登录

从单点试点到全行规模化银行AI治理升格


速读:从单点试点到全行规模化银行AI治理升格从单点试点到全行规模化银行AI治理升格_东方财富网。
从单点试点到全行规模化 银行AI治理升格 _ 东方财富网

从单点试点到全行规模化 银行AI治理升格

2026年11月21日 02:18

作者:

秦玉芳

  当前, 银行 业 AI应用 已从单点试点转入全行规模化部署,创新与立规同步推进,最显著的变化是治理主体由科技部门上移至董事会层面,成为公司治理事项而非单纯技术项目,治理对象也已从单个模型扩展到数据、模型与应用的完整链条。

  继 平安银行 (000001.SZ)后,10月份以来, 建设银行 (601939.SH)、 苏州银行 (002966.SZ)、 贵阳银行 (601997.SH)等多家 银行 相继出台 AI应用 管理方案。短短月余,从国有大行到股份行、城商行纷纷在董事会层面审议通过AI治理框架,背后既有监管硬约束,也有 银行 自身责任链条、治理架构和投入机制的变化。

  与此同时,不少银行对第三方智能体的接入监管也在升级。业内人士指出,随着AI场景化应用的快速发展,不同银行AI治理能力分化已经显现,对依赖AI外部生态的中小银行而言,外包穿透、联盟治理等将是下一步 AI应用 治理的关注重点。

   AI应用治理的新特点

  针对银行出台AI应用管理方案一事,中国社会科学院金融研究所支付清算研究中心主任杨涛认为,直接原因是监管的硬性要求,深层驱动则在于责任链条发生变化。在他看来,把治理前置为可预期流程是为智能体规模化应用铺路,而非给创新踩刹车。后续治理能力与风险管理能力的匹配度将决定应用前景,行业评价重心也将由部署数量转向业务质量、成本节约与客户价值。

  从表现来看,杨涛认为,将治理方案进行董事会审议后,责任主体与决策层级同时上移,考核与审计范围由人扩展到AI模型。“按该意见落到流程上,专门委员会统筹规划与制度建设,风险管理委员会对高风险应用准入把关,应用清单与分级管控、人工复核节点等都需嵌入业务系统。”

  南京财经大学金融学院教授汪祖刚表示,推动AI应用治理立规的是四个内部 驱动力 :一是场景数量越过容错边界,智能体从答话转为办事,原有科技项目管理制度覆盖不了模型漂移、越权调用等风险;二是AI从工具变为作业主体,“谁签字、谁负责”出现空白,必须提前写清责任链;三是AI投入重资产化,约85%投向算力,治理实质上是投资准入与退出机制;四是AI横跨业务、科技、数据、风险等,需要董事会层面的授权与问责。

  密集出台的治理方案也折射出银行业AI应用治理的新特点。汪祖刚指出,从监管层面来看, AI智能体 监管已从科技项目管理升级为公司治理议题。依据金融监督管理总局发布的《关于银行业保险业 人工智能 安全开发应用的指导意见》,从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障监督七方面提出32项意见,明确提出由董事会指定专门委员会对AI开发应用管理负责。

  天府立言金融与发展研究院特聘高级研究员王润石表示,现在的状态是应用在跑步、治理在补课,补课速度取决于监管硬约束,不完全是内生自觉。随着AI应用在业务场景的加速深入,各家银行相关治理节奏也在明显提速。预计明年上半年会有一批集中出现,但质量分化会很严重。

  汪祖刚指出, AI智能体 应用已从试点场景走向规模化上岗。智能体已从会对话变成会办事,但绝大多数仍集中在内部助手、客服辅助、信贷材料处理等低中风险环节,自主执行核心交易仍是少数。从趋势来看,治理重心将从文本合规转向运行合规,包括监测、留痕、审计、退出;治理会与成本收益比挂钩,要能证明自己不是纯成本;监管可能从发文指导走向评估—报备—检查闭环,行业形成分层治理格局。

   银行AI治理能力分化

  治理框架的落地,对商业银行的AI应用场景化探索来说,是筛选器还是加速器?

  杨涛认为,对中小银行而言短期更接近筛选器,因为准入批准、监管报告与合规投入构成一定刚性门槛。

  汪祖刚也表示,从短期来看,更像“筛选器”,抬高隐性门槛,治理能力不足的中小行被挡在高风险场景之外;从未来一到三年来看,更像“加速器”,规则明确、模板可复用、生态输出把治理成本外部化。“分水岭不在规模,而在其有无专职治理责任人、有无台账与运行监测手段、有无可控供应商与退出预案。”

  在杨涛看来,当前银行AI治理能力分化已经显现,AI应用可能加剧银行业马太效应。从梯队格局看,国有大行体系化铺开、股份行追求可量化、中小行走差异化路线,治理能力的差距与资源禀赋的差距高度同构。

  王润石指出,对不同类型的银行来说,AI治理能力分化客观存在而且在加速。真正的分化是AI能力是自己的还是租的,以及租来的能力治理责任归谁。这里有个必须点出来的认知盲区:很多中小银行以为接入省联社或联盟的平台,治理责任也一起外包了。事实并非如此,监管关注的是用AI做了什么,不问这个AI是谁做的。

  汪祖刚强调,当前,银行AI治理能力分化是事实,而且呈现三层分化:制度层看有没有、细不细;工具层看有没有监测评测平台与权限管控;要素层看数据、算力、人才。再叠加生态位分化:大行做底座和标准输出,头部中小行做场景和共建,尾部中小行做采购和席位订阅。

  分化之下,依赖外部AI生态能力的中小银行,治理重点更受关注。杨涛认为,这类机构的治理重点在于外包穿透到供应商;从辅助性场景先行,以低风险换治理空间;把治理资源集中在可审计性这个最大短板上。

  在此背景下,中小银行要如何补上治理短板?王润石认为,重点在三个方面:一是管住人怎么用比管住AI本身更重要,三条最低要求是模型风险台账、人工兜底规则、Token预算线,花不了多少钱但能把风险管住;二是把AI事故上报和复盘机制建起来;三是联合体合作要往治理层延伸。“现在联盟都在做算力共享、模型共享、场景共享,几乎没人做治理共享,省联社完全可以出一套成员行治理模板加共用风险台账,谁先做谁掌握治理入口。技术上抱团已经做得不错,治理上抱团才刚开始。”王润石补充道。

  从更长期的趋势看,汪祖刚认为,未来两年大概率会出现AI治理即服务的行业公共品,监管对中小行可能采取简化版要求加重点抽查的差异化安排,联盟治理、同业共建和沙盒试点会成为主流路径。在他看来,AI治理能力正从加分项变成类似资本充足率的准入型能力,这才是本轮制度竞赛真正的深意。

(文章来源:中国经营网)

主题:基金|新股|美股