易配宝北京银行代铁：积极打造以人工智能驱动的商业银行

专题：服贸会第七届中国金融科技论坛易配宝

　　中国国际服务贸易交易会-第七届中国金融科技论坛于2025年9月10日-11日在北京举行。主题为“科技赋能—金融业数字化转型与应用”。北京银行软件开发中心副总经理代铁出席并演讲。

　　各位领导、同仁，大家上午好，我来自北京银行。很高兴能够来到金融科技论坛，我今天分享的主题是人工智能赋能全面数字化经营，首先简单的介绍一下背景和趋势。

　　国家层面已经将人工智能纳入了国家战略，也明确提出要加强人工智能在金融等关键领域的应用。日前国务院印发的《关于深入实施“”人工智能+”行动的意见》，要求在科技、产业、消费等6个重点领域来深入实施，也提出了在2027年人工智能普及率到70%，2030年达到90%，2030年全面的普及三步走的明确目标。

　　今年年初的北京市政府工作报告也提出要实施人工智能+的行动计划，来推进双智城市建设。

　　金融行业作为强监管的领域，对于AI应用的可靠性和数据的隐私保护也提出了非常高的要求，今年6月人行发布了《中国人民银行业务领域数据安全管理办法》，对数据分级分类以及数据安全提出了明确的要求和规定。同时人行以及其他部委也是提出了一些行动方案指南和标准，对于企业的数字化转型提供了有力支撑。

　　简单回顾一下人工智能及大模型的发展历程，上世纪50年代，达特茅斯会议是人工智能的源起，历经了约70年的发展历程，2023年ChatGPT的横空出世也是掀起了大模型生态的浪潮。2024年是人工智能发展的峰口，百模大战进入白热化，今年初DeepSeeK的出现以及开源再次掀起了大模型应用的热潮，人工智能正迎来效率解放的爆发拐点，北京银行也是积极的探索和拥抱人工智能。

　　北京银行一直重视人工智能在各业务领域的应用和发展易配宝，总的发展历程可以分为3个阶段：

　　第一个阶段是在2018年到2020年，处于一个探索的阶段。当时的应用主要是为了解决一些具体业务流程的痛点问题，是以点状的方式来进行应用，比如说上线了语音识别，生物特征仓库的应用等等。

　　第二个阶段是2021年到2022年，构建智慧中台的阶段，我们也是以整合资源为战略目标完成了语音、图像、知识图谱、自然语言处理的各项能力，并进行了平台化的建设，打造了我们自己的智能中台，叫京智大脑。

　　第三个阶段是2023年到2025年，全面赋能业务的阶段。一方面我们是把已经积累的人工智能的能力，在各业务领域进行了应用，覆盖了营销、风控、运营、管理等各个业务场景，同时我们在大模型出现之后，积极接入，打造了自己的Maas平台和Agent智能体平台。

　　从今年开始，北京银行的数字化转型也从1.0进入到2.0阶段，即全面数字化经营的阶段。全面数字化经营有6个标志，分别是以客户为中心、以价值创造为导向，以数据挖掘为基础、以资源配置为能力、以科技创新为支撑，最重要的一点是以人工智能为动力。

　　在AI应用方面我们重点做好以下四方面工作。首先我们是积极推动AI与北京银行全行的“123456”战略进行深度融合。二是持续打造AI技术能力，加强前沿AI技术的引入和探索。第三是深化AI的应用赋能。我们打造4种模式，分别是“人+机器”的协同模式，“超自动化”的业务处理模型，“数字员工”的双客服务模式，以及“低代码”的辅助开发模式。同时人也是非常关键的因素，全行也在积极的打造人工智能的理念和文化氛围，鼓励员工以AI的思维去思考，让员工成为AI的受益者、践行者和推广者。

　　All in AI的战略，就需要一个AI+的体系进行支撑，北京银行积极构建了从下到上智算资源、模型赋能、平台支撑、应用落地四层架构。在算力层进行算力全部的纳管，动态监控和动态调度。

　　在AI能力层易配宝，我们打造AI中台，实现平台能力的工具化，让各业务流程能够快速的调用智能体能力，降低技术门槛，同时实现轻量化、精准化的任务处理。我们通过AI网关和Agent平台把大模型、小模型的能力以及业务流程进行了统一的整合和打通。打通人工智能向银行核心业务进行赋能的最后一公里，进行业务流程优化，提升客户服务体现，实现智能运营和智能办公。

