AI应用红线划定，信贷审批等场景不能想用就用
金融监管总局今年印发的《银行业金融机构人工智能应用指引（征求意见稿）》，首次给银行用AI上了紧箍咒——信贷审批、客户准入、反洗钱这三类场景被划进“高风险名单”，要求必须有人工复核且留痕。我的核心判断是：AI进银行是大势所趋，但信贷审批这种牵一发动全身的环节，谁先想明白边界，谁才能笑到最后。
说实话，这份文件比我预期来得晚。过去两年，我走访了十几家城商行和股份制银行，发现一个尴尬现实：一边是高层天天喊“AI赋能业务”，另一边是一线信贷员把智能审批结果当废纸——因为AI拒绝的客户，人工复核通过率反而高出两成。你想想，如果算法推荐的逻辑跟业务人员的经验总是打架，这工具谁敢用？
《指引》里的“高风险”三个字，我觉得不是限制，反而是给银行人撑腰。条文明确要求：AI形成的授信决策必须100%人工复核，模型关键参数要按年度报送监管，还特别强调消费者权益保护。这套逻辑说白了就是——你可以用AI提高效率，但最终的信贷决策责任必须落在人身上。某家大行今年在年报里披露，其零售信贷AI审批通过率已超过78%，但同时也把“模型误判导致的客诉率上升”列入了风险提示。
过去三年，银行业净息差从1.91%一路干到1.40%附近，利润变薄是逼着各家行搞降本增效的根本原因。某上市银行年报显示，智能风控模型上线后，单笔小微企业贷款审批时间从平均7天压缩到3小时，看似是亮眼成绩。但年报也悄悄承认，该行因模型特征漂移、训练数据偏差导致的不良贷款认定延迟，拨备多提了11个亿。这11亿的教训告诉我们，AI的光鲜效率背后，隐藏着另一种成本。
《商业银行互联网贷款管理暂行办法》（银保监会令2020年第9号）当时就强调过“核心风控环节不得外包”，而这次《指引》更进了一步，把AI应用边界直接划到场景层面。我的理解是，监管层已经看穿了一些银行的小心思——底层的活交给我，黑锅你AI背。前几天遇到一个做模型的朋友，他说他们行有个贷后预警模型，预测客户跑路的风险准确率90%以上，结果误伤了一堆正常经营的个体户，搞得客服部门天天挨骂。这能怪模型吗？问题是信贷审批这种跟客户钱袋子直接挂钩的场景，不能光靠概率说话。
另一个被点名的高风险场景是“客户准入”，说到底就是有没有资格用银行的服务。去年某股份行搞了个大动作，用AI筛查涉赌涉诈账户，风控效果确实出来了，却也把十几位在义乌做外贸的小商户的收款账户统统冻结。事后复核发现，这些商户的海外客户都是正经贸易商，问题出在模型把“高频夜间交易+多平台收款”误判为赌博特征。说实话，监管强制要求人工复核，不是在给业务拖后腿，是在保护我们银行自己——现在罚单有多狠不用我多说吧？2024年金融监管总局系统开出的391份罚单里，跟数据治理、模型风控相关的占比升到了四分之一，动辄百万千万的罚款，足够让一家支行一年的利润打水漂。
当然，我也见过走在前面的例子。长三角某农商行把AI用在贷后管理的非核心环节——抵押物定期估值、客户行业风险信号收集上，硬性规定AI只做“提示”不做“判断”，最终每个结果都要有信贷员签字确认。他们去年年报披露，不良率控制在0.89%的同时，贷后管理人力节省了四成。这个逻辑我很认可，AI最好的姿态永远是助手，而不是拍板人。
再说回《指引》里的另外一条关键要求：模型全生命周期管理。这意味着从选型、训练到上线、迭代，每一步都得留存记录，随时准备接受监管的现场检查。这件事对中小银行来说其实挺头疼的，因为它们既缺算法人才又缺数据底座。我的判断是，接下来两年会有不少区域性银行被逼着关停一些跑偏的AI项目，与其说这是技术倒退，不如说是把账算清楚——高风险的场景自己搭建内部模型，通用型场景用成熟的合作服务，剩下的坚决不用。
结尾给同行一个建议：别再把AI当万能药，也别把监管红线当拦路虎。先把信贷审批的“人工复核+全程留痕”落实成制度，再谈效率提升和成本优化。反正我身边几位在股份制银行做风险建模的朋友，今年已经开始把“合规审计”列入了模型开发的一等一优先级。
本文由「银行人实用工具箱」（deepwater84.cn）出品，专注银行从业者的效率工具与专业内容。