数字化是工具，数智化才是银行的分水岭
先说我的结论：数字化解决的是"把纸变成电"的问题，数智化要解决的是"让电学会思考"的问题——这一字之差，差的不是技术栈，而是银行对自身存在方式的定义。大概两年前，我去某股份制银行交流，对方行长还很自豪地展示他们的"数字化转型成果"：手机银行App迭代到7.0版，OCR识别准确率99.7%，RPA机器人替代了30%的人工录入。我当时就问了一个不太体面的问题：这些技术，有没有让你的净息差多守住哪怕一个BP？他没接话。
2023年银行业年报陆续出来的时候，我特意翻了一下，42家A股上市银行的信息科技投入总额超过2400亿元，工行一家就砸了280多亿。这个数字确实漂亮，但另一个数字更刺眼：银行业净息差已经跌到1.40%附近，某些城商行已经跌破1.2%。光靠把柜面业务搬到线上，解决不了息差的问题，这是明摆着的。说实话，我现在看到"数字化转型"这个词，心里是有点警惕的——它太安全了，安全到谁都挑不出毛病，但也安全到什么都改变不了。
数字化的账本，和数智化的账本不是一回事
我跟很多银行的朋友聊过，大家其实都心知肚明：过去十年搞的数字化，本质上是一场"降本运动"。咱们用自助设备替代柜员，用移动展业替代扫楼，用OCR替代录入——方向没错，但目标只有一个：省人力、省场地、省纸张。你去看各家行的年报，谈数字化成效时最爱引用的是"电子渠道分流率96.5%""柜面交易替代率91%"，全是效率指标。
但效率提升真的有换来竞争力吗？举个例子，零售之王招行，2023年App月活突破1.17亿，数字化基础够扎实了吧？可它的净息差同样从2.47%滑到了2.15%。数字化帮你把客户请进了App，然后呢？客户在一个个理财产品之间划来划去，最后还是在比收益。这算什么数字化？这叫把银行网点搬进了手机，骨子里还是那套"拉存款、放贷款、赚利差"的逻辑。后来我越想越明白，数字化做的是"流程再造"，数智化要做的才是"认知重塑"——你得比客户更早知道他想要什么，这才是数智化的本分。
从"记录数据"到"让数据做决策"
那数智化到底长什么样？我认为关键在于一个转变：数据不再是被动记录的账本，而是主动行动的指令。咱们平时做贷后管理，传统数智化程度高一点的银行，系统每周推送一条预警信号，客户经理拿着名单去电话回访。但真正厉害的做法是什么？是系统每天都在跑你的存量客户，发现某制造企业的用电量连续三周下滑，而它的上下游账期突然拉长——于是系统自动把这家企业的授信额度从8000万调整到5000万，并生成一份贷后核查报告推给客户经理。整个过程，人不需要做任何主动动作。
这一点我可以举个例子。网商银行没网点、没柜员，但它的"310"模式（3分钟申贷、1秒钟放款、0人工干预）很多人听过。为什么它能做到？因为它的风控模型不是靠人审的，是靠在线的经营数据流——支付流水、物流信息、税务记录，全部自动接入、自动计算、自动授信。我并不是说所有银行都要学网商银行，但一个事实摆在面前：当你的数据和决策之间隔着一个"人肉审批"的环节，你就永远比那些跑得更快的机构慢半拍。
组织架构不换，数智化就是空转
这里我要说几句得罪人的话。很多银行做数智化，最大的障碍不是技术，是部门墙。我见过某大型银行的"智能风控项目"，模型团队在科技部，业务规则在授信部，数据口径在计财部，最后做出来的模型既不是风控部门想要的样子，也不是业务部门敢用的东西。项目开会开了18个月，产出的是一份300页的PPT。你让一个客户经理用那个系统，他点开两下就切回自己的Excel了——人家自己的台账比系统管用。
央行《金融科技发展规划（2022-2025年）》里提了一个词叫"数字思维"，说得直白点，就是要求银行从组织架构上打破业务和技术之间的那堵墙。我认同这个方向，但落地的时候，现实很骨感。2023年金融监管总局开出的罚单里，涉及EAST数据报送不准确的就有上百张，你知道这意味着什么吗？意味着很多银行连监管报表的数据都还没整明白，谈数智化确实有点早。所以我说，数智化不是技术部门一个项目组的事，它是一把手工程，需要的是把人、流程、系统揉碎了重新捏一遍。
中小银行的数智化，别学大行的样子
我听到最多的一句话是："我们行规模小，做不了数智化。"这话我不同意。大行有几千人的科技团队，每年砸几百亿，那是"重装甲式"的数智化。但中小银行完全可以走"轻步兵"路线。举个例子，江苏有家农商行，全行科技人员不到30人，但它把本地一家农产品批发市场的交易数据接进来了，结合人行征信和行内流水做交叉核验，专门给那些没有抵押物的商户放信用贷，不良率控制在0.8%以下。这叫数智化吗？我认为这叫。它没有用大模型、没有建数据中台，核心只是做对了一件事：让数据在一个场景里真正流动起来，而不是躺在数据库里睡觉。
反过来，我也见过一些行，为建数智化而建数智化。上了一套智能客服系统，客户打电话进来问"我在你们行存的定期到期了怎么办"，机器人回答"请问您的卡号是多少？"——然后客户就挂断了。这种数智化除了增加成本，什么也没改变。我的判断是，数智化的起点永远是一个具体的业务痛点，不是一个名词的热度。你先把信贷审批里那三个最耗时的环节用机器学习替代了，再谈什么大模型赋能也不迟。
下个五年，赢家是那些把数据当"人"看的银行
手头有一个数据让我挺触动。某头部银行的内部统计显示，其App上超过60%的客户，在购买理财产品前会先浏览三到五次"风险测评"页面，但真正完成测评的不到20%。这说明什么？说明大量客户在决策时是犹豫的、缺乏安全感的。数字化能告诉你这个客户来了几次，但数智化应该做的是：在他第三次浏览风险测评页面的那一刻，推送一个视频号的理财顾问入口，或者把测评题目从12道简化成5道。
这不光是一个算法问题，还是一个态度问题——你愿不愿意用技术去贴合客户的真实困境，而不是让客户去适应你的系统流程。反正在我看来，未来三到五年，银行之间的差距一定会拉开。有些行会把数据变成"活物"，让它在客户、柜员、客户经理、审批人员之间自动流转、自动反馈、自动进化；另一些行则会继续把数据当"仓库里的货"，存取方便，但发不了电。
该怎么做？我给三个具体建议
第一，从你最痛的那一个业务环节下手，不要贪多。比如你的信用卡审批是7天，那你先搞一个模型做到3天，成了再复制。第二，把数据治理的一亩三分地先圈出来。1104报表、EAST报送这些合规数据，先确保口径统一、质量达标，这是数智化的地基。第三，不要总想着买一套大的平台，多用一些轻量化的工具和开源模型，让你的客户经理先把手上的活儿干利索了，哪怕是从一个自动生成贷后报告的小功能开始。
说实话，银行这个行业，从来不缺钱，不缺系统，缺的是把数据和决策真正缝在一起的决心。数字化是手段，数智化是思想——你要是问我怎么判断一家银行是不是真的想明白这件事了，我有个土办法：去问他们的客户经理，你的日常工作里，系统有没有在哪一个瞬间让你觉得"它懂我"？如果答案是沉默，那这家银行的数智化，大概率还在PPT里。
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。