在陆家嘴论坛的全体大会上，围绕“科技创新赋能金融高质量发展”的主题，中国农业银行董事长谷澍、中国银行副行长张辉以及浦发银行董事长张为忠分享了各自在推进人工智能应用过程中的实践与思考。当前，银行业正经历一场由人工智能驱动的深刻变革，各家银行纷纷投入资源，试图在这场技术竞赛中占据先机。然而，随着AI从“可选工具”转变为“必答题”，一系列挑战也随之浮现，包括如何平衡投入与产出、如何控制应用风险，以及如何定义智能体的标准等。
谷澍在发言中指出，当前各家银行在汇报AI应用成果时，常以开发的智能体数量作为衡量标准，但这一数字背后差异巨大，有的银行声称开发了数百个，而有的则宣称达到上万个。这种差异主要源于智能体定义和规范标准的缺失。他强调，智能体的数量并非关键，更重要的是其能否带来实际的业务成果。谷澍建议，银行在设计智能体时，应聚焦于功能单一、业务流程固定的场景，将其打造为“标准件”，避免重复开发，同时集中资源开发具备自主规划和决策能力的智能体，以提升效率和效果。
张为忠则从另一个角度阐述了人工智能对银行业的重塑作用。他提到，人工智能已不再是单点式、渐进式的改进，而是全面跃升和递进，对银行业的底层逻辑实施全面改造。例如，通过数据分析和科学推理，银行能够实现产品的“千人千面”，根据客户的资产状况、风险偏好等提供定制化方案。然而，他也指出，人工智能技术的迭代速度快、投入大、运营成本高，银行在拥抱这一技术时，必须控制好经营成本，把控好投入产出比。
张辉则分享了中国银行在推进AI应用过程中的具体做法。他提到，中行在制定人工智能发展战略时，一方面研究如何让人工智能赋能高质量发展，另一方面积极构建AI赋能业务的价值度量体系。在研发成本方面，中行优先运用开源模型或本地化部署成熟模型，同时利用人工智能为自主开发人员赋能，降低研发成本。在推广成本方面，中行深入研究机构及员工的实际需求，调动各层级积极性，而非单纯自上而下要求使用。在运营成本方面，中行强调算力建设和数据治理体系的优化，以发挥海量数据的优势。
在控制AI应用风险方面，谷澍介绍了农业银行的做法。他提到，农行对不同场景建立模型黑箱分级管控，匹配差异化的技术路线和可解释性要求。例如，在信贷决策等强监管场景中，农行使用模型蒸馏技术，将大模型的能力迁移到更具可解释性的小模型上。同时，农行还设置标尺约束控制，结合人机结合的方式，确保生成内容可控。农行还用AI手段应对AI应用风险，建立纵深防御体系，增强AI对抗能力，并强化银行内部的AI治理体系。
张辉也强调了AI应用中的风险管理。他认为，现阶段金融业对AI的应用大多集中在非核心业务的辅助环节，AI应被定位为“有效助手”而非“最终决策者”。中行在应用AI时，坚持“人类在环”的管理兜底原则，确保关键决策由人类做出。同时，中行还坚持“分类施策，先内后外”的策略，优先选择容错率高、非决策类的场景进行探索，以降低推广和运营成本。
随着技术的不断进步，人工智能对银行业的赋能也在不断变化。张为忠提到，从去年的大模型到今年的智能体，行业的改变正在加速。智能体的演变使得数字劳动力的概念诞生，其在自主感知、决策和执行能力建设上的演进速度越来越快。然而，这也对银行提出了更高的要求，如何在标准不一的情况下，准确评估各家机构在行业中的相对位置，并有效借鉴他人的长处，成为推动整个行业共同提升的关键。
