当前,人工智能、大模型等新一代数字技术快速发展,正全方位重塑金融服务模式和行业发展格局。人工智能在提升服务质效、优化客户体验、筑牢风控屏障、驱动运营模式变革等方面展现出重要价值,已成为各类金融机构推进数智化转型的重要抓手。
人工智能在金融领域深入应用的过程中,也衍生出数据安全、模型可靠、应用治理等新的挑战。如何在释放技术创新红利的同时,保障金融业务安全稳健运行,探索适配金融行业特点的人工智能落地路径,是全行业共同关注、亟待破解的重要课题。
近年来,围绕人工智能赋能金融高质量发展这一主线,兴业银行信用卡中心持续推动人工智能技术与业务场景深度融合,搭建起以场景牵引为基础、能力建设为支撑、组织协同为保障、安全治理为底线的 AI 应用体系,积极探索金融业数智化转型实践路径。
立足场景牵引
推动人工智能从技术试点走向业务赋能
人工智能应用的核心不在于技术本身,而在于能否解决实际业务痛点。金融机构业务链条长、覆盖服务场景多元,在客户服务、精准营销、运营管理、风险管控等领域存在大量智能化改造需求。实践过程中,兴业银行信用卡中心锚定业务价值核心导向,优先选择痛点突出、高频复用、数据基础完善的场景开展探索,避免人工智能应用停留在技术展示层面。
一方面,依托人工智能优化重复性业务流程,大幅提升信息处理效率。针对海量业务交互信息依赖人工整理的问题,采用语音识别、大语言模型等技术解析非结构化信息,自动完成内容总结、关键信息提取,为业务决策提供辅助支持。
另一方面,借助人工智能强化数据洞察能力,推动业务管理模式从依赖经验判断向数据驱动决策转变。经过多轮实践打磨,人工智能逐步由单点工具应用拓展至多业务场景赋能,实现技术供给与业务需求的精准匹配。
强化能力建设
推动人工智能由单点建设迈向体系化发展
人工智能规模化应用离不开完备的底层能力体系支撑。仅依靠单一项目建设,难以满足金融业务多场景、长周期的发展需求。为此,兴业银行信用卡中心围绕“模型 + 知识 + 工程”三大人工智能基础能力,一体建设、统筹推进:
一是加强通用能力建设。通过平台化方式沉淀模型调用、知识管理、流程编排等通用能力,降低不同场景重复开发成本,提高人工智能应用建设效率。
二是加强知识资产沉淀。梳理归集业务规则、实操经验和标准化流程,形成可复用、可迭代的知识资源,为人工智能持续优化提供底层支撑。
三是推动能力组件化。将成熟落地项目中的技术能力进行抽象和封装,实现人工智能能力跨业务领域快速复用,完成从“建设单一应用”向“批量输出标准化能力”的转变。
完善协同机制
提升人工智能创新成果落地转化效能
人工智能应用落地是一项业务与技术双向联动的系统性工程。只有建立高效协同机制,才能保障人工智能解决方案匹配业务需求。
对此,兴业银行信用卡中心探索构建“需求挖掘—技术研判—联合共建—推广应用”闭环协同机制。业务团队立足一线实操挖掘需求、明确智能化改造预期成效;技术团队负责研判技术可行性、完成方案设计和工程开发落地。双方常态化开展沟通复盘,根据实际使用效果持续优化应用功能。同时,通过专项培训、经验共享和案例复制等方式,推动更多业务人员参与人工智能创新工作,有效提升组织整体人工智能应用水平。
严守安全治理
保障人工智能合规可信落地
金融行业数据敏感度高、风险管控要求严苛,人工智能应用必须坚守安全可控原则。在数据层面,落实数据安全管控,规范数据使用流程,确保数据应用符合监管要求;在模型层面,加强模型应用管理,通过效果验证、人工审核和动态迭代等方式,保障模型输出稳定可靠。
此外,持续完善人工智能应用治理机制,强化应用过程监督和风险管控,统筹技术创新与风险治理,实现人工智能价值释放与金融安全的协调统一。
探索人工智能
赋能金融发展的可复制实施路径
人工智能赋能金融高质量发展是一项长期性、系统性工程,需要技术创新、业务落地和风险治理协同发力。结合实践经验,金融机构推进人工智能应用可以重点关注三个方面:
一是坚持价值导向。以真实业务需求为出发点,优先选择具有实际应用价值的场景,避免技术与业务脱节。
二是坚持能力沉淀。将成熟实操经验、标准化技术组件和专业业务知识转化为可复用资产,支撑人工智能应用规模化推广。
三是坚持安全可控。搭建覆盖数据、模型和应用全过程的治理体系,保障人工智能合规稳健运行。

人工智能赋能金融高质量发展实践路径
供稿:兴业银行信用卡中心
原文刊载于公会会刊《上海银行同业》2026年9月