AI銀行白皮書Contents摘要03執(zhí)行摘要041重新定義AI銀行——從工具到生態(tài)的戰(zhàn)略升維052發(fā)展趨勢——全球視野與中國實踐的融合共振073安永*AI銀行成熟度評估體系184實施路徑——基于成熟度的精準導航315結論——邁向以人為本的智能金融未來37*安永（中國）企業(yè)咨詢有限公司“革命的核心生產(chǎn)力。本白皮書提出，AI銀行的本質是以熟度評估模型”，為中國金融機構描繪了一條從工具化應正為全球智能金融發(fā)展提供獨特樣本。執(zhí)行摘要我們正站在一場金融業(yè)百年變革的起點。AI，特別是智能體技術，不再是遙本白皮書的核心洞察在于：重新定義：重新定義：AI銀行是“智能驅動的增長引擎+自主運行的風險體系+人機協(xié)同的組織范式”。它不止于“更數(shù)字化”，而是致力于成為嵌入千行百業(yè)的“智能價值單元”。中國路徑：在“安全穩(wěn)妥有序”的頂層設計下，中國銀行業(yè)正以驚人的速度推動AI規(guī)?；涞亍膰写笮械钠脚_化賦能，到股份制銀行的旅程智能化，再到區(qū)域性銀行的深耕細作，一條分層創(chuàng)新、多元探索的中國特色道路已然清晰。評估與導航：安永提出的“五階成熟度模型”（試點、應用、流程重構、業(yè)務融合、超智能原生體），為機構提供了診斷當前坐標、規(guī)劃未來航線的系統(tǒng)性工具。成功跨越成熟度關卡，關鍵在于實現(xiàn)客戶經(jīng)營、風險管理和可信治理三大核心能力的同步躍遷。行動指南：轉型成功依賴于將技術戰(zhàn)略與業(yè)務戰(zhàn)略深度融合。我們?yōu)椴煌A段的銀行提供了具體的進階路徑、組織變革方案與生態(tài)合作策略，其核心是構建“價值可衡量、治理內嵌化、能力生態(tài)化”的可持續(xù)創(chuàng)新體系。我們深信，以AI為代表的數(shù)字技術，正在重構金融服務的“軀體”與“靈邁向一個更智能、更普惠、更可信的金融未來。4AI銀行白皮書：智能體驅動金融范式重構重新定義重新定義AI銀行從工具到生態(tài)的戰(zhàn)略升維1.1范式革命：告別“數(shù)字賦能”，擁抱“智能原生”過去十年，銀行業(yè)的主題是“數(shù)字化”，即將線下流程遷移至線上。然而“人驅動業(yè)務”的本質。今天，以生成式AI和智能體為代表的技術浪潮，推動我們“智能原生”時代。其核心特征是：業(yè)務在誕生之初，即由數(shù)據(jù)和智能行。AI不再僅是提升舊模式效率的“工具”，而是催生新模式的“生產(chǎn)環(huán)境AI技術在銀行業(yè)的規(guī)模化落地已具備戰(zhàn)略緊迫性，核心源經(jīng)濟向智能原生形態(tài)演進，銀行若滯留于數(shù)字化工具應用階段，將喪失嵌入實體值鏈的核心契機；傳統(tǒng)人力驅動的運營模式面臨成本與效率的雙重瓶頸，數(shù)據(jù)壁標準化服務體系無法適配新一代用戶的核心訴求；全球金融同業(yè)與科技主體加速布局AI生態(tài)，行業(yè)競爭維度升級為智能能力的博弈，遲滯轉型將直接削弱銀行的市場競中國視角：中國龐大的市場、豐富的場景和活躍的了全球獨一無二的試驗場。從移動支付時代的跨越式發(fā)展，到今天在AI金融應用上1.2核心定義：智能體驅動的價值重構安永認為，AI銀行是面向未來的數(shù)字化銀行新范式，由三大核心能力構成：智能驅增長引擎、自治運行的風險管理體系與人機協(xié)同的在這一范式下，AI銀行以先進的機器學習與大規(guī)模生成式智能體（AIAgent）為功能單元，構建實現(xiàn)從實時感知到自動決策、再到自動執(zhí)行的全流同時在可解釋性、可審計性與可監(jiān)管性框架下，建管理體系，將技術創(chuàng)新與風險管理同步嵌入業(yè)務流程，形成安全可控、業(yè)務領5AI銀行白皮書：智能體驅動金融范式重構1.3三維顛覆：對銀行經(jīng)營的根本性重塑傳統(tǒng)銀行方式AI銀行范式傳統(tǒng)銀行方式AI銀行范式從“被動響應式”到“主動預測試”從“靜態(tài)盾牌”到“免疫系統(tǒng)”從“金字塔”到“前哨網(wǎng)絡”1.4AI應用的挑戰(zhàn)與價值收益金融機構在人工智能技術的落地實踐中，正面臨著技術同時也在運營與客戶價值維度收獲著顯著回報數(shù)據(jù)質量是金融機構推進AI解決方案時遭遇的最核心瓶頸，絕大多數(shù)金融機構將其列為關鍵挑戰(zhàn)。數(shù)據(jù)可用性與訓練數(shù)據(jù)的適配問題也被多數(shù)機構提及，成為緊隨其后大難題。組織與技術層面的制約同樣突出：企業(yè)內部關鍵利益相關方的支持缺失技術基礎設施的薄弱，均是AI落地的重要障礙。而在數(shù)據(jù)質量的具體痛點中，幾乎所有金融機構都認為“嘈雜、不及時、不準確且適應性差的非標準化數(shù)據(jù)”是部署AI的首要盡管挑戰(zhàn)重重，AI技術仍為金融機構帶來了極具價值的業(yè)務回報。應用AI的核心收益集中體現(xiàn)為運營效率的提升、運營成本的優(yōu)化，以及客戶體驗與服務觸達的深度AI用例的實踐結果來看，金融機構對AI應用場景的開發(fā)與部署投入，正是基于對這類核6AI銀行白皮書：智能體驅動金融范式重構發(fā)展趨勢發(fā)展趨勢全球視野與中國實踐的2.1全球趨勢：聚焦治理、人才與規(guī)模化挑戰(zhàn)隨著生成式人工智能與智能體技術加速成熟，全球領先銀行的A階段。行業(yè)關注點正從“是否應用AI”轉向“如何構建可持續(xù)、可治理（一）治理先行：從“應用AI”到“管理AI”當AI深度介入信貸審批、定價、反欺詐等核心業(yè)實踐表明：部分銀行在推行AI治理框架后，在AI應用數(shù)量增長的情況下，模規(guī)事件未同比增加，內部審計介入頻率反下結論：AI規(guī)?