在6月18日舉行的“2025中國國際金融展”期間，AI智能體在金融領域的應用成效備受業界關注。

作為金融大模型技術落地的重要載體，AI智能體憑借其在眾多金融業務場景的集成應用能力，逐步融入金融業務流程各個環節，為金融服務實體經濟發展注入全新的動能。

如今，越來越多金融機構正積極研發AI智能體，一方面通過深度學習和知識圖譜技術，進一步提升信貸審批效率與風險識別能力，一方面持續優化金融服務操作流程，增強金融服務品質與用戶體驗。

奇富科技CEO吳海生在“2025中國國際金融展”期間接受經濟觀察報記者專訪時表示，人工智能技術（AI）的迅猛發展，正推動銀行等金融機構業務模式向智能化轉型。其中，金融機構可以通過AI智能體這個“智能杠桿”，實現更廣泛的普惠客群覆蓋、更精準的風險定價、以及更具彈性的業務增長，從而破解行業同質化競爭，釋放更強的金融服務實體經濟發展潛力。

資料顯示，奇富科技在2016年成立，2018年和2022年分別在美國納斯達克與香港聯交所上市，是AI驅動的金融科技平臺。目前，奇富科技組建超千人規模的研發團隊，其中數百人專注人工智能技術與金融深度融合的研究。截至今年一季度末，奇富科技累計放款金融超2萬億元，幫助163家金融機構，為超5800萬小微企業和個人消費者提供數字化信貸服務。

吳海生向記者透露，奇富已研發信貸超級智能體，涵蓋端到端授信決策智能體、小微企業信用評估、AI合規助手、AI決策助手、AI審批官等多個模塊，為銀行等金融機構匹配專家級信貸能力，助力后者提升技術與業務雙實力，在智能化轉型征途走得更穩更好更快。

受訪者供圖

在吳海生看來，隨著AI智能體在金融領域的應用日益廣泛，AI驅動的不只是流程優化，更是金融服務品質的迭代進化。在“AI智能體+金融”的大浪潮下，金融科技平臺的發展目標不僅是創造利潤，而是創造價值。因此奇富科技希望以信貸超級智能體為支點，持續深化技術研發與生態合作，推動AI智能體在金融領域的規模化落地。

AI智能體對金融行業的變革性影響

《經濟觀察報》：“AI+金融”正成為驅動金融行業高質量發展的重要支撐，能否介紹人工智能AI技術對金融行業產生哪些變革性影響？

吳海生：當前AI技術對各行各業均產生巨大影響，尤其在金融行業，AI技術的影響更加深刻。因為金融的生產要素及核心生產能力，本質是數據化的，天然屬于大數據產業。而基于大數據訓練+AI深度學習能力，AI能催生更優質的金融服務能力。

因此，眾多金融機構的各個工作流程環節都在通過AI賦能實現產品化升級。尤其在以往高度依賴專家經驗主觀判斷的金融營銷、風險管理、合規管理等領域，AI技術的應用正令銀行在這些領域的業務效率大幅提升，準確率也顯著提高，進而在金融機構服務規模與深度方面帶來變革性影響。

《經濟觀察報》：在金融大模型興起后，近期越來越多銀行等金融機構開始探索AI智能體在金融領域的應用，這項AI應用能解決銀行哪些業務痛點堵點？

吳海生：現階段，AI智能體在金融領域的應用仍處于早期階段，無論是技術成熟度，還是不同金融機構的接受度，都存在著差異。

所幸的是，經過Deepseek等AI大模型技術的普及，當前金融行業已認知到AI智能體在金融領域應用方面的廣闊發展潛力。比如中國銀行業約有400萬從業人員，多數是客戶經理、柜臺人員與風控審批人員。若通過AI智能體的賦能，他們的人均產能得到大幅提升（比如客戶經理日均服務客戶數量從10個提升至100個），將顯著增強中國金融服務的覆蓋面與效率。

但是，金融機構從認知AI智能體的潛力，到實際應用AI智能體，仍需要較長的過程。

奇富科技聚焦向銀行等金融機構提供信貸智能體服務，比如通過AI智能體打造“數字員工”概念，讓銀行員工借助AI智能體技術大幅提升生產力，實現“一人即團隊”的服務效能；面向銀行核心業務部門，我們也會提供相關AI智能體提升他們的業務增長能力、風控能力與合規能力。因為AI智能體天然具備推理與計算優勢，在數據分析、風控洞察、合規管理等高度專業性金融場景能以遠超人工的效率，完成分析整理與提供決策建議，推動銀行核心業務更好發展。

