AI不是想用就能用:信贷审批的红线已经画好了
红线的形状,不在AI文件里,而在助贷新规里。
去年下半年到现在,我聊过不下十家银行的科技部和风险部,几乎每家都在推同一件事:把大模型接进信贷流程。有的从贷后管理切入,有的胆子更大一
我的判断是,这个"应该不用吧",就是当前银行AI落地里最大的一处合规敞口。
多数人的回答是:这属于内部效率工具,应该不用吧。我的判断是,这个"应该不用吧",就是当前银行AI落地里最大的一处合规敞口。
真正的红线,写在助贷新规里
2025年4月,金融监管总局下发《关于加强商业银行互联网助贷业务管理提升金融服务质效的通知》,10月1日正式施行。文件里有一句我读了三遍的话:商业银行应当独立开展风险评价、
银行这几年的净息差一路下行,2025年一季度商业银行净息差1.43%,逼近历史低位。成本压力是真的,用AI压人力、压运营成本也是本能反应。但成本压力从来不是责任转移的理由,这是两条线,不能混着算。
都不在自己手里,这算不算把核心风控外包了?说实话,我认为算。
银行这几年的净息差一路下行,2025年一季度商业银行净息差1.43%,逼近历史低位。成本压力是真的,用AI压人力、压运营成本也是本能反应。但成本压力从来不是责任转移的理由,这是两条线,不能混着算。
罚单的风向早就变了
我梳理过上半年监管开出的罚单,涉数据、科技、外包条线的有391份,占比不低。更有意思的是罚由的变化:前些年罚的是"系统故障""灾备不达标",现在越来越多出现"数据治理不到位""外包管理不到位""模型验证缺失"这类表述。
这几个词翻译过来就一句话:你用什么工具不重要,你能不能管住它才重要。模型谁训练的、数据从哪来、结果谁复核、出事谁担责——这四问答不上来,罚单就有理由找上门。
后来我发现,不少银行的行内AI管理办法,还停留在"信息科技风险管理"的老框架里,压根没写模型治理这一章。这是个不小的漏洞,而且平时看不出来,等出事就来不及了。
信贷是最不能黑箱的场景
2024年7月1日施行的《个人贷款管理办法》,把贷款调查、审查审批、贷后管理的要求写得很细,核心一条是:贷款人应当建立借款人信用评价体系,且评价标准和结果要有据可查。你用一套深度神经网络给出"拒绝",客户投诉到监管,你怎么解释?说"模型认为他风险高",这句话在监管那里是零分。
在信贷领域,可解释性不是技术品味问题,是举证责任问题。反欺诈、反洗钱可以接受高召回率的黑箱初筛,因为后面还有人工复核兜着;但授信额度和利率定价这种直接决定客户权益的环节,必须能说清楚是哪几个变量起了作用。
我知道有银行在尝试用大模型做财报解析和流水分析,这块我举双手赞成。它是在给客户经理提供证据,而不是替客户经理下结论。这两者的差别,就是合规和不合规的差别。
客户数据不能随手喂给大模型
2025年3月1日施行的《银行保险机构数据安全管理办法》,把数据分类分级和外包数据安全写成了硬要求。我听过不止一个案例:员工为了省事,把客户流水、征信报告片段直接贴进公网大模型里做摘要。这在监管眼里是数据泄露事件,不是效率工具。
银行能走的路其实很清楚:本地化部署,或者用通过合规评估的金融专有云;训练和推理数据不出行内数据边界;提示词和输出全程留痕。这三条不做,AI用得越顺手,风险敞口越大。
AI不能签字,但能干很多活
信贷决策是一个法律责任行为,签字的是人。所以我不认为短期内会有哪家银行敢让AI自动审批贷款——不是技术不行,是没人敢担这个责。
但反过来,因为红线就把AI整个停掉,那是另一种浪费。我建议按三层来分:纯辅助的一层,比如贷后管理里的合同文本比对、预警信号归集、拜访纪要整理,立刻就能上;人在回路的一层,比如反洗钱可疑交易初筛、贷前财务数据交叉核验,AI出建议、人做决定,全流程可回溯;自动决策的一层,在信贷领域我判断三年内都不会放开,除了极小额的标准化场景。
还有一个容易忽略的点:1104报表和EAST报送的数据质量责任在银行自己身上。用AI做数据校验当然好,但报送前的人工确认环节不能省。监管罚的是报送数据不实,不会因为"AI算错了"就网开一面。
先做三件事,不用等细则
如果你所在的机构正在推AI进信贷,我建议先做三件事。把行内AI管理办法从科技条线提到风险条线,让风险官签字;把每一个AI场景明确标注是辅助、人在回路还是自动决策,自动决策的一律先停;把模型供应商的合同重新过一遍,凡是涉及核心风控逻辑的,改成行内自主可控的部署方式。
AI在银行落地的节奏,从来不是由技术决定的,是由责任边界决定的。想清楚谁担责,再谈用不用。
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。