；年P鍵并非技術成熟度，而是治理成熟度。缺乏“可被監(jiān)管的AI”，就難以實現(xiàn)“可被廣泛使用的AI”。7AI銀行白皮書：智能體驅動金融范式重構（二）人才重構：從“技術團隊”到“業(yè)務共同體”案例顯示：部分銀行通過培養(yǎng)“懂業(yè)務的AI負責人”，推動業(yè)務策略與模型設結論：AI轉型本質是組織與能力重塑。成功不取決于算法先進與否，而取決于“由誰應用、由誰負責、由誰兌現(xiàn)價值”。（三）規(guī)?；缭剑簭摹霸圏c成功”到“體系化運營”“試點眾多而規(guī)?；蛔恪背蔀樾袠I(yè)普遍挑戰(zhàn)：n約60–70%的銀行在完成10個以上AI試點后，仍難以實現(xiàn)跨業(yè)務復制。n規(guī)?；款i多源于缺乏統(tǒng)一平臺、運營機典型實踐：部分銀行通過集中化AI運營平臺管理多個用例，將模型復用率提升位，單位用例邊際成本降低顯著，整體AI投資在平均1結論：AI價值實現(xiàn)取決于是否“作為核心能力運營”，而非“作為孤立項目交付”。小結：對中國銀行業(yè)的啟示這些趨勢與中國銀行業(yè)面臨的監(jiān)管要求、經(jīng)營壓力及轉型需求高度契合，8AI銀行白皮書：智能體驅動金融范式重構2.2未來發(fā)展從AI輔助人服務客戶到人輔助AI服務客戶銀行業(yè)的AI服務正迎來顛覆性變革，從當下AI僅作為工具輔助人工對接客戶，逐步邁向未來由人類賦能AI、讓AI成為客戶服務主角的全新階段。從AI輔助員工完成客戶服務的初級應用，到人類轉而輔助AI服務客戶的深度轉型，銀行的智能化服務正在完成從“工具賦能”到“主體革新”的跨越。當下銀行還處于AI為員工搭臺的服務階段，而未來的金融服務圖景里，人類將退居幕后為AI賦能，讓AI直接成為服務客戶的核心載體。(詳見圖2.2.1與圖2.2.2)(圖2.2.1)(圖2.2.2)未來銀行業(yè)的智能化演進終將指向通用人工智能金融場景的落地適配，傳統(tǒng)銀行的科層制組織架構將迎來本質性重構。下圖是AIBANK組織架構圖(詳見圖2.2.3)，正是對AGI時代銀行治理與運營模式的前瞻性具象化表達：架構以AI決策中樞為核心大腦，聯(lián)動風控、技術、倫理等專業(yè)委員會形成頂層治理體系，再通過海量AI智能體組成的應用群完成前端業(yè)務執(zhí)行，構建起“決策-監(jiān)管-執(zhí)行”的智能閉環(huán)。這一架構不僅打破了傳統(tǒng)銀行的部門壁壘，AI成為業(yè)務運轉核心載體、人類聚焦戰(zhàn)略治理與價值優(yōu)化的金融服務新圖景，為銀行(圖2.2.3)9AI銀行白皮書：智能體驅動金融范式重構2.3中國政策：在“穩(wěn)妥有序”中加速“人工智能+”新數(shù)據(jù)顯示，2024年中國金融行業(yè)AI和生成式AI的投資規(guī)模為196.94億元；生成式AI平臺及應用解決方案的市場規(guī)模約9.14億元，預計未來三年將快速增長，在2027年達到35億元2。這一數(shù)據(jù)的背后折射出一個核心事實：AI已不再是銀行APP里的錦上添戰(zhàn)略動能：國家層面《“人工智能+”行動規(guī)劃中對數(shù)據(jù)要素、現(xiàn)代產(chǎn)業(yè)體系的強調，為金融AI提供了空前的場金融行業(yè)監(jiān)管層面，中央監(jiān)管機構聚焦頂層設計與風險底線，持續(xù)完善制度供外，北京，上海，深圳，廣州，香港等地則結合區(qū)域產(chǎn)業(yè)基礎和發(fā)展需求，積規(guī)劃搭建了金融數(shù)智化的四梁八柱；并先后發(fā)布《人工智能算法金融范》、《金融領域科技倫理指引》與《人工智能算法金融應用信息披露指南》，n國家金融監(jiān)督管理總局（下稱“金管總局”）在2024年發(fā)布的《關于銀行業(yè)保險業(yè)做好金融“五篇大文章”的指導意見》要求銀行機構在風險可控的n金管總局對AI帶來的新型風險保持高度警惕，在2024年發(fā)布的《銀行保險機構數(shù)據(jù)安全管理辦法》中提出銀行保險機構開發(fā)應用人工智能模型應當進北京，上海，深圳，廣州和香港等地呈現(xiàn)出“因地制宜、百花齊放”的態(tài)北京作為國家金融管理中心，發(fā)布《北京市推動數(shù)字金融高質量發(fā)展上海作為國際金融中心，在《上海國際金融中心建設“十四五”規(guī)劃》及《上海高質量推進全球金融科技中心建設行動方案》中明確支持包括人工智能、隱私計算等技術在內的“原創(chuàng)性技術研究”，鼓勵上清所利用AI提升跨境支付結算效率，關注底層技術突破與金融基礎深圳作為跨境融合與供應鏈金融高地，先后發(fā)布《關于做好數(shù)字金融大文章支持打造“數(shù)字中國”深圳樣板的實打造港深全球金融科技中心的行動方案（2025-2027）年》，鼓勵金融機構充分運用人工智能、大數(shù)據(jù)、云計算等數(shù)字技術，并提出港深廣州作為全國首個出臺投顧業(yè)態(tài)地方政策性文件的城市，發(fā)布《廣州市大力推動AI投顧發(fā)展的若干措施》，旨在破解AI投顧規(guī)模化發(fā)展的核心瓶頸，推動金融科技賦能資本市場投資端改革和財富管理行業(yè)向香港金融管理局（下稱“香港金管局”）于2019年7月啟動了全行業(yè)2024年，金管局更新了與人才發(fā)展相關的《監(jiān)管政策手冊》，建議銀2025年發(fā)布《未來銀行能力建設2026-20潛在的人才缺口，并指出未來銀行業(yè)專業(yè)人才需重點具備三類核心知識與技能，包括人工智能、數(shù)據(jù)與網(wǎng)絡安全方面的專業(yè)技能，人機協(xié)作與以人為本的軟技能，以及可持續(xù)金融相關風險管理與新興市場領122.4中國實踐：AI應用探索與智能體躍遷應用實踐，并逐步邁向以智能體構建與協(xié)同為核心的新階段，致力于重塑架構與流2.4.1中國銀行業(yè)AI應用體系全景基于對行業(yè)實踐的深入觀察，本報告從銀行業(yè)使命出發(fā)，構建了以“GrowtheBank”核心的AI應用體系。