上海银行胡德斌：从“数字化”迈向“数智化”

来源：市场资讯

　　中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。上海银行副行长兼首席信息官胡德斌出席并演讲。

　　以下为演讲实录：

　　尊敬的各位领导、各位专家，大家好。今天交流的主题是从数字化迈向数智化。两个词只有一字之差，但是这一个字区隔着银行业科技建设的两个阶段。

　　一、数字化把业务搬上线，数智化让智能成为生产力

　　银行业数字化已走过30年。这30年，主要工作是把业务搬到线上：网点搬到手机银行，柜员搬到远程云端，流程控制搬到系统里。成就是巨大的，客户足不出户可办绝大多数业务。

　　但客观地审视，数字化也付出了三个代价。一是菜单替代对话，客户要在几百个菜单里找入口，真实感受像雾里看花。二是渠道彼此割裂，手机银行、网银、微信、柜面各成一套逻辑，换个渠道就要重新学习，而且渠道之间信息互不相通。三是服务让位于销售，渠道越发达销售推送越密集，客户感到的不是被服务，而是被打扰。

　　还有一个现象值得注意：‌艾瑞咨询‌的监测报告：手机银行APP‌单机单日有效使用时长从2023年的4.93分钟降至2025年中的2.70分钟‌，降幅约45%。单机单日使用次数从4.54次降至2.86次，同样呈明显下滑。这说明把业务搬上线的红利已经吃完。客户不缺一个能办事的APP，缺的是一个能理解他的银行。

　　数字化改变的是客户在哪里办，数智化改变的是如何理解客户。大模型让机器第一次具备理解自然语言和客户意图的能力，补上了数字化30年缺失的最后一块拼图。数智化不是再多做几个功能，而是让智能成为生产力，让银行服务回到原点。

　　二、上海银行数智化实践：智能柜员五单元

　　银行服务的原点是什么？是柜面。客户走进来，说出需求；柜员听懂了，帮客户办理，还可以在合适的时候给出一个专业建议。

　　银行服务从柜面到ATM、电话银行、网上银行、手机银行，渠道不断裂变。这场裂变本质上是技术短板的补偿史。因为机器听不懂人话，客户只能去学习机器的语言：记菜单、点按钮、填表单。现在人工智能让机器终于能听懂人话了，银行服务的逻辑就可以抽象回最原始的柜面模式：通过对话沟通来获得服务。

　　正是基于这个判断，上海银行在落实人“工智能+”战略的过程中，一个重要行动是打造智能柜员。请注意，智能柜员不是单一能力，而是一个由五个单元组成的体系。

　　AI平台是大脑，由大模型与智能体组成，负责理解、推理和生成。数据中台是记忆，承载客户画像、行为洞察和行业知识，让智能柜员认识每一位客户。业务中台是本领，涵盖全部交易能力、产品能力和风控规则。数字人是表现，是数字员工与客户交互的界面，提供可亲、可信的形象与交互。人类员工负责复杂判断、情感关怀和最终责任。

　　在这五个单元里，我想特别说一说人类员工。每次谈到AI，总有人问我：机器会不会取代人？我的判断是：在服务客户的体系里，数字员工与人类员工不是替代关系，是伙伴关系、是共同体。机器负责规模，人负责温度；机器负责标准答案，人负责复杂判断；机器负责听懂每一句话，人负责接住每一份托付。人类员工从重复劳动中解放出来，去做机器做不了的事：理解客户的难处，建立真正的信任，负起最后的责任。

　　在打造智能柜员的过程中，有一个关键设计原则叫能力唯一来源。手机银行、柜面、云网点、自助机具等复用同一套智能柜员能力。渠道从此不再各自为战，客户在不同渠道接受的服务是标准统一的。

　　三、三组落地案例

　　战略讲得再好，也要靠实践说话。我向各位汇报三组案例。

　　第一组，AI手机银行：从菜单导航到对话即服务

　　2025年，我们发布了AI手机银行的测试版本。今天回头看，那只是一个原型：客户可以通过对话找到功能、咨询问题，本质上更像一个长在手机银行里的智能客服。它证明了机器能听懂话，但办事的能力有限。