《經濟觀察報》：近年西方國家眾多大型銀行也積極探索AI智能體在金融領域的應用，當前國內金融機構與西方國家金融機構在AI智能體應用方面存在哪些差異？

吳海生：就業務本質而言，境內外金融機構在AI智能體應用方面的邏輯是一致的，主要圍繞提升信貸審批效率與風險識別能力、優化金融服務操作流程、提升金融服務體驗等方面展開。

但是，不同國家對AI智能體在金融領域應用的監管側重點與合規要求也會存在某些差異，比如中國在用戶隱私保護、數據安全處理、金融風險管控方面更加嚴謹，西方部分國家更關注技術風險等。因此奇富科技在合規智能體、安全智能體領域的投入相對更多。

一個相對明顯的發展趨勢是，無論是境內金融機構，還是西方國家金融機構，都在核心業務流程優化方面加強AI智能體應用。

AI智能體的金融征途

《經濟觀察報》：近年，金融科技平臺嘗試研發端到端授信決策智能體作為提升信貸效率與風控精準性的新工具，成效如何？

吳海生：所謂端到端授信決策智能體，主要解決傳統信貸授信環節人工處理所存在的效率低、誤差大等問題。其原理類似一體化生產模式，即當貸款申請人遞交貸款申請資料后，端到端授信決策智能體里的推理型AI會迅速對海量資料信息進行推理計算，識別貸款申請人貸款申請資料里的漏洞，以及貸款申請資料與企業以往經營數據的矛盾點及數據真實性問題，驅動銀行快速調整信貸授信決策并告知信貸申請人，從而更好地提升信貸審批效率與風險識別能力。

整體而言，端到端授信決策智能體的應用將深刻改變信貸風控的場景邏輯，推動金融信貸業務向更高效，更精準的方向發展。

我們也看到，端到端授信決策智能體的發展，仍需要眾多數據與前沿AI技術的支持，比如它需充分借助長思維鏈推理+強化學習技術，將海量用戶的信貸決策經驗融入金融大模型，從而輕松快速地完成對借款人的各項信貸風險評估，包括反欺詐、授信額度、貸款風險定價等。

端到端授信決策智能體在各個金融機構的全方位落地應用，或許是一個中長期的理想化目標。但它的確具備能力幫助銀行縮小風控能力差距與突破人才限制，提升信貸風險水準同時，為各類借款人匹配更合適的信貸產品。

奇富科技圍繞端到端授信決策智能體的應用落地，搭建了支持風控策略認知建模的自主學習架構與混合專家架構、能不斷自我進化以實現自主迭代授信決策，未來，這套系統還將通過認知架構的持續進化、決策閉環的自主優化、以及專家協同的無界擴展，重塑金融信貸風險管理的終極邊界。

《經濟觀察報》：隨著金融機構日益重視業務合規操作，越來越多銀行等金融機構嘗試將AI智能體應用在合規審查領域，這項探索的進展如何？

吳海生：AI智能體在金融機構合規操作領域的應用，主要聚焦解決傳統人工合規審核的兩大痛點——篩查易漏、耗時久。

盡管銀行從業務流程到風控都日益重視嚴守合規框架，但在實際操作環節，傳統人工審核仍經常因為篩查易漏與耗時太久，容易陷入“事后糾偏”的被動局面。這也是金融機構嘗試將AI智能體應用在合規審查的一大原因。

奇富科技研發了基于智能體的AI合規助手，集成逾2000項金融監管法規、逾300個安全風險評估模型、逾50個金融專屬合規算法模型，通過“知識圖譜+算法模型+動態監測”的技術閉環，將監管文件解讀人工耗時從每份40小時降低至2小時，政策適配準確率從68%提升至99.2%，顯著提升合規審核的效率與精度，推動金融機構業務合規審查從“事后糾偏”到“事前預防”的轉變，實現效率、成本、風控的三重突破。

我們也注意到，AI智能體在金融業務合規審查領域的應用落地，仍需要大量前沿技術的支撐，比如針對金融合同審核繁、跨部門協作亂、工作量激增等問題，需要AI合規助手提供流程智能管家服務，包括在法務場景搭建四維掃描合規框架與云端政策追蹤；通過AI技術迅速調用海量風險案例庫，從而更精準地定位業務流程潛在風險；在智能文檔修訂環節能自動匹配法規條款與優化文本有跡可循，進而幫助銀行合規部門告別碎片化審核，邁向系統化、精準化、智能化的運作。