該體系具體展開為以下四大關鍵領域，旨在為金融機構的AI戰(zhàn)略布n客戶經(jīng)營與增長：聚焦“Grow”，從精準觸達到來源：公開資料，安永分析13AI銀行白皮書：智能體驅動金融范式重構1)客戶經(jīng)營與增長：從“交易處理”到“價值共生”AI正深刻改變銀行與客戶的互動模式，推動客戶經(jīng)營與增n交互模式的智能化變革：以“對話即服務”、“智能客服與數(shù)字員工”，打破了傳統(tǒng)菜單與表單的交n人+AI的協(xié)同服務體系：構建了線上線下一體化的服務新生態(tài)，突破了物理網(wǎng)點與時間的限制。n營銷與服務的深度智能化：“智能營銷助手”通過整合內外部數(shù)據(jù)，構建客戶畫像速寫，AI能夠實時解讀客戶行為，動態(tài)生成“一人一策”的溝通話術、資產(chǎn)配置建議與產(chǎn)品組合，將大眾化營銷推向個人化陪伴。AI正從金融場景向外延伸，通過垂直領域智能體將銀行服務深度嵌入客戶的生產(chǎn)與生活場景，從“金融專家”升級為“行業(yè)伙伴”與“生活助手”，構建全新的客戶價值主張。n金融市場業(yè)務的智能化突破：“同業(yè)間資金交易智能機器人”與“金融市場對話式交易”表明，AI的賦能力量同樣深入銀行間市場、資金交易等專業(yè)領域，通過自動化與智能化大幅提升專業(yè)效率和風險控制精度。(圖2.4.1)14AI銀行白皮書：智能體驅動金融范式重構2)風險與合規(guī)管理：從“人防”到“智防”的堅固防線在強監(jiān)管與高風險并存的金融業(yè)，AI在風控與合規(guī)領域的應用已成為銀行穩(wěn)健經(jīng)營的n信用風險的穿透式管理：“授信全流程智能化”貫穿貸前、貸中、貸后。“信貸盡調報告助手”可快速分析海量企業(yè)信息；“智能合規(guī)審查”與“信貸審批合稿輔助”提升審批質量與效率；“智能風險監(jiān)測與預警”實現(xiàn)持續(xù)、動態(tài)的風險管理。n交易與操作風險的實時防御：“反洗錢智能監(jiān)測”與“反欺詐智能監(jiān)測”能夠實時分析每筆交易，利用圖計算與機器學習，從億萬級流水數(shù)據(jù)中精準識別可疑模式，將洗錢、欺詐等風險的防控從“事后舉報”推向“事中攔截”。n合規(guī)管理的智能優(yōu)化：“制度智能管理”、“合規(guī)風險監(jiān)測”等應用，幫助銀行在日益復雜的監(jiān)管環(huán)境中從容應對。AI能夠自動解讀監(jiān)管規(guī)則，檢查內部控制的完備性，輔助生成合規(guī)報告，使銀行從被動滿足監(jiān)管要求，轉向主動管理合規(guī)風險。(圖2.4.2)15AI銀行白皮書：智能體驅動金融范式重構3）運營與財資管理：從“流程優(yōu)化”到“智能決策”n知識工作“超級助理”：“企業(yè)級知識問答平臺”、“智能寫作與公文潤色”、“全流程會議策劃與紀要生成”等應用，直接賦能銀行最核心的知識工作者。AI成為每位員工的“超級助理”，接管了信息檢索、內容起草、文書整理等大量重復性、高耗時工作，釋放人力聚焦于分析、決策與創(chuàng)新。n后臺工作流智能化：“業(yè)務智能審核”、“企業(yè)合同管理”、“財務文件自動審查”等，通過NLP與OCR，實現(xiàn)對合同條款、發(fā)票憑證、交易背景的自動核對與風險提示。n財資管理的智能決策中樞：“財資智能報告”支持高管以自然語言交互問答，高效輔助決策?！爸悄茴A測與調配”對全行現(xiàn)金流進行滾動預測，實現(xiàn)資金頭寸的智能預警與優(yōu)化配置?！皠討B(tài)風險對沖”基于市場數(shù)據(jù)實時模擬利率、匯率波動對資產(chǎn)負債表的影響，為對沖策略提供量化支持。4)科技與數(shù)據(jù)基建：從“支撐系統(tǒng)”到“核心驅動引擎”前臺應用的規(guī)?；瘎?chuàng)新，依賴于堅實、敏捷、智慧的科技與數(shù)據(jù)基座。AI本身nAI原生基礎設施：大型銀行正從采購外部模型轉向構建自主可控的AI底層能力，包括建設“全棧自研金融大模型技術體系”、“AI算力管理平臺”以及“智能體開發(fā)平臺”，這些平臺為上層智能應用提供高性能、低成本、安全合規(guī)的模型訓練與推理服務，是銀行智能化轉型的“操作系統(tǒng)”。n數(shù)據(jù)價值的深度激活：“企業(yè)級知識庫管理”、“合成數(shù)據(jù)創(chuàng)建”、“數(shù)據(jù)資產(chǎn)檢索優(yōu)化”直指AI時代的兩大核心挑戰(zhàn)：高質量數(shù)據(jù)供給與知識高效利用。銀行正將散落各處的非結構化文檔轉化為結構化的“知識元件”，并通過合成數(shù)據(jù)技術解決數(shù)據(jù)隱私與匱乏問題，讓數(shù)據(jù)真正成為可被大模型理解與調用的資源。n研發(fā)范式變革：“智能化代碼審查補全”、“測試用例生成器”、“研發(fā)智能助手”等，將AI深度融入軟件開發(fā)生命周期。開發(fā)者與AI結對編程，效率與代碼質量雙雙提升，科技交付能力發(fā)生質變。