作成本降低15%-20%，部分标准化运营环节降幅甚至达70%。
随着监管框架的逐渐落地，银行智能体将逐步告别对数量规模的追逐，转向对业务价值的深耕，真正步入可持续的价值释放周期。
