近期，德勤中国金融服务业研究中心发布《建基固本 智绘新篇：中国银行业2025年发展回顾及2026年展望》报告（以下简称“报告”），提到了银行AI建设现状及存在的挑战。

“人工智能+”成为战略核心，银行AI大模型应用存在5项挑战

报告在第三章节的“人工智能重塑银行竞争力，金融科技迈入智能化深水区”部分提到，对于银行来说，AI投入不再仅仅是科技部门的预算项目，而是直接与降本增效、风险控制、收入提升等核心经营指标挂钩的战略性投资。

从多家银行近一年来在科技架构调整、金融科技顶层设计方面的动作来看，“人工智能+”正成为战略核心。

例如，建设银行制定了《“人工智能+”工作推进方案》，构建覆盖数据、模型、算力、安全的全链条企业级人工智能技术体系；浦发银行成立人工智能中心，聚焦金融科技与人工智能专业引领，发布《人工智能实施行动计划（2026）》，将AI能力建设提升至战略核心地位。

报告显示，AI不断融入银行场景，走向“台前”，具体应用至智能服务、智能运营和智能风控等方面。

其中，智能服务方面，大模型技术的深度应用使得银行服务从预设规则驱动转向智能交互驱动，客户体验有所提升。

智能运营和智能风控方面，大模型、RPA、智能体等技术提升了银行中后台工作效率，降低人工手动处理占比，缩短工作处理周期，提升风险识别能力。

不过，挑战与机遇并存。报告也指出了AI大模型在银行业应用中的挑战：

一是在数据层面，大模型对高质量训练数据的需求远超传统AI，银行需进一步打好数据治理和数据贯标的基础，同时亟需公共数据管理机制的改革助力金融AI发展；

二是在技术层面，大模型的幻觉问题和可解释性不足仍是核心挑战。同时，AI技术也为不法分子提供了更强大的攻击手段，银行需要构建AI时代的红蓝对抗演练机制，守好金融安全防线；

三是在体制层面，AI需要在实际业务场景中快速迭代优化，银行需进一步推动研发和运营一体化，从“业技融合1.0”迈向“业技融合2.0”乃至更高阶段；

四是在市场层面，大模型的广泛应用可能加剧金融决策的同质化，银行需推动特色场景、私有数据与大模型技术有机结合，建立自身特色优势领域，形成差异竞争；

五是在社会层面，AI将重塑银行的人力资源结构，银行应对员工进行系统性AI素养提升，完善激励创新和包容失败的文化氛围，让人力资本匹配技术的进化速度。

AI向“数字员工”进发，技术与组织的错位为主要矛盾

报告中针对目前银行业的热点话题进行了探讨，其中第一个即“AI时代中国银行业的战略选择”。

德勤中国金融服务业合伙人王雨岩表示，大模型推理成本持续下降、开源生态加速普及、智能体系统具备跨步骤自主执行能力——这三重变化叠加，正将AI从“辅助工具”推向“数字员工”，并在授信审批、风险预警、财务分析等核心流程中开始影响经营判断。

王雨岩提到了目前银行AI布局中的3个问题：

技术与组织的错位是主要矛盾：多数银行在组织重构、流程再设计和治理体系建设方面明显滞后于技术演进速度。

AI风险已从技术问题升维为治理问题：当算法参与授信、估值、报告生成等关键流程，责任界定、过程透明度与可解释性成为必答题。

专业服务机构的角色需要同步升级：未来的价值不只在于对结果的独立验证，更在于帮助银行建立可审计、可解释、可问责的AI治理能力。

报告在这一部分进一步指出了一些现实问题，包括但不限于：

制度化将决定AI是否能够真正形成长期价值。模型能力的提升并不意味着责任自动转移。金融行业对风险控制、监管合规和信息安全具有严格要求，因此AI的应用必须建立在明确的治理框架之上。银行需要明确哪些任务适合自动化，哪些场景适合AI辅助，哪些决策必须由人工承担最终责任——只有将这些原则嵌入制度与流程之中，AI应用才能从技术能力转化为稳定的经营能力。

AI的理论能力与银行的现实吸收力之间仍存在明显差距。员工对AI工具的需求显著提升，但真正能把试点推进到生产环境的机构仍然有限。中国银行业实践主要表现为：前台业务（智能投顾、智能客服）试点频繁但相对分散，而财务、运营、风险与合规等中后台领域的端到端流程重构却明显滞后——这些承载资金流、信息流与控制机制的关键流程，反而更需要借助AI实现标准化、透明化与智能化升级。

人才问题已经从“培训议题”升级为“经营议题”。当 AI接管了大量初级审核、数据比对和报告起草工作后，初级岗位的成长链条正在被压缩。AI对劳动力市场的影响不一定是大规模裁员，更可能呈现入口变窄、成长链条变短、初级岗位消失得比中高级岗位更快等现象。一旦这种链条断裂，银行会在几年后发现：基层岗位成本节省了，但真正理解业务、理解风险、能够在复杂场景中承担判断责任的中坚力量缺失。接下来，银行业需要将人才战略与AI战略同步规划，把岗位设计的思路从“谁被替代”转变为“哪些岗位被放大、哪些能力必须重建”。