16AI銀行白皮書：智能體驅動金融范式重構2.4.2智能體躍遷從“AI賦能”到“AI原生”國領先銀行的探索正邁向新階段：從使用AI工具優(yōu)化流程，轉向以智能體（Agent）為構建：“多智能體協(xié)同”與“AI操作系統(tǒng)級n多智能體協(xié)同：未來的智能體不是孤立工具，而是能夠根據(jù)任務自動組合、協(xié)同作戰(zhàn)的“數(shù)智軍團”。其價值在于打破部門墻，形成面向復雜目標的“群體智能”。8nAI操作系統(tǒng)級管控：智能體的規(guī)?；瘧茫笠粋€統(tǒng)一的“AI操作系統(tǒng)”，實現(xiàn)對智能體生命周期、任務調度與合規(guī)性的生態(tài)級管控。其根本價值在于AI成為推動銀行高質量、可17AI銀行白皮書：智能體驅動金融范式重構安永AI銀行成熟度評估體系3.1模型介紹：五階演進，定義未來為幫助機構精準定位，我們構建了安永AI銀行成熟度評估體系。該模核心特征成為“AI超智能原生體”，業(yè)務決核心特征成為“AI超智能原生體”，業(yè)務決策、風險控制、客戶服務等所有環(huán)智能體角色生態(tài)組織者超智能原生體智能體角色生態(tài)組織者超智能原生體智能體角色業(yè)務驅動者核心特征智能體角色業(yè)務驅動者AI原生業(yè)務出現(xiàn)，組織重構，驅動新收入業(yè)務整合期AI原生業(yè)務出現(xiàn)，組織重構，驅動新收入核心特征核心流程（如信貸）實現(xiàn)AI閉核心特征核心流程（如信貸）實現(xiàn)AI閉環(huán)，驅動增長與風控優(yōu)化智能體角色流程協(xié)作者流程重構期流程重構期核心特征多場景效率提升，節(jié)約人力成本智能體角色專業(yè)助手場景應用期核心特征多場景效率提升，節(jié)約人力成本智能體角色專業(yè)助手場景應用期L1智能體角色被動工具核心特征試點探索期智能體角色被動工具核心特征單點工具試用，價值不明確AI銀行成熟度評估體系AI銀行成熟度評估體系18AI銀行白皮書：智能體驅動金融范式重構3.2評估維度：五大視角，全面洞察“組織與人才技術架構智能體模型生態(tài)AI化進程評估19AI銀行白皮書：智能體驅動金融范式重構智能體成熟度：從執(zhí)行規(guī)則到復智能體成熟度：從執(zhí)行規(guī)則到復雜推理、自主進化的能力躍遷智能體成熟度是AI銀行轉型的核心衡量維度，其從L1到L5的演進，是從被動規(guī)超智能原生體L5超智能原生體L5（超智能原生體）：智能體進化為超智能原生體，作為金融生態(tài)的核深度對接外部產(chǎn)業(yè)生態(tài)的多源數(shù)據(jù)與能力，自主完成生態(tài)資源調配、價值分風險推演。這一階段的核心是智能體成為銀行的"首席數(shù)據(jù)科學家"與"首核心角色，從全行經(jīng)營歷史數(shù)據(jù)中發(fā)現(xiàn)人類專家未察覺的深層模式，形成創(chuàng)業(yè)務整合期L4業(yè)務整合期L4（業(yè)務整合期）：智能體成為業(yè)務創(chuàng)新引擎，可挖AI原生金融產(chǎn)品，并實現(xiàn)跨部門能力協(xié)同。這一階段的核心是智能體系統(tǒng)開始具備自治理能力，在完成任務的同時可以實時監(jiān)控自身運行狀流程重構期L3流程重構期L3（流程重構期）：智能體擁有跨環(huán)節(jié)流程協(xié)作與動態(tài)場景應用期場景應用期）：可在特定場景（如財富推薦、信貸初審）擔任專業(yè)工數(shù)據(jù)處理工作量。這一階段的核心在于"工具生態(tài)能體需要掌握多種能力，包括結構化查詢、非結構化試點探索期試點探索期）：與推理能力，是依附單一環(huán)節(jié)的機械化工具。20AI銀行白皮書：智能體驅動金融范式重構2數(shù)據(jù)與模型生態(tài)：從數(shù)據(jù)孤島到實時資產(chǎn)、從單一模型到模型工廠的演進2在銀行數(shù)字化轉型中，數(shù)據(jù)與模型是核心戰(zhàn)略資產(chǎn)。其管理及應用能力的演銀行的智能化與業(yè)務創(chuàng)新水平。傳統(tǒng)的數(shù)據(jù)孤島與煙囪式AI應用已難以滿足與實時風控等需求。銀行數(shù)據(jù)與模型生態(tài)的發(fā)展根據(jù)五個階段，呈現(xiàn)出從局超智能原生體L5（超智能原生體）：此為最高階段，銀行構建開放智能金融生態(tài)，核心特點聯(lián)、持續(xù)自進化”。數(shù)據(jù)上，銀行作為節(jié)點，在安全前提下與外部伙伴協(xié)同，形成跨領域全景數(shù)據(jù)視圖，驅動社會級創(chuàng)新。模型上，模型工廠演進為開放式AI生態(tài)平臺，支持部模型部署、聯(lián)合建模與聯(lián)邦學習，并通過模型市場等輸出能力。生態(tài)內模超智能原生體業(yè)務整合期L4（業(yè)務整合期）：該階段實現(xiàn)AI與核心業(yè)務深度融合，標志為“智能原生、價值創(chuàng)造”。AI已內生于業(yè)務流程，直接驅動規(guī)?；瘍r值。數(shù)據(jù)層面，企業(yè)級數(shù)據(jù)中臺支持實時服務，數(shù)據(jù)完成資產(chǎn)化轉化，并通過API安全流通。模型層面，企業(yè)級模型工廠實現(xiàn)全生命周期自動化管理，支撐流水線生產(chǎn)與持續(xù)優(yōu)化。大術突破催生超級智能客服等新一代應用。