　　2026年，我们正在开发智能体驱动的新版本。设计目标不是增加一个聊天窗口，而是把分散在菜单、页面和流程中的知识、功能与服务，按客户需求重新组织。我们梳理了超过4万条专业金融知识，连接100余项功能，建成18个自然语言办理流程。目标是客户不必理解菜单结构，用自然语言说出需求，数字员工理解意图、编排流程、直达办理。从对话找功能走向对话办业务。当然关键环节需要客户确认，数字员工不能处理的功能可以连接云端的人类员工。

　　第二组，云网点与数字人：柜员的云端化与面孔的进化

　　上海银行2019年推出云网点服务，把人类员工搬上云端，推动原本只能网点办的业务向线上迁移。一键呼入、口述办理，实现大额转账、密码重置等服务，覆盖90%非现金常用业务场景，累计服务客户超135万人次。

　　云网点服务模式中，两位数字员工海小智、海小慧先后上岗，承担产品讲解、服务引导、客户咨询等工作。在具体的业务办理环节再切换到人类员工。数字员工背后是金融垂直大模型配套专有知识库和安全审核机制，确保回答合规可控；而且我们的海小智、海小慧还能听讲上海话。

　　第三组，智能风控：从经验驱动到智能驱动

　　前面两组是客户能看见的，这一组是看不见的。

　　反欺诈方面，我们构建了行为分析与资金网络分析双驱动的大模型体系，突破传统单点识别的局限，综合研判客户是否被诱导、交易动因是否异常、资金流向是否可疑，做到了实时预警拦截。2026年上半年，该体系识别并拦截可疑交易1.2万笔，涉及金额3.8亿元，误报率较传统模型下降40%。既保护客户资金安全，也为行业反诈探索新范式。

　　客户可能感受不到这些能力，但正是这些看不见的智能，守护着客户的每一笔交易。银行智能化的纵深不在前台炫技，而在于后台的扎实。

　　四、比智能更重要的是可信

　　“人工智能+”要行稳致远，最难的不是技术，而是机制。银行是经营信任的行业。客户把钱交给我们，是把信任交给我们；我们把服务交给AI，首先要回答AI值不值得信任。

　　这方面，我们重点抓了一下几件事。

　　第一件，业技融合：从两张皮到一盘棋

　　业务部门和技术部门语言不通、目标不一，是很多AI项目做不下去的病根。问题不在人，在组织机制没有打通。

　　我们做了三个动作。一是推行前沿部署工程师模式，让工程师沉到业务一线，同坐一间办公室、同开一场晨会、同跑一个客户，在现场识别高价值场景。二是以铁三角组织攻坚：业务专家、产品经理、技术经理组成虚拟战队，共同对AI应用成效负责；技术向业务派驻分析师，业务向技术派驻领域专家，双向奔赴。三是建立场景评估机制，从业务价值和实施复杂度两个维度评估排序，优先投放速赢场景和战略场景。好钢用在刀刃上。

　　第二件，人机协同：像管人类柜员一样管数字员工

　　数字员工是银行的新型劳动力，也要有全生命周期管理。例如，资产统一管理，避免重复建设；岗位标准化，划定职责与合规边界；运营闭环，监控、反馈、迭代形成机制；考核激励，不达标就调岗退出。

　　在人机协同的机制上，我们从人类员工为主、数字员工为辅起步，逐步走向数字员工在规则边界内自主协同。机器干标准化的活，人聚焦复杂决策与情感沟通。这个边界不是技术问题，是治理问题。边界划不清，数字员工就敢越界；边界划清了，人和机器才能各司其职。

