智能体“潜入”银行：人机共事，权责悬置 ｜2026年“金标杆”

来源：南方周末

智能体“潜入”银行：人机共事，权责悬置 ｜2026年“金标杆”

你有多久没有进入银行网点了？动动手指、说几句话，就能办理各项银行业务，已成大多数人和企业的日常金融生活。

小微店主对着手机银行说一句 “我要提高贷款额度”，智能工具就能快速算清经营流水，给出合适的贷款方案；你随口说一声“我想理财”，银行智能“财富管家”便会对照你的客户画像及风险承受能力挑选产品，并在揭示风险后直达产品购买界面。

以往需要奔波于银行网点办理的业务，如今已经线上化和智能化。

此番剧变，正是人工智能在银行业深层演进的鲜活缩影。2025年以来，伴随DeepSeek开源大模型快速普及，银行业金融科技迎来飞速发展。及至2026年，智能体突破Demo原型局限，蜕变为可自主完成多业务流程的高阶版数字员工，开始在行业批量落地。至此，持续讨论的“人机协同”，转化为清晰可感的业务场景。

科技浪潮奔涌而至，一贯审慎稳健的商业银行，抱持怎样的应对思路？这场技术变革重塑了什么？带来了哪些亟待回应的新命题？

南方周末新金融研究中心2026年“金标杆—新金融竞争力”（下称“金标杆”）之银行业数字金融测评结果显示，相较往年，商业银行在信息科技投入一事上态势分化明显，股份行群体尤其突出，呈现“多数缩减、少数加码”的格局。主流商业银行开始通过“等量人工工时”“日均Token消耗”等数量指标，衡量技术落地的效能。与此同时，随着智能体规模化落地，“人机协同”在银行业务中愈发普遍，然而行业尚未形成共识性的权责划分指引。

此次测评以57家在A股和H 股上市的商业银行为基础，同时纳入虽未上市但同为20家系统重要性银行之一的广东发展银行作为测评对象。在国内商业银行体系中，此两类银行代表行业主流阵营，与居民金融业务联结更为紧密。

工行依旧最“阔绰”，群体从砸钱转向重实效

此次测评方法沿用“金标杆”之银行保险板块一以贯之的“三维测评”模型（如下图1）（详见《400家金融机构进退几何？》 ），并基于测评板块不同设立单独的指标体系（如下图2）。

其中，数据化指标测评部分在整个评价体系中的权重占比为70%，相关数据来源于上述银行2025年年报、2026年中报及ESG报告，部分依托南方周末“金标杆·新金融竞争力测评数据库”采集获取。该数据库由国内金融科技龙头恒生电子旗下上海恒生聚源数据公司按需定制；线上线下调研、专家评审两项权重则各占15%。（详见《野生流量退场，谁经得起标尺度衡？》 ）

基于上述指标体系测评，在58家参评银行中，工商银行得分最高，总分接近80分，建设银行紧随其后。这两家也是本次测评中仅有的总分超70分的银行。

工行和建行亦是2025年银行业同一板块测评中的领跑者。这一结果，既和国有大行在数字金融领域的布局策略相关，也源于数字金融本身具备较高的发展门槛。

不同于其他类型银行，国有大行沉淀了体量更大的长尾客群，在普惠金融布局上具备天然场景与先发优势。与此同时，在科技金融赛道，国有大行需要承接更多政策性目标。从实践来看，无论是普惠金融还是科技金融，以人工智能为代表的数字金融工具，均可形成有力的关键支撑。

基于上述原因，一直以来，国有大行在信息科技方面的投注多是“大手笔”。“金标杆”测评显示，2025年，工行、建行、农行、中行四大行信息科技支出均突破200亿元，其中以工行最为“阔绰”。招商银行该项支出仅次于四大行，不过绝对金额差距明显。

不过，大手笔投入并非长期常态。纵向复盘不难发现，变化正悄然发生。

测评结果显示，同期，邮储银行于信息科技投入一项支出同比减少，金额变动不大，但与其他5家“兄弟行”形成鲜明对比；股份行阵营整体呈现收缩态势：9家披露数据的银行，7家压减相关投入，2家降幅超过10%。系列对比抑或表明，行业正从规模优先的技术投入阶段，转向看重落地实效的理性探索期。

