AI进银行，眼看着就要从“锦上添花”变成“生死时速”。各家银行争相接入大模型，恨不得把客户画像、营销话术、贷前尽调全交给AI。但我的判断是：这波AI狂欢里，最该冷静的是信贷审批口。监管的红线已经划出来了，部分核心决策场景，AI不能碰，也碰不起。
其实从2025年初《银行业金融机构生成式AI应用管理办法（征求意见稿）》流出开始，风向就很清楚了。监管对AI在金融业的应用不是一刀切反对，而是“分级分类”管理。风险等级高的场景，比如授信审批、风险定价、贷后预警，被明确划入“高风险”范畴。这类场景里，AI只能做辅助，不能做决策。说白了，你可以让AI帮你查数据、整材料、提建议，但最终那个“批”或“不批”的按钮，必须由人来按。
一、监管的定调：不是什么都能“AI一把梭”
很多人没读懂这份文件的潜台词。我读下来最大的感受是：监管不是在给AI松绑，而是在给AI装刹车。文件里明确要求“算法可解释、结果可复核、全流程留痕”，这三条对信贷审批来说，几乎等于宣告了“黑盒模型”的死刑。银行要是上了个深度学习模型，贷审会的人问你“为什么拒了这笔贷款”，系统只能回一句“算法判断”，这事就麻烦了。监管要的是逻辑链条清晰、依据充分、责任可追究，不是“智能魔法”。
数据也印证了这个趋势。金融监管总局公布的2024年罚单里，信贷管理领域的罚单数量超过1200张，占全部银行业罚单的比例接近四成，其中涉及贷前调查不尽职、贷后管理不到位的案例占了很大比重。处罚逻辑很清晰：银行可以技术过错，但不能责任过错。AI替你做决策，出了问题算谁的？系统可不会写检查，也不会被约谈。
二、真实的教训：AI不是没出过事
有些银行同行觉得我保守，说“用AI做辅助总行吧？辅助都被卡，那还玩什么？”我把话放这：辅助没有问题，但“辅助”和“主导”之间的线，一旦模糊，就离出事不远了。国际上已经有教训了。2025年初，有家外资银行在零售信贷审批中激进引入AI自动决策，结果模型在训练数据里学到了历史放贷中的性别和地域偏差，整批贷款业务的公平性遭到监管质询，最后不仅系统被叫停，银行的高管还面临个人问责。国内虽然还没出这种大案子，但我认识的一家股份制银行，他们在对公信贷尽调中用了大模型自动生成报告，结果模型“一本正经地胡说八道”，把客户财报里的关键指标算错了，要不是客户经理多看了一眼，这笔贷款就放出去了。
说实话，这种“半懂不懂”的AI最危险。它看起来专业，实际上对银行内部的审慎经营规则一无所知。信贷审批不只是看数据，还要看行业周期、政策风向、客户实控人的人品口碑。这些微妙的东西，AI学不会。或者说，当下的技术阶段，AI根本还没到能“独当一面”的水平。
三、银行被误解的“AI焦虑”
现在有个怪现象，银行一说拥抱AI，就非得在全场景铺开。DeepSeek发布之后，一周内十几家银行宣布接入，热闹非凡。但后来我发现，很多银行连基本的“AI伦理委员会”都没有，更谈不上对业务场景进行分类定级。这就像连驾照都没考，就直接上高速。我始终认为，银行的AI落地，首先要解决的不是“用不用”的问题，而是“哪里能用、哪里不能用、谁说了算”的问题。
监管之所以对信贷审批格外警惕，核心顾虑就是责任链条断裂。审批权是银行最核心的权力，也是监管最看重的抓手。这个权力一旦实质性地移交给算法，未来一旦发生系统性风险，监管连追责的对象都找不到。这绝非危言耸听。想想看，当十家银行都用同一个供应商的AI审批系统，市场的风险偏好和判断逻辑就高度同质化了，这本身就是一种新型的系统性风险。
四、我的结论：抬头看路，也要低头拉车
AI当然要用，这一点我旗帜鲜明。不能用AI做决策，不代表不能用AI做辅助。我的建议很具体：把精力放在低风险、高价值的场景上，例如智能客服、文档审核、监管报送（1104这边AI确实能帮上忙）、舆情监控，这些场景风险低，又能快速见效。而在信贷审批、风险计量这类核心决策环节，AI的角色应当被严格限定为“信息整合辅助工具”，提供材料初审、数据交叉核验、预警信号提示，但最终审批判断必须保留人工决策权。
换句话说，把AI当“实习生”用，别把AI当“审批人”用。这才是银行践行科技向善、风险为本的正确姿势。反正我相信，真正聪明的银行，不会在风口上瞎跳舞，而是先守住底线，再谈效率和创新。
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。