文｜WEMONEY 研究室，作者｜林见微
在刚刚结束的 2025 世界人工智能大会 （WAIC） 上，银行 AI 应用争奇斗艳：数字分身无缝服务、智能助手对答如流、审单风控效率倍增。
然而，热闹的展会背后，银行 AI 的真实发展正面临三重关键考题：技术应用走到了哪一步？在核心场景落地时卡在了哪里？以及未来的决胜方向又在何方？热闹的展示只是序章，银行 AI 的深层挑战与价值重构，才刚刚浮出水面。
走到哪？从 「数字员工」 到 「智能体」，银行 AI 场景加速渗透
从这次 WAIC 2025 上不少银行的展示来看，能看出一些银行 AI 布局的最新风向。比如交通银行在远程服务这块下了不少功夫，用数字分身做金融服务，结合音视频和 AI 技术，搭起了一套远程视频服务系统。简单说，就是把远程坐席、数字员工、客户经理这些角色都打通，做到 「人+AI」 一起上，让服务更顺畅。
上海银行也有新动作，发布了一款 AI 手机银行，主打 「对话即服务」，意思是和它对话，就跟与银行顾问聊天一样，既能问问题又能直接操作，速度快、响应也比较准。
展会之外，我们也观察到各大银行在 AI 布局上的动作越来越多。先以六大行为例，现在已经把 AI 用在客户服务、风险判断、流程处理这些日常工作里，大家都在边做边看，想办法让它真正能用得上。
而人和 AI 怎么搭着来用，也是大家比较关注的。有的银行试着让 AI 先干一部分，再由人来判断、把关。目前来看，这种方式还在摸索中，效果到底怎么样，还得再观察。
总的来说，六大行在 AI 上都有在动手做事，方向也挺接近，都是一步一步往前推进，先把事情做起来，再看后面能不能继续深入。
信息来源：各大银行 2024 年年报等公开信息
相比六大行更系统的方式，部分股份制银行也都在加快推进人工智能和大模型的结合。不少银行在做云、AI、平台打包推进的方案，已将这些技术用在日常的服务、知识整理和流程处理上。
进一步看，部分股份行更讲究哪个地方有用就往哪放，做得更直接，关注点也挺明确，就是看 AI 能不能帮客户更快办事、让员工更高效、管理起来更顺手，是不是用得深不是最重要的，先看能不能立马起效。
信息来源：各大银行 2024 年年报等公开信息
部分城商行在人工智能上也明显加快了步子，开始把 AI 当作重要工具来推进。他们不再只是用来做简单辅助，而是希望 AI 真正参与到业务里，帮忙提升效率、优化服务。
尤其是是把 AI 用在财富管理、客户服务、运营这些具体场景上，看看在哪些环节能省时间、降成本、提效率。整体看下来，他们走的是一条轻巧、贴近实际操作的路子，先把能跑通的部分做扎实，再慢慢往深处延伸。
信息来源：各大银行 2024 年年报等公开信息
总体上看，现在越来越多银行都在试着推出像数字员工、AI 智能体，想着把 AI 的技术进展尽快用到实际场景里，把新技术真正落下来。
不过，值得注意的是，银行用 AI，不是一上来就飞跃到最前沿，而是一个一步步往前走的过程。
卡在哪？幻觉难消、伦理困局，技术落地深陷治理挑战
从开始能用，到敢用，再到真正把 AI 当成决策拍板的一部分，中间每一步都不轻松。这条路上，更大的挑战在于，怎么让 AI 真的可信、可控、可持续地融进整个银行的实际运转里。
前不久 《中国金融》 杂志刊发的 《人民银行科技司司长李伟：稳妥有序推进金融领域人工智能大模型应用》 一文指出，大模型在金融领域的深入应用正受到三类技术风险的制约，分别是模型幻觉、模型共振与算法黑箱问题；同时还面临算力资源紧张、数据安全风险、伦理隐患和制度规范不完善这四大现实瓶颈。
这一研判可谓击中了当前银行 AI 应用的 「深水区」，AI 在银行业务中并非越强越好，也并非一味加速就能换来突破，相反，一旦缺乏治理框架与配套机制支撑，AI 越强，反而风险越深。
尤其是模型幻觉和伦理隐患，是最容易被忽视也最难解决的两大问题。
