信贷审批这道关，AI只能当参谋，不能当签字人

AI在银行的应用红线，划的不是技术边界，是责任边界——凡是要有人签字担责的地方，模型就不能替他签。

过去两年，几乎每一家银行的科技条线都在讲大模型、讲智能体，信贷审批是被提得最多的场景。理由很充分：一个客户经理一天看十几份材料，模型三秒钟就能跑完工商、司法、流水、征信四路数据。听起来很美好。但我在跟几家股份行风控条线的人聊完之后，得到一个不太一样的结论：这个场景恰恰是最不能"想用就用"的那一类。

红线一：核心风控不能外包给一个不会坐牢的模型

这条线其实早就存在，只是很多人没往AI上套。《商业银行互联网贷款管理暂行办法》说得很清楚，商业银行不得将贷款管理的关键环节外包，核心风控必须自己做。2024年修订落地的"三个办法"里，贷前调查、贷中审查、贷后管理的主体责任，一条都没松。

问题是，当你把审批决策交给一个外部采购的模型，这件事的性质就变了。模型的训练数据是别人给的，特征工程是别人做的，连阈值都是别人调的——这在监管眼里，跟把授信审批外包出去有多大区别？我心想，很多行在采购智能风控系统时，压根没问过这个问题的答案。

更现实的一层：出了不良，追责追到谁头上？客户经理？审批人？还是那个连参数都说不清楚的供应商？信贷责任是终身追责的，模型不会。所以我的判断是，AI可以在贷前调查里做材料交叉核验，可以在贷后管理里跑预警信号，但审批意见书上那个"同意"两个字，必须是人按下去的。

红线二：拒贷必须给得出理由，而黑箱给不出

这条最容易被低估。央行2021年发布的《人工智能算法金融应用评价规范》（JR/T 0221-2021）里，可解释性是明确的评价维度。消保那条线更硬——客户被拒贷，有权知道原因。

我知道一家城商行的真实情况：小微评分卡用了梯度提升树，跑出来KS值挺好看，AUC 0.78，比原来那张逻辑回归卡强不少。后来监管检查，要求提供典型拒绝案例的特征贡献说明，科技部门给了一张SHAP图，业务部门看了半天说"我看不懂，客户更看不懂"。最后这张卡被要求整改，模型保留、但输出必须附人工复核意见和可读的拒绝理由。

说白了，银行的风控不是做一个预测准确率比赛，是要在事后能复盘、能举证、能向客户解释。一个说不出"为什么拒你"的模型，在监管眼里就是不达标，哪怕它比人准。

红线三：数据出域，比模型不准危险一百倍

2024年12月发布的《银行保险机构数据安全管理办法》，2025年6月1日正式施行，把数据分类分级、出境出域、第三方合作全链条都管起来了。这一条对AI应用的杀伤力，其实比很多人意识到的要大。

我见过最典型的一幕：某支行为了写一份行业调研，员工把客户名单和授信余额粘进了公有云大模型的对话框。这事听起来低级，但它不是个例。现在的生成式AI用起来太顺手了，顺手到没人记得这是一次数据出域行为。

反过来看，那些把大模型部署在行内私有环境、做了数据脱敏和调用审计的银行，成本并不低——一次私有化部署加运维，年化投入常常在千万级。这笔账，得用后面几年的合规成本去对标，不能只算当年的科技预算。

红线四：生成内容的幻觉，在营销和催收场景是硬伤

《人工智能生成合成内容标识办法》2025年9月1日施行，要求AI生成内容必须标识。落到银行身上，营销文案、客服话术、投顾材料，凡是模型生成的，都要能追溯、要打标。

贷后催收更敏感。2024年中国互联网金融协会发布的催收业务指引，对催收话术、频次、时间都有明确约束。如果让模型自动生成催收短信，它可能在某一次就写出带威胁意味的表述——这不是技术bug，这是合规事故。反正我不敢在这个环节让模型全自动跑。

那AI到底还能用在哪儿？我的分层判断

我的看法是，别把红线理解成"不许用"，要理解成"分层用"。银行业对AI的治理，本质是做场景分类，不是做技术封杀。

决策类场景——授信审批、额度定价、拒贷、账户管控、可疑交易认定，这些直接产生法律后果的动作，AI只能出建议，人在环上，且必须留痕到具体的人。辅助类场景——贷前材料核验、财报勾稽校验、贷后预警、合同审查、1104报表的口径校验，这些是提效的主战场，AI可以跑在前面，人做终审。生成类场景——文案、摘要、会议纪要、代码，全面放开但必须标识、必须可追溯、必须内部部署或脱敏调用。

这个分层不是什么新发明，很多行的信息科技部门其实心里有数，缺的是把它写成制度、落到系统权限上。说实话，我看到的大部分"AI应用管理办法"，写的都是鼓励创新的部分，风险那一半基本是抄来的通用条款，落不到具体的模型台账上。

该动手的三件事

第一，把模型台账建起来。现在很多行的AI应用是散在各个部门的，风控有评分卡、零售有营销模型、运营有OCR，谁在用、用在哪一步、输出怎么被人复核，一张表都拉不齐。台账不建，红线就是一句口号。

第二，重审外包清单。凡是把核心风控逻辑、客户数据、模型参数交出去的合同，都要重新过一遍。这一条建议由合规牵头，科技配合，别让科技自己审自己。

第三，把AI风险纳入操作风险管理框架。模型误判导致的拒贷投诉、催收投诉、数据泄露，本质上都是操作风险事件，该走的损失数据、该报的事件，一条都不能漏。这样做了，等到检查来的时候，你手里是有东西的。

AI在银行的价值，从来不是替代那个签字的人，而是让签字的人少犯错、快一点签。想清楚这一点，红线就不难画了。

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。