《經濟觀察報》：隨著金融機構積極做好普惠金融這篇大文章，越來越多銀行等金融機構紛紛將AI大模型應用在小額高頻的普惠金融貸款場景，AI大模型在提升普惠金融服務效率與風控管理方面，發揮了哪些具體作用？

吳海生：在普惠金融貸款場景，傳統業務流程面臨的痛點堵點相當繁多復雜。

在貸前調查、貸中審查審批、貸后檢查環節，需要總部和分支行客戶經理、風險經理多點線下協作。為了杜絕道德風險與有效防范操作風險，銀行等金融機構都針對客戶經理設計了大量盡調取材和貸后檢查取材流程，以及總分行的材料真實性、一致性、合理性等審查流程；但在實際操作環節，不同部門之間的信貸審批標準不統一，容易導致審批風險較高、客戶經理反復退補件、展業目標不清晰等問題，久而久之導致客戶經理團隊與授信審批團隊的合作難度更大，令普惠金融信貸服務的客戶體驗越來越差。

此外，客戶經理在線下盡調環節，往往會存在盡調材料收集不完整、不準確、不清晰等問題，銀行對此采取的方案是退補件與加強培訓，但此舉未必能有效解決普惠信貸風控能力加強與普惠金融服務效率提升問題。

在信貸資料審查環節，當前不少銀行等金融機構仍高度依賴人工審查材料，包括各式文檔影像、拍照圖片、錄音錄像等材料，導致審查員需要多方輸入材料數據，并對盡調材料與貸款申請的真實性、一致性、合理性、合規性、完整性等進行逐一審查，其工作責任相當繁重且自動化程度低。

在信貸風控審批環節，銀行的人工審批環節需確認最終的授信額度與信貸利率定價，但這項人工審批工作高度依靠完整的流水解析指標；冗長的征信報告分析；幾十張影像材料、第三方數據及其他公開信息對抵押物的評估，同時還要開展交叉檢驗與歸納審批要點，導致人工審批工作難度大、效率低，審批人員培養難與不同人員審查標準差異性大。

當前不少銀行針對零售與普惠貸款等小額分散貸款業務，在貸前調查、貸中審查審批、貸后檢查等環節，使用小模型+大模型及多模態能力的組合，從而提升整體貸款業務的自動化水平，大幅減少客戶經理的案頭工作同時有效提升審查審批的時效。與此同時，還有部分銀行等金融機構也開始將AI大模型應用在整個信貸業務操作流程，用于逐步“清晰”客戶經理、審查審批的盡職免責要求，作為提升展業效率和客戶體驗的重要舉措，實現普惠金融業務持續增長與客戶滿意度不斷提升。

銀行等金融機構要在普惠金融信貸場景，讓AI大模型發揮更大的作用，還需進一步強化AI科技賦能，包括增強多模態融合識別技術，支持文本、表格、圖像、語音、視頻等更多元化的多模態數據在普惠金融信貸風控與決策優化方面的應用；加強盡調材料的智能預檢與智能補件技術的研發；加快多模態識別和AI審查技術的迭代，增強信貸材料的自動化審查能力；依托AI 深度學習能力持續優化信貸風控模型與策略，強化自動化風控能力；全面落地應用AI審批決策等。

中小銀行如何在“AI智能體+金融”時代立足

《經濟觀察報》：相比中小銀行，大型銀行有著更充足的研發預算與AI人才儲備開展AI智能體在金融領域的應用，這是否意味著在“AI 智能體+金融”時代，大型銀行與中小銀行的金融服務能力與風控水準差距將進一步拉開？

吳海生：在“AI智能體+金融”方面的研發投入與人才儲備差別，不僅發生在大型銀行與中小銀行，大型銀行之間、大型銀行與大型科技公司之間、大型科技公司之間都存在類似的差別。

尤其在當前AI科技快速迭代發展的當下，每家金融機構或科技公司未必能持續占據AI技術研發應用優勢。所以各家金融機構與科技公司只能保持對各類前沿AI科技的投入，儲備更多的AI專業人才，從而維持相對領先的技術優勢。

我個人認為，中小銀行要在AI技術應用、AI智能體應用方面“迎頭趕上”，與金融科技公司的合作將會變得越來越密切，尤其是金融科技平臺可以幫助中小銀行縮短金融大模型、AI智能體等前沿AI技術的研發應用周期，令后者以較低的成本解決AI人才儲備與AI技術研發投入等方面的不足，較快實現金融服務能力與風控水準的提升，在金融市場激烈競爭過程擁有屬于自己的發展空間。

（作者 陳植）