銀行形成“數(shù)據(jù)資產(chǎn)”與“模型工廠”雙輪業(yè)務整合期流程重構期L3（流程重構期）：此階段AI轉變?yōu)闃I(yè)務流程核心驅動，核心特點程嵌入、自動決策”。數(shù)據(jù)上，企業(yè)級數(shù)據(jù)中臺基本建成全域匯聚、標準治理與準實時流動，數(shù)據(jù)資產(chǎn)管理意識提升。模型上，AI深度嵌入信貸審批、理財推薦等端到端流程，催生模型工廠雛形。準化框架、自動化特征工程與初步運維平臺，重視模型風險管理，流程重構期場景應用期L2（場景應用期）：基于試點成功，AI進入特定場景數(shù)據(jù)平臺，打通相關業(yè)務線數(shù)據(jù)以支持智能風控、精準營銷等，但跨部門數(shù)據(jù)流動仍有壁壘。模型上，針對關鍵場景開發(fā)并上線獨立模型，開始關注性能監(jiān)控，但模型開發(fā)、部署與運維仍較割裂，復場景應用期）：試點探索期各類數(shù)據(jù)分散、整合度低、質量不一，以離線批處理模型上，僅圍繞反欺詐、流失預測等單點場景進行型探索，模型生命周期管理與風險管理幾近空白，工。該階段重在驗證技術可行性、積累經(jīng)驗，但范圍有限、試點探索期21AI銀行白皮書：智能體驅動金融范式重構3組織與人才：業(yè)務科技融合的文化與組織變革3AI重塑銀行的本質，不僅是技術的迭代，更是生產(chǎn)力和生成關系的融合范革。組織與人才成熟度作為衡量AI銀行轉型的核心維度，其從L1到L5的超智能原生體）：超智能原生體大量決策與執(zhí)行由“AIAgent”獨立完成，人類退居幕后擔任倫理與戰(zhàn)略治理者。人才機構呈松樹型高密度，僅保留頂尖戰(zhàn)略家與倫理專家，組織擴張不再依賴招業(yè)務整合期L4（業(yè)務整合期）：液態(tài)組織模式，基于目標動態(tài)組隊，層制解體，創(chuàng)新不再由指令驅動，而是由一線員工結合AI能力自下而上涌現(xiàn)。人才結構呈倒鉆石型，初級操作崗被替代，具備AI思維的專家成為主力，AI成為驅動業(yè)務增長的第一生產(chǎn)力，績效考核不再局限于個人，而是“人+AI”綜合效能。業(yè)務整合期流程重構期L3（流程重構期）：聯(lián)邦制協(xié)同模式，組建跨職能“層制備打破，每個戰(zhàn)隊都擁有端到端的決策權。復合型人才崛起，品經(jīng)理與業(yè)務架構師成為連接技術與場景的樞紐，AI嵌入核心流程成為“協(xié)作者”，人才結構向倒鉆石型過渡，考核機制開始覆蓋跨職能團隊的流程重構期場景應用期），力。科技與業(yè)務組織邊界依然清晰，呈“接單式”服務專業(yè)化分工初顯，科技側引入算法工程師，業(yè)務側出現(xiàn)“場景應用期）：化的AI職能部門。AI能力分散在各科技團隊內部，處于試點探索期“各自為戰(zhàn)”的孤島狀態(tài)。人才主要由傳統(tǒng)科技人員兼任，缺乏專業(yè)算法工程師和AI產(chǎn)品經(jīng)理，業(yè)務人員普遍缺乏AI試點探索期22AI銀行白皮書：智能體驅動金融范式重構4技術架構作為AI銀行的核心基礎，其演進始終與場景迭代和業(yè)務需求深“支撐升級、彈性提升、開放協(xié)同”三大主線展開，經(jīng)歷了從“被動適配工具”到“主動支撐中臺”，再到“開放AI原生”的階梯進化：初期通過輕量化改造支持試點落地；中期構建AI原生架構實現(xiàn)能力復用；后期依托前沿技術形成開放生態(tài)。其成熟度直接決定了AI應用的部署效率、場景覆蓋、創(chuàng)新速度與生態(tài)協(xié)同能力，是銀行智能化轉型的核心4超智能原生體L5（超智能原生體）：銀行演化為“AI超智能原生體”。技術架構開放無壘。構建分布式算力網(wǎng)絡，整合云邊端資源，實現(xiàn)超大規(guī)模調度，支持模型持續(xù)我演化。架構強擴展，可快速適配生態(tài)場景并自主迭代。具備智能運維能力，實超智能原生體業(yè)務整合期）：遵循“AI優(yōu)先”原則。支持智能體編排與協(xié)同。構建分布式異構算力池，統(tǒng)一調度以支撐大規(guī)模訓練與商業(yè)推理。架構彈性伸縮，支持AI原生業(yè)務快速上線。成熟業(yè)務整合期流程重構期L3（流程重構期）：AI開始驅動流程重構，形成云原生、微服務化的A臺，以流程優(yōu)化為導向。支持模型高效開發(fā)、部署與監(jiān)控，實現(xiàn)統(tǒng)深度耦合。算力支撐多模型并行與大規(guī)模推理，滿足高并發(fā)時決策，可彈性擴展。引入MLOps實現(xiàn)半自動化運維，具備自主故流程重構期場景應用期L2（場景應用期）：AI應用逐步深化，銀行搭建基礎AI平現(xiàn)資源集中管理與平臺化支撐。建立算力池，支撐場景微理。AI能力封裝為標準API，通過服務總線集成至核心流程節(jié)。建立基礎開發(fā)部署流水線，實現(xiàn)版本管理。目標為規(guī)場景應用期試點探索期）：規(guī)劃，AI以外掛或嵌入方式接入現(xiàn)有系統(tǒng)。模型主或使用開源，通過接口對接并依賴第三方支持試點探索期23AI銀行白皮書：智能體驅動金融范式重構55價值與治理：從成本節(jié)約到生態(tài)收入的價值深化，及從合規(guī)審計到內嵌治理的保障升級價值與治理：從成本節(jié)約到生態(tài)收入的價值深化，及從合規(guī)審計到內嵌治理的保障升級人工智能在銀行業(yè)的應用正驅動價值創(chuàng)造與治理模式的雙重變革。在價值維從提升效率的輔助工具，逐步演進為驅動收入增長、塑造差異化的核心引擎向重構金融生態(tài)的價值中樞躍遷。