金融监管总局那份《关于加强银行业保险业人工智能安全管理的指导意见》出来后,我第一反应不是"靴子落地",而是"终于有人给信贷条线踩刹车了"。这份文件最要命的一句话是:信贷审批、风控决策等核心业务场景使用AI,必须审慎评估、分级管理,不能想用就用。说白了,过去两年很多银行把大模型往信贷流程里一塞,觉得能提效就是政绩,现在这套打法得重新做信贷决策。这句话翻译成银行内部语言——客户经理可以拿AI跑初筛,风控可以拿AI做辅助画像,但签字的那支笔,还得是活人。
求,AI不得替代人类做最终信贷决策。这句话翻译成银行内部语言——客户经理可以拿AI跑初筛,风控可以拿AI做辅助画像,但签字的那支笔,还得是活人。为什么?因为贷后追责的时候,你没法让一个模型去承担不良责任。去年某股份行做过统计,他们用大模型做贷前调查报告初稿生成,效率提升约40%,但试点三个月后主动收缩了适用范围。原因很实在:AI生成的财务分析段落里,出现了把"经营性现金流为负"写成"现金流健康"的案例。这种错误一旦进了审批材料,客户经理很难逐字核验,出了风险就是自己的锅。
我认识一个做对公审批的朋友,他跟我说过一句话:以前是人看材料,现在是人和AI互相"看",最后谁也没真正看懂。这话有点糙,但点出了要害——交叉核验这个环节,正在被效率工具悄悄架空。
数据不出域这条线,比算法合规更硬
文件里另一条容易被忽略但杀伤力极大的要求,是数据安全。信贷场景用的AI,如果涉及客户身份信息、账户流水、征信报告,原则上不能出机构本地环境。这意味着很多银行正在用的公有云大模型API方案,在信贷核心场景里基本走不通。
这不是小事。据我了解,目前国内多数中小银行在AI信贷应用上,走的是调用第三方大模型接口的轻量路线,成本低、上线快。但监管这条数据不出域的要求一出,等于把这条路堵死了大半。想继续用,就得做私有化部署或本地化微调,成本直接翻几倍。
某城商行科技部的人跟我算过账:他们原本用某云厂商的通用大模型做贷后文本摘要,一年成本大概几十万;如果改成私有化部署,光GPU集群和运维,起步就是大几百万。这还没算后续的模型迭代和合规审计。所以我的判断是,这轮监管下来,信贷AI应用会从"人人都能试"快速收敛到"大
这对传统评分卡不难,逻辑回归的变量权重是清晰的。但对大模型就是灾难。你问它为什么给这个客户打低分,它给你生成一段听起来很有道理但没法验证的文字——这在监管检查时过不了关。更麻烦的是1104报表体系,信贷数据要按监管口径逐项填报,AI如果参与了某笔业务的判断,这笔业务的分类逻辑怎么在报表里体现?目前没看到成熟的方案。
回归的变量权重是清晰的。但对大模型就是灾难。你问它为什么给这个客户打低分,它给你生成一段听起来很有道理但没法验证的文字——这在监管检查时过不了关。更麻烦的是1104报表体系,信贷数据要按监管口径逐项填报,AI如果参与了某笔业务的判断,这笔业务的分类逻辑怎么在报表里体现?目前没看到成熟的方案。说实话,我觉得很多银行在推AI进信贷的时候,压根没想这么细。科技部门想的是模型效果,业务部门想的是省人力,合规部门被甩在后面。现在监管把合规拉到台前,等于逼着三拨人重新坐下来对齐。
我的判断:AI在信贷的正确位置是"副驾驶",不是"自动驾驶"
把这几条红线连起来看,监管的意图很清楚:AI可以用在信贷流程的效率环节,比如材料预审、财报摘要、贷后舆情监测、合同要素提取,这些都是辅助性、非决策性的活。但一旦触达审批决策、额度定价、风险分类这些核心判断,就必须保留人工复核环节,而且这个复核不能流于形式。
我甚至认为,接下来银行内部会出现一个新的岗位或者职能——AI输出复核岗。就像当年网银普及后出现了电子银行部一样,AI进信贷后,得有人专门负责核对AI给出的结论有没有硬伤。这不是增加冗余,是风险管理的必要成本。
对银行从业者来说,现在最该做的三件事:第一,把你所在机构正在用的AI信贷工具列个清单,逐一对照监管要求判断属于哪一级风险场景;第二,凡是涉及客户数据出域的方案,尽早准备替代路径;第三,如果你是审批或风控岗,别把AI结论直接抄进报告,保留自己的独立判断记录,这在未来追责时可能是护身符。
技术不会停,但金融的底线从来不是效率优先。信贷这行当,快不等于对,AI再聪明,也替不了人承担那笔不良的责任。
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。