行业大势以外，经营不景可能是股份行减少相关投入的另一层现实动因。近年，净息差持续收窄，行业整体盈利环境偏紧，但银行内部阵营分化凸显，股份行多项经营指标逊色于国有大行与城商行。而在银行的资源分配逻辑中，数字金融缺少成熟的效益度量标尺，因此不少机构将这类投入与营收规模挂钩。营收一旦下行，科技投入便同步收紧。

但并非所有机构都遵循这一思路。测评显示，股份行之中，华夏银行与浦发银行仍持续加码数字金融布局。个中原因应与机构个体不同时期践行的顶层设计有关：华夏银行于2025年2月迎来新“掌门人”杨书剑。在过往的职业生涯中，杨书剑担任北京银行行长多年，其间持续推进数字化与科技金融布局；浦发银行则于2024年正式落地全行数智化战略，将智能场景、AI基座作为重点投入方向。两家机构逆势加码，折射出股份行在数字赛道上更为具象的个体分化。

整体而言，商业银行在数字金融领域的投入由多重变量共同决定，兼顾行业周期、经营现状与长期战略，并非单一逻辑驱动。与此同时，投入规模属于动态的统计指标，仅反映机构当期的资源投放意愿和发展重心，不可简单等同于深耕这一赛道的决心。

城农商行不乏科技优等生

若以 “科技投入营收占比”“科技员工占比”两项指标分别排序，则可观察到行业数字化竞逐的另一个切面。“金标杆”测评显示，两项排序靠前的机构多集中于城农商行阵营；同时跻身两项指标高分区的仅上海银行、上海农商银行、渤海银行三家。

透过这一筛选结果可以看出，尽管综合总分不及国有大行与股份行，但部分头部城农商行在科技投入强度、人才配置密度维度，显现出明显优势。

上述发现，同样可以在具象的金融实践中得到印证。上海银行推出AI原生手机银行，将智能体能力嵌入零售主渠道，用户发起对话即可办理查询、转账、理财咨询等业务。这一创新跳出了在成熟手机银行基座上叠加AI模块的传统路径，被视为智能体在零售移动端范式革新的代表性探索。沪农商行在数据治理领域同样亮点突出，为国内首家拿到DCMM4级认证的农商行。DCMM作为我国数据管理领域的国家标准，4级代表较高的数据管理成熟度。

若从地理区域维度对上述排序进一步拆解，则可发现，位于长三角经济圈的城农商行在数字金融领域有着较为强烈的资源倾斜意愿。入围前述两项排名的17家银行中，总部位于江浙沪区域的共计8家，占比超过一半。该结果亦侧面印证，区域禀赋对地方银行数字化战略选择形成显著影响：与京津冀、大湾区等同体量经济圈相比，长三角县域经济基础扎实，产业集群与小微场景下沉更深，叠加上海科技型小微企业聚集，多重因素为数字金融落地提供充沛的应用场景。

务实，是上述区域城农商行布局数字赛道时呈现的另一重鲜明标签。

南京银行在接受南方周末新金融中心专项调研时提出，资源将向高价值场景倾斜，面向客户经理、理财经理、风控审批、运营管理等岗位打造任务型智能体。同时统一沉淀模型服务和技能组件，减少模块的重复搭建。苏农商行在接受调研时则旗帜鲜明主张实用主义，率先探索区域法人银行“集约式”发展，整合内外部资源，强化协同联动。

对比自建独立金融科技子公司的重投入模式，联动高校、同业共享技术资源，是一条更轻量化、低成本的路线。从行业实践看，首批银行金融科技子公司长期面临投入高、盈利难的挑战，经营压力持续显现。近年多家银行调整布局，将科技能力收回总行一体化管理，不再坚持独立子公司的对外商业化路径。

相关做法也暗合前述行业已过渡至理性探索期的推论。这一情境下，立足一隅的城农商行没必要在算力规模、模型参数和场景数量上和大型银行正面比拼。相反，可以凭借决策链条更短、区域业务更为聚焦的自身优势，以真实的高价值业务场景为核心摆布投放资源，走出差异化的数字化路径。

智能体多点开花

撇开商业银行在数字赛道上的竞位，新兴科技对行业带来的变革是更加值得关注的方向。“金标杆”测评发现，智能体批量落地及其在多个业务场景中的应用，是银行业数字金融赛道呈现的新兴景象。

