陈柏珲：AI原生金融服务需明确交付标准与责任边界

随着人工智能从辅助决策走向执行任务，金融服务的组织方式、收费模式与责任安排正在面临新的调整。亚洲数字经济科学院院长陈柏珲近日表示，AI智能体在金融领域的应用，应当坚持可用、可信、可控，将明确授权、可靠交付和责任落实作为扩大自主应用的重要前提。

10月22日，在2026金融街论坛年会金融科技大会“智领金融·数创未来——AI赋能金融高质量发展论坛”上，陈柏珲发表题为《AI原生金融服务的模式变革与路径选择》的演讲，围绕AI承接金融工作后的商业模式变化、技术边界与治理路径分享观点。

“当AI开始承接金融工作，谁来定义交付，谁来批准行动，又由谁为结果负责？”陈柏珲认为，这些问题将越来越直接地影响金融机构的技术采购与业务安排。

他表示，过去金融机构主要购买软件，由员工使用工具完成业务；随着智能体能够在授权范围内连续执行多个步骤，金融机构采购的内容可能进一步延伸至具体任务和流程交付。科技服务商的竞争，也将由功能、体验和提效能力，扩展至交付质量、总体成本与异常处置能力。

以保险理赔为例，传统软件帮助员工阅读材料、核对条款和完成审批。采用智能体后，材料整理、信息核验和部分初步判断可以由系统承担，人工则更多参与复杂案件、例外情况和关键审批。陈柏珲指出，这种变化要求金融机构同步调整工作分配、质量检查和责任安排，单纯为原有系统增加一个聊天入口，难以形成完整的业务转型。

商业模式的变化，也对“结果”的定义提出了更高要求。

“按结果收费至少需要具备三个条件：结果可以量化，交付可以验证，错误有纠正机制。”陈柏珲表示，金融服务不能简单以处理数量、业务规模或成本下降作为成功标准，还应将客户权益纳入评价。

他举例说，如果理赔服务只以减少赔付金额衡量成效，可能产生不当拒赔或拖延赔付的激励；如果信贷服务只追求审批速度和贷款规模，也可能忽视必要的风险审查。因此，验收标准应当综合考虑准确性、处理时效、业务规则遵循情况，以及复核和投诉处理结果。

陈柏珲同时强调，按结果收费是一种商业安排，并不意味着全部风险自动转移给服务商。金融机构与科技企业仍需就授权范围、验收依据、错误纠正及损失承担作出具体约定。

在技术应用层面，他认为，应根据具体任务的特点确定AI的自主程度。理解理赔材料、解释对账差异、整理企业经营信息等工作，为AI发挥作用提供了空间；而清算、账务记录、权限管理和规则校验等环节，仍需由受控系统提供稳定支持。

“语言表述的流畅程度，与事实依据是否充分、行动是否获得授权，是不同的问题。”陈柏珲说，AI能够提出判断，不等于可以直接执行。对于容易复核、影响较低的任务，可以在验证后逐步提高自动化程度；对于拒贷、拒赔以及资金划转等直接影响客户权益的行动，则需要更严格的控制和有效的申诉机制。

围绕可用、可信、可控三项原则，陈柏珲提出，应当把治理要求落实到业务运行过程。

可用，需要系统在材料缺失、规则变化、外部服务中断等真实条件下仍能可靠工作；可信，需要重要判断具有可检查的依据，能够追溯所使用的数据、规则版本和执行记录；可控，则要求授权细化到任务类型、数据范围、交易对象、金额上限和有效时间，并具备实际可用的暂停与人工接管机制。

他特别指出，仅在提示词中写入“不得违规”，不足以构成可靠的业务控制。机构需要通过权限系统和执行流程约束智能体行为，防止其通过任务拆分、重复请求或跨工具调用绕过限制。

责任划分是AI原生金融服务发展的另一项关键议题。陈柏珲认为，金融机构、智能体服务商和底层模型提供商之间的分工日趋复杂，消费者权益保护与技术供应链之间的责任衔接仍有需要进一步明确之处。

“不能把‘AI自己决定的’当作责任终点。”他说，承担业务的获授权主体，应承担与其权限、职责和承诺相对应的责任；相关参与方的具体责任，则需结合各自行为、合同义务和适用法律判断。

他建议，金融机构在部署前明确授权主体、验收主体、异常接管安排及损失承担机制，并为客户提供清晰的受理和救济入口。机构之间的调查与追偿，不应成为拖延处理客户问题的理由。

谈及落地路径，陈柏珲建议从范围清楚、能够验收的业务环节入手，先建立人工处理效率和差错情况的比较基线，再通过离线测试、影子运行和有限范围试点积累证据，逐步开放权限。对于中小金融机构，可以通过采购成熟能力或联合建设推进应用，同时保留业务标准、关键权限和供应商管理能力。

“AI原生金融服务能走多远，既取决于AI能够完成多少工作，也取决于我们能否把每一次授权、每一项交付和每一份责任落实清楚。”陈柏珲表示，将效率提升与客户权益保护共同纳入转型目标，才能使人工智能的技术潜力转化为金融高质量发展的实际成果。