與此同時，AI治理范式也經(jīng)歷著從被動控超智能原生體L5（超智能原生體）：AI治理的核心特征表現(xiàn)為“生態(tài)級協(xié)同治理與自適應運行”，治理對象由單一模型和業(yè)務流程擴展至跨機構、跨場景的生態(tài)系統(tǒng)。銀行建立了覆命周期的治理體系，并通過數(shù)據(jù)驅動和自動化機制實現(xiàn)動態(tài)調整。AI系統(tǒng)能在既定治理框架內支持生態(tài)資源配置、價值協(xié)同與復雜風險分析。治理以內生化、系統(tǒng)化方運行邏輯，支撐銀行在更廣泛產(chǎn)業(yè)場景中的穩(wěn)健協(xié)超智能原生體業(yè)務整合期L4（業(yè)務整合期）：銀行建立起常態(tài)化、自動化、精細化的AI治理體系，核心特征轉變?yōu)椤爸卫硪?guī)則內嵌于開發(fā)平臺與業(yè)務流”。治理要求被轉化為系統(tǒng)能力，嵌入模型開發(fā)、部署和運行的全過程。治理對象擴展至模型平臺和業(yè)務流以參數(shù)、閾值形式寫入系統(tǒng)，使合規(guī)成為系統(tǒng)運行的內生屬性，支持AI在高可信業(yè)務整合期流程重構期L3（流程重構期）：銀行已形成較完整的AI治理框架，核心特征立的模型審計與倫理審查”。AI被制度化納入既有風險治理框架，治理活動以模型為中心，覆蓋上線后的風險識別、性能驗證、公平性與流程重構期場景應用期L2（場景應用期隨著AI在多個場景逐步落地，銀識別以個案評估和被動響應為主，僅在部分項目中開規(guī)檢查，未形成統(tǒng)一標準和管理機制，整體治理能力場景應用期試點探索期L1（試點探索期）：銀行尚未形成AI治理體系對為主。AI未被納入風險與合規(guī)框架，缺乏明確的職責、制度與標準。模型風險、算法偏見、隱私安全等試點探索期24AI銀行白皮書：智能體驅動金融范式重構3.3深度剖析：示例分析以最具代表性的從L3（流程重構）向L4（業(yè)務融合）的跨越為例，三大核心能力需實3.3.1客戶數(shù)智化經(jīng)營能力躍遷銀行客戶數(shù)智化經(jīng)營體系從L3階段（旅程重構與部門內貫通）邁向L4階段（價值共創(chuàng)與跨領域協(xié)同標志著其從“在客戶特定旅程上進行智能交互與產(chǎn)品匹配”向“基戶全景情境與終身價值的綜合金融方案”的能力躍遷。這一演進的核心在于,構建一個能夠主動感知客戶多元情境、前瞻預測復雜需求、基于客戶全生命周期價值測算、整合全行產(chǎn)品與資源能力，進行動態(tài)響應的智能經(jīng)營網(wǎng)絡，推動銀行轉型為客戶“全生在L3階段，銀行已成功實現(xiàn)以客戶旅程為中心的經(jīng)營數(shù)智化進階：決策式模型與生成式模型通過“旅程策略引擎”實現(xiàn)深度融合，在特定旅程的各個節(jié)點上實現(xiàn)人貨場精準匹對于高校、醫(yī)院的新入職員工逐步推薦信用卡、活錢理財和定投類產(chǎn)品，并在每月發(fā)薪根據(jù)客戶資產(chǎn)水平、消費水平和歷史獎金安排做好差異化的資產(chǎn)配置規(guī)劃建議，幫助客然而，L3模式的本質仍是“局部最優(yōu)”。當客戶需求本身橫跨對公與零售、或涉及對未來L4階段則追求“情境感知”與“全局最優(yōu)”，核心能力在于主動感知客戶多元實境、預測跨周期復雜需求，并通過多智能體協(xié)同網(wǎng)絡動態(tài)整合全行資源，與客戶共同規(guī)25AI銀行白皮書：智能體驅動金融范式重構:n從“代發(fā)薪服務”到“企業(yè)與員工綜合金融方案”。在L3模式變化、企業(yè)股權激勵計劃公告，并結合宏觀經(jīng)濟與行業(yè)趨勢，主動發(fā)起協(xié)同指令：對公智能體會為企業(yè)HR提供人力資本分析與福利集采優(yōu)化方案；零售財富智能體則同步為不同層級員工生成涵蓋股權激勵行權稅務規(guī)劃、長期激勵信托、庭成員賬戶、房產(chǎn)持有、保險保單、未來教育及養(yǎng)老規(guī)劃等多維度實時數(shù)據(jù)，構建家庭全景財務視圖。當預測到客戶子女即將進入大學申請季，“主智能體”將調度教育金規(guī)劃智能體評估現(xiàn)有儲備缺口，保險智能體重新檢視家庭保障，投資智于市場展望調整資產(chǎn)配置建議。生成式AI將這些專業(yè)分析整合為一份動態(tài)更《家庭財富健康度報告與行動建議》，實現(xiàn)從“單一旅程服務”到“客戶長期專業(yè)陪伴綜上所述，銀行數(shù)智化客戶經(jīng)營體系從L3到L4的演進，遠不止于技術升級，行經(jīng)營哲學與價值創(chuàng)造模式的深刻轉型。通過構建跨領域的智能協(xié)同網(wǎng)絡，銀行度綁定客戶的全生命周期價值，將其專業(yè)服務轉化為可無縫嵌入客戶關鍵生產(chǎn)生的“金融組件”，與客戶建立起基于深度信任與價值共生的合作關系，從而形成26AI銀行白皮書：智能體驅動金融范式重構3.3.2可信治理隨著人工智能深度嵌入銀行核心業(yè)務，單純依賴獨漸難以適應模型數(shù)量激增和高頻迭代的現(xiàn)實需求。以流程重構期（L3）為代表的外置式治理，雖能在一定程度上控制模型風險，但在支持規(guī)?；瘎?chuàng)新和實時風險防控明顯局限。進入業(yè)務整合期（L4），一些金融機構開始將治理規(guī)則內嵌于模型開發(fā)平臺治理主要依托擴展后的模型風險管理框架，由獨立團隊對模型穩(wěn)定性、公平性和可解釋性等方面進行審查，高風險模型需提交負責模型風險的部門審批，上線后定期進行人工復核。這種模式強調專業(yè)獨立性，但治理活動與業(yè)務系統(tǒng)相對分離，風險識別存在時間滯后。