在国有行序列中，以农行为例。该行打造企业AI数字助手“一明”，研发“一明智慧大脑”，以广域意图识别能力，实现跨业务领域的多智能体协同调用、用户记忆多端共享等核心功能，自动串行处理客户营销、信贷办理、智能办公等复杂任务。这一创新跳出单点式AI工具各司其职的传统路径，借助智能体自主协同能力，把碎片化的AI应用整合为端到端的任务闭环。

北京银行亦有类似创新，但应用场景有别。其在零售客户经营板块，构建客群挖掘、外呼和营销三类智能体，通过智能体之间的分工合作，覆盖“客户识别—触达执行—转化优化”的客户营销全流程。将过往费时数天、需跨部门协作的客群筛选工作压缩至几分钟，客户转化成果由此前的日均5单提升至22单。

渤海银行的对抗验证智能体同样颇具特色，该项目构建双智能体对抗验证机制：其中一个Agent负责输出消保审查结论，另一Agent专职对结论提出质疑、核验支撑证据。整套体系以完成合规审查、识别隐性风险为目标，是智能体在合规风控赛道落地的典型样本。

值得关注的是，当前行业对智能体的界定尚未形成统一标准，概念使用较为宽泛。不少机构将具备大模型文档解析、固定流程自动化能力的AI工具，一并冠以智能体的名称。而从智能体更深层的内涵与属性来看，严格意义上的智能体，应当具备目标拆解、自主任务编排、动态调度工具、依据中间结果调整执行动作等核心特征。这也是区分自动化流程工具与Agent形态数字员工的标尺。前述三则案例，分别依托不同业务场景，为智能体在银行业的落地实践作出恰如其分的诠释。

伴随人工智能技术持续演进，商业银行向智能体银行方向转型，或是一条可预判的行业趋势。波士顿咨询在其新著《银行转 2035：迈向智能体银行的范式跃迁》中提出，当前国内银行业正面临“低利率、低息差”等挑战，以往依托网点覆盖、牌照壁垒的增长模式已经难以为继。大模型与智能体技术的快速成熟，并催生新机遇，银行服务正逐步演变为“流动的算法”。

“人机协同”尚需厘清

智能体的落地及风行，为业界热议多时的“人机协同”打开想象空间。

广义来看，商业银行中依托人工智能实现的人机协同早已在部分场景落地：由客户经理、风控、运营人员下达明确指令，AI工具承接文档抽取、信息查询、话术生成等单一任务；或是在一些标准化、非核心的业务环节，由自动化工具承担重复性工作，人负责发起、校验与最终决策。

但这类模式仍属于人主导流程、AI被动执行的配合关系，尚未形成目标驱动下的自主协同。一个更为理想化的人机协同模式是，以业务目标为核心牵引，人与AI智能体实现双向自主协同——人锚定目标、把控合规底线、完成高价值的综合判断；AI智能体能够主动感知任务、自主规划执行路径、动态提示风险、输出可验证方案，二者实时交互、灵活补位，共同完成业务闭环。

上述情境下，如何进一步延伸、拓展“人机协同”的深度与广度，因而成为更加值得关注的命题。在技术投入相对固定的前提下，更广泛的场景落地往往带来更高的边际效率，这也是衡量银行科技投入价值的关键标尺。

随着协同场景持续铺开，权责如何厘清、不同场景下的操作边界如何划定，成为亟待破解的现实问题。

2026年6月，国家金融监督管理总局出台《关于银行业保险业人工智能安全开发应用的指导意见》，从顶层框架层面回应了人机协同的治理难题。文件明确，人工智能的应用需坚持“谁使用谁负责”，压实金融机构作为服务提供方和技术使用方的主体责任。新规还提出要完善人机协同的业务管理流程，科学设定人工智能的功能边界、系统和数据权限，明确人员岗位责任，确保业务全流程管理责任清晰、可落实、可追溯。

整体来看，监管文件重在为行业应用人工智能划定底线和提供方向性指引。如何将日新月异的科技应用于以稳健和审慎为主的银行业务，仍是行业需要持续作答并不断探索的命题。尤其对具备自主闭环能力的智能体而言，技术迭代速度快、决策链条动态可变，机构需要在效率提升、业务创新与风险审慎之间寻找适配的平衡点。

（南方周末实习生舒利安、施嘉敏、黄晓冬、赖佳慧参与银行数字金融测评数据采集，对本文亦有贡献）

（计分规则最终解释权归属南方周末新金融研究中心，分数仅作“金标杆"测评之用，不代表参评机构资质优劣、是否达标，不构成投资推荐。）