　　我们基于金融操作系统进行了算力的统一纳管，同时支撑各类主流算力卡，各类主流的大模型，以及多个模型平台的算法。同时我们通过算力大屏来实现算力的监控和动态的资源分配。

　　依托统一的金融操作系统、统一的数据底座，我们把大小模型和纳管平台进行了统一整合，实现了AI能力的统一驱动，以高解耦、低结合的技术架构构建AI的能力。

　　目前我们也是积极打造以人工智能驱动的商业银行，通过大小模型的双轮驱动，初步形成了包括报告自动生成、归因分析，语音语义识别等20余项AI能力，同时也是打造了像尽调助手、智能财报助手，AI会议助手等100余项应用，为全行的高质量发展注入新的动能。

　　也简单介绍一下具体的业务场景，首先在银行核心的信贷业务领域，我们依托Agent智能体技术对接信用风险管理系统，使得客户经理在尽调报告编制时方便获取企业的基本情况，包括经营状况，融资担保等全口径数据。对于客户经理来说，能够方便高效的编制尽调报告，对于审批人员来说，降低了报告的审批难度。在应用效果方面，之前平均每个客户经理编制尽调报告大概需要3天时间，应用智能尽调生成之后，基本上一天之内就能完成尽调报告编制。

　　第二个应用场景，是在信贷风控的不良资产归因分析方面。一直以来我行面临着不良资产归因分析的数据散落在各个信贷业务流程领域，不便于形成一个全面的分析和归纳。我们也是应用了大模型+小模型的技术，用小模型进行意图识别，利用大模型进行不良调查报告的总结归纳，同时提供不良资产归因的智能问答，最终完成了发现问题、整改问题、杜绝问题的闭环。

　　第三个业务场景是营销拓客领域，我们的供应链数字化经营场景也是通过构建区域、行业、产业图谱，利用Agent深度检索的能力，针对整个供应链上下游的供应商，关系紧密程度、分支机构等指标，在一些银行授信，包括借款到期，包括应收账款临期等时点提供各种营销线索的推送。目前也是生成了万余条的营销线索，把以前只是单一的股权关系的商机推送升级到以实体供应链为主体的企业生态网络分析，大大提升了推送的准确度和全面性，支持一线客户经理进行链式营销拓客，掌握第一手的营销商机。

　　以上是北京银行在人工智能应用的一些探索，在探索过程中也有一些挑战与思考。

　　目前主要面临着以下几个问题：首先是目前的经济形势压力比较大，银行也面临着利差收窄，营收能力减弱的局面。其次就是人工智能，包括大模型算力以及模型投入对于中小型银行来说较高。另外我们也看到在2024年人工智能的应用是多点开花，而在2025年新场景的发掘也逐步的减弱，较难找到一个好的新的突破口，进一步加大了推进的难度和不确定性。

　　另外就是数据的问题，优质语料是大模型发展非常关键的一环。目前银行业也的数据量非常大，但是质量参差不齐，怎么做好全面数据治理工作也是一个挑战。同时数据不等同于一个好的训练语料，如何从数据挖掘生成语料直到形成优质的语料也有较大的难度。对于模型高质量数据集的建设以及训练存在实施工艺复杂、成本高、周期长的问题，一定程度上给人工智能的发展带来一定的压力。

　　然后就是关于人工智能的发展和监管匹配的要求，需要我们在数据的法律法规、科技伦理以及监管法规方面提供相关的保障，这都需要政策制度的支持。

　　最后就是对于中小银行如何使用好外部厂商的能力，大家知道大模型厂商迭代升级非常快，模型的迭代基本上小于3个月，最快的1个月就有多个版本，而对于银行业监管有自身稳定性的要求，要求模型稳定可控，同时对于一些场景需要一段时间的验证。如何破局呢？一方面我们需要厂商针对金融行业的特性，定制化的做一些金融行业大模型的解决方案。另外也是希望厂商和头部银行合作，共同来开展行业的评测认证，来推动金融行业人工智能标准的制定。

　　以上就是北京银行在推动人工智能上面的实践、探索、思考，不当之处请批评指正。

　　谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。