先看幻觉问题，是 AI 在银行日常工作里最容易 「出事」 的点之一。简单说就是，模型为了 「自圆其说」，会在没有依据的情况下胡编乱造，看上去挺像那么回事，其实跟真实情况完全不符。
尤其是在信贷、风控这类关键环节，一旦 AI 张嘴就来，搞错了客户风险判断，后果可不是一句技术故障能带过的。
解决模型幻觉问题，关键不是让模型说得多，而是说得对。现在很多银行开始用多重校验的方式，比如让 AI 说出结论的同时，能对更多真实数据，确保每句话背后都有依据。
还有一个办法，就是不让 AI 自己决定一切。模型说完话，得有人工或者系统复核机制兜底，像是 AI 初审、人类终判的组合。加上更专业的训练数据、更懂金融的知识图谱，才能让 AI 真的变得可靠，而不是做一堆看起来有道理、实则经不起推敲的 「伪审核」。
如果说幻觉问题主要挑战的是 AI 模型的可信度，那么伦理问题挑战的则是 AI 使用的正当性与边界。
李伟在文中指出，「若大模型在训练对齐过程中缺乏伦理约束，或受到不当奖励机制诱导，可能在性别、种族、地域等方面存在偏见，生成有违伦理道德的歧视性、不公平的内容。」
他进一步举例称，「基于大模型将不同用户群体 『标签化』 并实施差别定价，损害金融公平性和普惠性；或违反金融消费者适当性原则，构建信息茧房，扰乱金融市场竞争秩序、阻碍消费者自主选择。」
和幻觉问题比起来，AI 的伦理问题更隐蔽，也更难一眼看出来。比如是不是在悄悄给不同用户贴标签，是不是在用看不见的方式做差别对待，这些都很难第一时间发现，而影响却很深。
所以，银行在布局 AI 的时候，不能只看技术做什么，更要想清楚什么该做、什么不能做。要在系统设计一开始就把 「对客户的尊重」 写进 AI 的 「大脑」 中去，不能让伦理越界，也不能让算法决定一切。
要去哪？决胜关键在打造 「AI 操作系统级」 底层能力
银行在 AI 上到底做得怎么样，不是看做了多少项目，而是看做得有多深入。AI 应用谁都能上线数十上百个，但能不能真的让 AI 参与到日常工作里，接进流程、贴近组织，并且用出实际效果，这才是布局 AI 的关键。
说白了，流程没打通，AI 就是个摆设；组织扛不住，做得再好也落不下来。谁能解决这些底层问题，谁才算是真正进了 AI 的核心底层。
第一是技术调度。现在 AI 更新飞快，功能也越来越细，这要求底层技术得稳。模型要像搭积木一样随用随换，更新也能一键上线，智能化能力才能根据业务随时扩展，不然就只能被新技术甩在后面。
第二是流程穿透。银行现在的流程早不是以前那种按部就班了，拼的不是装个 AI 点点按钮，而是要它真能写进各个核心环节，参与实打实的辅助决策，才能撑起一整套跑得动的业务链，让 AI 越来越 「为我所用」。
第三是组织协同。AI 再厉害，也得让具体部门和整个组织撑得住。简单说，就是得把数据、模型、业务几块揉在一起用。只有人与 AI 配合顺了，AI 才能不是看着厉害，而是真能落地、真能干事。
这些底层能力的建设，不是搭个技术平台，而是看思维创新跟不跟得上，进而能不能从决策到执行，全面链接银行 AI 到核心底层。换言之，银行布局 AI 得变一下思路，不是采购或外包回来就用，而是在银行内部就通过信息科技力量将 AI 培养为长期资产去经营和沉淀。
未来银行的人工智能竞争，拼的不只是 AI 场景、AI 智能体，而是谁能在技术演进过程中，不断循环吸收、释放势能。最终拉开差距的，是看谁能将每一次技术进步快速转化为自身能力的升级，并在这个过程中，建立起稳定的协同体系和可持续的创新闭环。
毕竟，只有将底层做扎实，才能跑得稳，也跑得过人。
结语
WAIC 的展台炫技只是起点。当 AI 开始参与信贷审批、财富管理、风险定价等核心决策时，银行真正的智能化战役才刚刚打响。
下一程的胜负手，在于谁能把伦理约束写入算法基因，将技术能力锻造成业务增长的 「新心脏」。换言之，谁能率先突破伦理与技术的双重深水区，将 AI 能力锻造成融入血脉的 「操作系统级」 新质生产力，谁就能在重塑金融业态的浪潮中赢得先机。