進入L4階段后，一些銀行將公平性閾值、數(shù)據(jù)漂移和模型置信度要求等內容直接寫入模型發(fā)布流水線，不滿足規(guī)則的模型無法上線；模型運行過程中，系統(tǒng)實時監(jiān)控客群拒貸率差異等指標，一旦觸發(fā)閾值，自動降級模型權限并n一些商業(yè)銀行在生成式人工智能客服領域的實踐同樣體現(xiàn)了AI治在L3階段，通常已建立可信人工智能原則和倫理審查機制，對生成式人工智能用例進行倫理影響評估和數(shù)據(jù)合規(guī)審查，但運行期仍主要依賴人工抽檢。隨著生成式人工智能在客戶服務中的高頻使用，在L4階段將治理能力嵌入模型調用鏈路，構建多層治理機制，如對模型輸出進行實時掃描，自動攔截或重寫違規(guī)話術、判斷對話是否超出授權業(yè)務場景，越界即轉人工處理、對多次觸發(fā)風險規(guī)則的會話進行自動升n另有一些銀行的實踐體現(xiàn)了平臺級治理思路。在L3階段，已建立企業(yè)級的可信人工智能治理框架，對人工智能用例實施嚴格的事前審批。進入L4階段后，這些銀行將治理前移至技術架構層面，建立統(tǒng)一的人工智能接入平臺，所有模型調用必須通過平臺完成，并在平臺內嵌權限控制、數(shù)據(jù)隔離和全鏈路日志審計功能。對涉及授信綜合上述案例可以看出，AI治理從L3向L4躍遷的關鍵不在于增加更多而在于將治理規(guī)則轉化為系統(tǒng)能力，使合規(guī)成為模型和業(yè)務運行的內化治理、運行期自動監(jiān)控和治理規(guī)則內嵌，銀行能夠在可信邊界內支持人工27AI銀行白皮書：智能體驅動金融范式重構3.3.3風險管理從“全流程的自動化監(jiān)控與審批”（L3），躍升至“風險策略的自優(yōu)化與風險能力的API化輸出”銀行風險管理體系從L3階段（全流程自動化監(jiān)控與審批）邁向L4階段（風險策略自優(yōu)化與能），在L3階段，銀行風險管理體系已基本實現(xiàn)“準28AI銀行白皮書：智能體驅動金融范式重構認知與自主治理能力。銀行風險管理體系不僅能實時監(jiān)控自身運行狀態(tài)，還l通過實時監(jiān)測宏觀經(jīng)濟指標（如GDP、CPI、利率、行業(yè)政策等），能夠預測特定行業(yè)的風險演變趨勢，并模擬其在供應鏈中的傳導路徑，進而提前向風動態(tài)調優(yōu)方案，例如自動下調與該行業(yè)高度關聯(lián)的中下游企業(yè)的信用收緊新增授信政策。反之，當識別到新興行業(yè)的扶持信號時，會建議l將風控策略優(yōu)化本身視為持續(xù)學習的過程，它通過模擬測試或相關算法，在“收益最l通過構建“攻防對抗模擬環(huán)境”，銀行可主動模擬新型黑產(chǎn)攻擊手法，對現(xiàn)有規(guī)則進行壓力測試，并在發(fā)現(xiàn)漏洞后快速生成、驗證與部署防護策略，形成具備在生態(tài)賦能層面，L4階段，銀行可實現(xiàn)“風控能力即服務”的輸出模式。例如，在供應鏈當供應商基于應收賬款發(fā)起融資申請時，風控API能夠實時調取訂單、物流、驗收等多維數(shù)據(jù)，動態(tài)評估交易風險并核定授信額度。若監(jiān)測到核心企業(yè)付款周期延長，能主動向供應商提示風險，并建議切換至“訂單融資”等更適宜的產(chǎn)品，實現(xiàn)風險預綜上所述，銀行風險管理體系從L3到L4的演進不僅是技術能力的升級，更是風控體系從封閉運營走向開放賦能、從事后處置轉向事前洞察的戰(zhàn)略轉型。銀行藉此不自身的風險抵御能力，更將風控轉化為可對外輸出的核心競爭力，進而推動整29AI銀行白皮書：智能體驅動金融范式重構3.3.4后臺技術n部分銀行積極構建覆蓋全領域的數(shù)字生態(tài)體系，致力于實現(xiàn)內部觸達的雙向賦能，推動銀行向智能高效、融合創(chuàng)新、普惠共享的數(shù)智化方向轉型，逐步實現(xiàn)從L3到L4階段的跨越。部分銀行的AI技術平臺實現(xiàn)了從局部單點應用向支撐內部全員提效、對外全域服務觸達的全面延伸，促進AI技術與各項業(yè)務流程的深度融實現(xiàn)了從獨立算力單元向規(guī)?；杭軜嫷纳?，并在國內金融行業(yè)較早啟動國產(chǎn)超節(jié)點智算集群建設。在模型能力建設上，采取外部引進與自主培育相結合的雙軌發(fā)展策略，積極引入行業(yè)先進大模型技術，同時研發(fā)自主可控的企業(yè)級大模型，逐步構建覆蓋多領域、全能力的AI模型體系。通過系統(tǒng)化的模型能力建設路徑，構建成熟的人工智能能力體系，實現(xiàn)模型從引入到退役的全生命周期管理，支撐超過200項大模型正在向L4階段快速演進。部分銀行AI技術平臺以企業(yè)級大模型平臺為基礎，將AI技術應用于多個業(yè)務場景，例如智能編碼與智能客服等，并進一步向支持智能體開發(fā)與運行的支撐平臺演進，能夠實現(xiàn)實現(xiàn)客戶意圖識別、復雜產(chǎn)品操作輔助等復雜智能體的開發(fā)與運行。在算力基礎設施方面，該行構建了集中化的算力池，向彈性調度與成本優(yōu)化的智能計算云架構演進，為智能體、大模型應用提供按需供給的算力，支撐高并發(fā)、低延遲的AI服務。同時，通過構建大模資本管理等多個業(yè)務領域實現(xiàn)模型組合應用，提升業(yè)務處理的智能化水平。該行還注重建立基于業(yè)務反饋的持續(xù)迭代機制，通過智能體在實際業(yè)務中的使用數(shù)據(jù)反哺模型總的來說，L3到L4的演進，本質上是技術架構從“支撐流程”到“業(yè)務智能化”的轉變，相比AI原生銀行，傳統(tǒng)銀行在數(shù)智化轉型過程中雖已展現(xiàn)出L4的典型特征，但仍處于“深化L3、探索L4”的進程中。