　　第三件，安全治理：守住不可逾越的底线

　　我们构建了制度、流程、数据、伦理四层防护体系。

　　制度上，对标监管要求制定模型管理办法，覆盖AI应用从立项到退出的全生命周期，每个环节都有明确责任主体和留痕要求。

　　流程上设三道闸门。准入评估：涉及资金交易、信贷审批的场景须经风险管理委员会审批，核心决策必须人工复核。测试准出：上线前必须通过多维验证，不达标不得上线。运营评估：实时追踪输出质量与偏差漂移，性能衰减就自动预警、复核、回滚。

　　数据上严格分类分级：个人信息和隐私数据禁止用于生成式AI训练，训练数据脱敏，AI生成内容显著标识，测试与生产环境严格隔离。

　　伦理上，重大AI应用伦理前置评估，定期开展算法审计。

　　我常跟团队讲，做金融科技创新，要大步试点、小步投产。大模型可以大胆地试，但面向客户的每一步都要走得稳。智能的上限决定我们能走多快，可信的底线决定我们能走多远。

　　五、展望：从渠道裂变，走向对话回归

　　回顾银行服务渠道的30年：从柜面，到ATM、电话银行、网上银行、手机银行、云网点。这是一部渠道不断裂变的历史。

　　人工智能的到来，让所有渠道的服务逻辑重新抽象为同一个模式：客户讲述需求，智能柜员理解并服务。历史走了一个螺旋：从对话沟通出发，绕了一大圈，带着30年积累的全部能力，又回到了对话沟通。

　　这不是回到从前。当年的柜员一天只能服务几十位客户，数字员工可以同时理解成千上万客户的需求；当年的柜员要记住几百种业务规则，数字员工的大脑里装着整个银行的知识。对话的形式回来了，但服务的洞察、规模与一致性，都完成了升维。

　　这种内在的变化，变的绝不仅仅是技术，变的是银行生产关系的底层逻辑。

　　过去做系统，是先定流程、再写代码，系统是流程的固化。需求从业务部门提出，经过立项、评审、开发、测试、上线，周期以月计、以季计。这种模式下，技术部门是执行方，业务部门是需求方，双方的关系类似是甲方乙方。数智化时代，这个逻辑改变了：先有能力、再有场景，系统开始具备学习和进化的属性。大模型上线后，能力边界不是开发阶段定义的，而是在与客户的交互中不断扩展的。这意味着，技术部门和业务部门必须从甲方乙方变成合伙人，在同一个战壕里共同定义问题、共同验证效果、共同承担结果。组织不变，AI项目一定做不下去，这是我们在多个场景中反复验证过的结论。

　　人才评价标准也要变。数字化时代，我们评价科技人才，看的是能不能把需求变成代码、能不能按时交付。数智化时代，核心能力变成了能不能定义问题、能不能调校模型、能不能判断AI输出的边界。一个会写代码但不懂业务的人，价值在下降；一个懂业务但不会与模型对话的人，价值也在下降。真正稀缺的人才，是既懂业务语言又懂模型语言的人，我们内部叫复合型人才。上海银行正在调整科技人才的评价体系和晋升通道，把模型调优效果、业务场景落地成效纳入核心考核指标，而不是只看代码量和项目交付数。

　　风险控制逻辑的变化更为根本。数字化时代，风险是已知的、规则化的：什么操作违规、什么交易异常，规则写死了，系统按规则拦。数智化时代，风险控制是未知的、涌现的：模型可能产生幻觉，数据分布可能漂移，训练时的合规不代表推理时的合规。这意味着，风险控制从事前设计为主，转向事中监测与快速回滚并重；从规则驱动转向模型驱动加人工兜底。我们需要建立一套能实时感知模型行为、自动触发预警、快速隔离问题的运营体系。

　　所以，数智化不是技术升级，是银行组织形态、人才结构和治理逻辑的一次系统性重构。技术可以采购，但生产关系买不来，只能自己改。

　　各位领导、各位专家，数字化的30年，我们教会了客户使用机器；数智化的路径，是机器学会理解客户。上海银行愿意与同业、伙伴一起，走稳、走好这条路。

　　以上观点不当之处敬请批评指正。谢谢大家！