本报记者 张漫游 北京报道
从ChatGPT到，再到，人工智能浪潮席卷各行各业，技术发展日新月异。如今，人工智能已从通用模型OpenAI进阶为具备自主决策能力的任务导向型智能体AI Agent，这一转变正深刻重塑银行业的发展格局。
当前，银行业正面临网络复杂性激增、用户需求多元化与成本效率失衡的挑战，而AI Agent凭借其自主决策、实时响应与深度定制化能力，正重塑银行业的业务模式。随着国家“人工智能+”战略深化，银行纷纷抢滩布局，AI Agent有望成为银行业降本增效的全新引擎。
政策加码 AI Agent开启金融智变
2025年《政府工作报告》中提出，要“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用”。这为银行业智能化转型注入强心剂。
近期，银行业加紧了在人工智能方面的探索。如工商银行（601398.SH）在同业率先完成DeepSeek最新开源大模型的私有化部署，并将其接入行内“工银智涌”大模型矩阵体系，推动金融业务场景的智能化升级；邮储银行（601658.SH）则依托自有大模型“邮智”，本地部署并集成了模型和轻量DeepSeek-R1推理模型。目前，这些模型已在智能客服“小邮助手”中应用，新增的逻辑推理功能使其能够更精准地理解用户需求，提供个性化服务。
值得一提的是，DeepSeek作为自主研发的大模型技术，为AI Agent的开发与应用提供了坚实支撑。全球首款通用Agent产品Manus的问世，更是让AI Agent受到广泛关注。
中国银行深圳市分行大湾区金融研究院高级研究员曾圣钧告诉《中国经营报》记者，与OpenAI相比，AI Agent 在赋能银行业务方面存在一些差异和优势。从差异来看，OpenAI通常需要用户明确输入指令来生成相应内容或提供信息，更多是基于大规模数据和预训练模型进行响应；AI Agent具有更强的自主性和灵活性，能自主感知银行业务环境中的各种信息和变化，主动根据预设目标或任务进行决策和行动，还能根据不同银行的特定业务需求和场景进行定制化开发。
“OpenAI主要擅长自然语言处理相关的文本生成、知识问答等任务，为银行业务提供信息支持和辅助决策参考。AI Agent不仅能处理自然语言任务，还能在更多具体业务操作和流程中发挥作用，可与银行的各种系统、软件等进行交互，直接执行诸如自动化交易、数据处理、流程审批等实际任务。”曾圣钧说。
价值跃升 AI Agent重构银行业务生态
事实上，多家银行早已在AI Agent领域展开积极探索。
如平安银行（000001.SZ）2024年半年报透露，该行自主研发大模型开放平台，加强算力平台、大模型底座、大模型开发运维一体化（Ops）、智能体（Agent）、应用开发平台等基础能力建设，为营销支持、内部运营、风险管控、办公辅助等领域的研发应用提供通用能力模型和一站式场景定制服务。北京银行（601169.SH）2024年半年报透露，其升级“京智”大模型并发布京骐AI Agent平台。
京北方（002987.SZ）在近期投资者调研中谈到银行对于AI应用需求的变化，认为随着银行私有化部署门槛的逐渐降低，银行对于AI应用的探索力度不断提升，带动相关业务需求持续增长。同时，应用场景不断丰富。此前AI应用主要集中于后端的内部使用场景，包括知识助手、智能检索、代码注释生成等，目前已逐步延伸至前端，比如AI营销、AI信贷、智能交易风控等业务场景。
“相较于OpenAI通用大模型，AI Agent在赋能银行业务时，展现出更强的场景聚焦、任务导向性及垂直领域深度，优势显著。”中金金融认证中心有限公司（CFCA）产品中心签名应用团队高级主管张诚告诉记者，“AI Agent凭借自主推理与规划能力，能够自主完成银行业务中涉及多步骤的复杂任务。同时，成本效益与部署灵活性，模型小型化趋势使得AI Agent可在消费级硬件上部署，降低了银行等金融机构在IT基础设施上的成本，特别适合中小型金融机构。而OpenAI的高端Agent服务可能更适合大型银行。AI Agent支持私有化部署，结合银行的数据隐私要求，可在本地环境中运行，避免敏感金融数据外流风险。相比之下，OpenAI的云端服务可能面临更严格的数据跨境合规审查。”
苏商银行特约研究员武泽伟告诉记者，AI Agent的自主决策、实时响应与智能学习能力，将全面重塑银行业务模式。其中包括客户体验升级，AI Agent通过多模态交互与个性化服务，重新定义银行与客户的连接方式，可以实现全周期客户陪伴、个性化财富管理、实时反欺诈监控等；风险管理升级，AI Agent可以将风控从“事后响应”转向“实时拦截+预测预警”，实现信用评估革新、复杂欺诈识别、合规自动化，构建全流程防护网；运营效率升级，AI Agent驱动银行业务流程向“零接触”与“自适应”进化，释放组织生产力，实现流程自动化、决策科学化、组织知识进化等。
从具体银行案例看，微众银行2023年年报显示，“微业贷”依托于大模型AI Agent技术，可在有效避免版权风险的前提下，推动广告素材生成效率较人工提升266%。该行还升级AI Agent智能营销解决方案，基于联邦学习与大模型技术，在业务数据不出本行的情况下，联合广告平台、第三方数据源等进行联邦建模，完成客户定位和精准投放。另外，微众银行通过大模型AI Agent技术对客户对话内容进行小结，助力坐席快速定位用户问题。
随着AI Agent技术的不断成熟，其优势将愈加凸显。
曾圣钧认为，随着AI Agent技术的日益成熟，未来或可实现自动执行重复性、规律性的银行任务，如账户开户流程、交易结算等，能显著提高业务处理速度和准确性，减少人工操作失误，释放人力资源用于更复杂和高价值的工作。同时不断增强个性化服务体验，通过深入分析客户的行为、偏好、财务状况等多维度数据，为每个客户提供高度个性化的金融产品推荐、理财规划和服务方案。
值得一提的是，在采用AI Agent的过程中，银行同样面临着多方面的风险与挑战。
张诚提示道，风险主要包括数据安全与隐私泄漏风险、模型偏差与决策不可解释性，以及技术可靠性与系统脆弱性模型误判。
张诚建议，银行需将AI Agent风险管理纳入全面风险管理体系，通过“技术+制度+文化”三维度构建防御机制。“银行可构建分层治理体系，开发、验证、审计三者分离，以分散风险并强化监督。第一道防线负责场景化开发，第二道防线执行模型验证，第三道防线则由审计部门负责监督。在关键环节（如高风险贷款审批）设置人工审核，确保AI决策的合理性。同时可强化技术防护，采用联邦学习、差分隐私技术实现数据脱敏；建立数据分级分类管理制度。引入AI模型验证工具（如LIME、SHAP）提升可解释性。通过技术手段确保数据的完整性、有效性，例如采用CFCA电子签名产品安心签、存证产品安心诉等。另外，要人才培养与协作，组建跨职能团队（IT、法律、业务），加强员工AI技术与安全培训。”