信贷审批这扇门，AI还进不来
今年春天，某股份制银行零售部的一位朋友跟我抱怨，他们试用了一套大模型驱动的信贷审批辅助系统，上线头一个月，模型就把一批本可以正常续贷的小微客户给“误杀”了——理由是“舆情负面”。查来查去，原来是某企业主几年前的一条交通违章罚单被爬虫抓进了舆情库。说实话，这种啼笑皆非的事故，正在不少银行悄悄上演。我心里清楚，AI在金融业的大潮已经挡不住了，但信贷审批这类涉及真金白银和法律责任的核心场景，现在就想让大模型说了算，恐怕是打错了算盘。
监管其实早就把话挑明了。2024年发布的中银协《银行业金融机构人工智能使用指引》（以下简称《指引》）里写得清清楚楚，AI用于授信审批、风险定价等直接决策环节时，必须有“人类复核”作为硬性前提。翻译成大白话就是：你可以用AI辅助筛选、排序、预审，但最终批不批、放多少、利率定多少，必须由人来拍板。反观现实中，有多少银行打着“数字化转型”的旗号，把大模型的建议直接当成了终审结论？据我观察，尤其是基层网点的普惠金融贷款，客户经理为了省事，拿系统给的评分卡做背书，连贷前调查都开始走捷径了。这种“省事”的背后，是责任链条的彻底悬空。
大模型的“幻觉”，在信贷场景是致命的
我一直认为，理解技术边界比拥抱技术热情更重要。大模型的核心机制是“概率预测”，它天生存在“一本正经地胡说八道”的幻觉问题。在写文案、做数据分析这种场景下，错了可以改、可以重来，但信贷审批不是写报告，它是一锤定音的合同行为。举个例子，某城商行在2024年试水“AI贷前尽调报告生成”，输出的报告里居然自动编造了一个“实地考察记录”，还煞有其事地写上了门牌号和访谈时间，后来客户经理拿着这份报告走流程，差点酿成合规事故。后来发现，这个门牌号是模型根据周边商户数据“脑补”出来的。
我们再看看监管的底线。2020年银保监会《商业银行互联网贷款管理暂行办法》就强调过，风险评价模型要对客户信息进行“交叉核验”，不能依赖单一数据源。2024年新修订的《个人贷款管理办法》更是直接提到，贷款调查必须坚持“实地调查与间接调查相结合”的原则。大白话就是：机器可以帮你算，但腿得长在人身上。有一个数字我印象很深，据各家银行年报披露的数据，2024年零售信贷不良率普遍承压，招商银行信用卡贷款不良率已经到了1.42%，而其中相当一部分不良资产的成因，就是过度依赖线上自动化审批、忽略了人工经验对隐性风险的识别。反正这套逻辑，我在很多银行的风控报告里都看到了相似的表述。
必须划出禁止AI直接决策的四条高压线
那么问题来了，什么场景坚决不能让AI说了算？我的判断是，至少有以下四类高压线不能碰。第一是大额对公授信的最终批复权。这涉及复杂的行业周期判断、实控人个人信用深度评估乃至担保物权属的核验，这些都不是单纯靠语料训练能掌握的。第二是高净值客户的财富风险测评与产品适配，AI的“千人千面”推荐在营销端有效，但涉及损失承担时，它无法替代理财师对客户风险偏好的深度同理心。第三是贷后管理中的风险预警降级操作。说白了，模型告诉你“风险解除了”你敢信吗？预警升级可以靠机器提醒，但风险降级的解除动作，必须由具备专业经验的风险经理人工确认。第四是反洗钱可疑交易的排除结论，这涉及司法管辖和合规裁量，AI给出的“低风险”结论一旦出错，追责时系统可不会替你扛。
AI该做的，不是“拍板”而是“跑腿”
划定红线，并不意味着拒绝AI。我的立场很明确：能干的活大干快上，不能干的活一点不能碰。AI最擅长的是处理那些重复、海量、规则清晰的“脏活累活”。比如贷前资料的初筛与OCR识别，把客户上传的几十页流水、发票、合同自动提取关键字段并做交叉勾稽比对，这比人工效率提升了几十倍，而且准确率能达到99%以上。再比如对公开信息的舆情监控，通过NLP技术实时抓取工商、司法、环保等维度的负面信息并自动生成异动简报，这件事让AI去做，能省下风控部门大量的人力。还有一个特别有效的场景是合同条款的智能审阅，把往年的合规罚单数据和监管处罚案例喂给模型，让它提前帮法务标记出有瑕疵的条款，这远比让人逐字去读要来得稳妥。
换句话说，AI在信贷审批链条中的角色应该是“侦察兵”和“参谋”，而不是“指挥官”。兵可以派出去探路，但打仗时的开火权，必须握在指挥官手里。我们需要的，不是让系统直接输出“同意发放”的按钮，而是让系统输出“风险提示单”和“信息校验结果”。这中间的差异，决定了我们是在用工具，还是在被工具用。
别把责任甩锅给算法
还有一点我想提醒各家银行的决策层：别妄想把责任推给机器。我在《指引》的风险管理章节里看到过一句意味深长的话——银行作为AI应用的“最终责任主体”，必须建立对AI输出的“拒绝机制”。什么意思？就是说当AI给出某个建议时，银行必须有说“不”的流程和依据。如果一线客户经理只是机械地点击“同意AI建议”，那么这个流程本身就在违规。很多银行的现状是，开发部门交出一个模型就像交出了一个烫手山芋，业务部门用起来战战兢兢，出了事就互相推诿。说实话，这种组织架构的僵化，比技术缺陷更可怕。
作为一个常年和银行打交道的人，我最大的感受是：这轮AI浪潮下，银行最大的风险不是技术落后，而是“技术冒进”。看到同行用了大模型，自己就赶紧上一个，仿佛不部署AI就是跟不上时代。我认为，在信贷审批这个涉及社会信用底座的领域，慢一点、谨慎一点、多留几个人工环节，不是迂腐，反而是对客户和股东负责。反正那些冲在最前面、拿信贷决策当试验田的机构，大概率会在下一轮不良率抬头时付出代价。
行动建议很简单：第一，回去翻翻你们银行的《人工智能应用管理办法》，看看是否明确罗列了“禁止AI自动决策”的场景清单，如果没有，抓紧补上。第二，把AI的使用权限从“业务审批端”收回到“数据中台和授信管理部门”，实行严格的“输入输出双人复核”。第三，建立AI决策的“沙盒测试区”，但记住，沙盒里的测试结论永远只能作为参考，不能作为证据链。让AI当好副驾驶，方向盘必须始终捏在我们自己手上。
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。