30AI銀行白皮書：智能體驅動金融范式重構實施路徑基于成熟度的精準導航“4.1總體原則：價值引領、生態(tài)共筑、治理護航332將“可信治理”2將“可信治理”貫穿始終，作為創(chuàng)新的以清晰的業(yè)務價值（增收、降本、控險）為出發(fā)點和衡以開放生態(tài)合作彌補能力短板，避免14.2進階路徑圖：從L2到L4的關鍵任務場景應用期流程重構期業(yè)務整合期對于大多數(shù)處于L2并向L3/L4邁進的AI銀行建設機構，需圍繞數(shù)據(jù)與模型生態(tài)升級+業(yè)務場景落地 場景應用期流程重構期業(yè)務整合期第一階段：L2→L3（流程重構期，6-12個月）1.數(shù)據(jù)側：建成企業(yè)級數(shù)據(jù)中臺，實現(xiàn)數(shù)據(jù)資產(chǎn)化1.數(shù)據(jù)側：建成企業(yè)級數(shù)據(jù)中臺，實現(xiàn)數(shù)據(jù)資產(chǎn)化n梳理客戶經(jīng)營全鏈路數(shù)據(jù)源（內部交易、外部合作、實時行為數(shù)據(jù)），制定統(tǒng)一的數(shù)據(jù)治理規(guī)范（數(shù)據(jù)清洗、標簽體系、權限管控）。n接入物聯(lián)網(wǎng)、政務平臺等實時數(shù)據(jù)流，針對客戶經(jīng)營場景構建“客戶360°畫像”數(shù)據(jù)資產(chǎn)庫，支持數(shù)據(jù)的實時調取與價值量化。2.模型側：搭建多模型協(xié)同架構，落地端到端智能流程2.模型側：搭建多模型協(xié)同架構，落地端到端智能流程n選取客戶經(jīng)營中高價值流程（如理財營銷、消費貸推薦構建“畫像建模+產(chǎn)品匹配+觸達決策”的多模型協(xié)同體系。n引入自動化特征工程工具，建立模型監(jiān)控機制，實時預警模型漂移，確保決策準3.組織側：成立跨部門CoE（卓越中心），打破業(yè)務壁壘n組建“業(yè)務+技術+數(shù)據(jù)”的跨部門團隊，負責客戶經(jīng)營流程的AI重構與落地，避免數(shù)據(jù)與模型建設脫離業(yè)務需求。n建立敏捷工作機制，按“試點-驗證-推廣”節(jié)奏推進流程優(yōu)化，每周同步業(yè)務反饋并迭代模型。第二階段：L3→L4（業(yè)務整合期，12-24個月）1.數(shù)據(jù)側：升級數(shù)據(jù)大腦，實現(xiàn)數(shù)據(jù)價值對外輸出1.數(shù)據(jù)側：升級數(shù)據(jù)大腦，實現(xiàn)數(shù)據(jù)價值對外輸出n基于客戶經(jīng)營數(shù)據(jù)資產(chǎn)，開發(fā)數(shù)據(jù)挖掘算法，自主識別客戶潛在需求（如留學、養(yǎng)老金融需求）。n推進數(shù)據(jù)資產(chǎn)化定價，將脫敏后的客戶行為數(shù)據(jù)輸出給合作生態(tài)方（如教育、文旅平臺），獲取生態(tài)收益。2.模型側：搭建MLOps平臺，建成初級模型工廠n實現(xiàn)“模型開發(fā)-訓練-部署-迭代”全流程自動化，支持大模型與傳統(tǒng)機器學習模型2.模型側：搭建MLOps平臺，建成初級模型工廠n針對客戶經(jīng)營場景設計AI原生產(chǎn)品（如動態(tài)定價消費貸、智能投顧組合），由模型工廠自主完成產(chǎn)品模型的開發(fā)與迭代。3.業(yè)務側：推動組織重構，落地“業(yè)務+智能體”融合模式n打破傳統(tǒng)層級架構，組建“客戶經(jīng)營智能體+前端業(yè)務團隊”的融合團隊，由智能體承擔數(shù)據(jù)分析與決策建議，業(yè)務團隊聚焦客戶服務。n建立AI原生業(yè)務的考核體系，將“生態(tài)收入、客戶LTV提升”納入核心指標，驅動業(yè)務模式升級。32AI銀行白皮書：智能體驅動金融范式重構4.3專項建議：中小銀行的敏捷突圍之路一、市場縱覽：中小銀行的AI優(yōu)勢來自“聚焦”，而非“規(guī)?！睆谋泵郎鐓^(qū)銀行、歐洲專業(yè)銀行以及亞洲區(qū)域性銀行的實踐來看，AI在中小銀行中最常見、也大型銀行的AI-bank建設通常以“統(tǒng)一數(shù)據(jù)底座+中央模型工廠+全流程自動化”為目標，其前提三、路徑建議：戰(zhàn)略性聚焦+生態(tài)化賦能基于全球實踐，結合中國十五五規(guī)劃建議要求和一系列金融即監(jiān)管政策要求，安永建議行采用“戰(zhàn)略性智能化”路徑，其核心在于三點：明確AI的首要目標不是“提升全行效率”，而是強化最具區(qū)域與客群優(yōu)勢的核心業(yè)務能力，如：通過“能力組合”而非“自主研發(fā)”，縮短建設周期、降低試錯成本。33AI銀行白皮書：智能體驅動金融范式重構四、價值定位：AI成為“能力放大器”，而非“成本中心”安永預計，未來3-5年，區(qū)域性銀行的AI-bank將呈現(xiàn)以下演進趨勢：34AI銀行白皮書：智能體驅動金融范式重構4.4組織與人才：不可或缺的變革引擎 戰(zhàn)“金種子”編入銀行戰(zhàn)略級重點工程。在實戰(zhàn)中，推行“雙線考核制”，業(yè)務人員擔任AI產(chǎn)品經(jīng)理，需對模型的落地價值負責，技術人員深入網(wǎng)點或審批一線，理解“ 戰(zhàn)“金種子”編入銀行戰(zhàn)略級重點工程。在實戰(zhàn)中，推行“雙線考核制”，業(yè)務人員擔任AI產(chǎn)品經(jīng)理，需對模型的落地價值負責，技術人員深入網(wǎng)點或