发布时间：2026年9月2日  发布媒体：金融时报

  近年来，人工智能不断演变发展，银行可选择的模型、平台和工具日益丰富。对于区域性中小银行而言，如何结合自身资源禀赋和业务需要，稳妥推进人工智能应用，在控制投入和风险的同时改善工作质效，是其当前正在探索的课题。

  近日，《金融时报》记者就区域性中小银行运用AI促进业务发展等相关问题采访了南京银行有关负责人。该负责人表示，人工智能建设需要从自身资源条件和实际需求出发，审慎安排投入方向。如果同时铺开过多场景，容易增加建设和运营压力。平台投入过重，也可能影响适应技术变化的灵活性。

  据介绍，南京银行主要从一线工作中寻找切入点，在真实使用中观察效果，条件成熟后再稳步推广。结合前期实践，该行初步形成了“文化先行、场景驱动、技术收敛”的思路，更加注重从具体问题入手，通过阶段性验证逐步完善。

  让更多员工在使用中提出需求

  培育AI应用氛围，需要让技术与一线工作建立更多联系。上述负责人表示，南京银行在推进人工智能应用过程中逐步认识到，仅靠少数专业人员，难以充分发现一线岗位中的实际需求。客户经理、审批和运营人员更熟悉客户经营和业务流程中的具体问题。因此，该行注重创造适当的使用条件，让员工逐步了解AI能够做什么、存在哪些局限，也愿意结合日常工作提出改进建议。

  一方面，是让员工“敢用”，这就需要既提供机会，也明确边界。据介绍，南京银行通过办公助手、智能问答等通用工具，让员工在材料起草、信息整理和制度查询等工作中接触AI，并同步提示应用边界和可能存在的偏差，强调必要的人工复核和信息安全要求。

  另一方面，让员工逐步“会用”，不能停留在概念讲解上。南京银行结合不同岗位的工作特点，通过内部培训、场景演示和实际操作，帮助员工理解AI在访前准备、客户分析等工作中的使用方式。随着使用逐步深入，原先比较笼统的需求会转化为对信息范围、分析深度和流程衔接的具体要求。需求更清楚，场景建设也更有针对性。

  而员工是否愿意持续使用，最终还要看工具能否为日常工作带来实际帮助，能够减少检索整理时间、改善工作效率的应用，更容易在岗位中延续。该负责人表示，中小银行不少业务操作知识分散在一线岗位，体现在客户分析、异常识别和流程处理等具体工作中。让业务人员参与场景设计和效果评价，有助于将其中一部分经验逐步沉淀为可复用的工作方法。

  实践中，各类人员的分工有所侧重。业务人员提出具体问题、补充业务规则并判断结果是否可用，科技人员将需求转化为相对稳定的功能，专业AI团队则处理复杂场景和共性技术问题。这样的协作仍需在项目推进中不断磨合。

  先解决具体问题再逐步延伸

  AI场景是否有效，要放到具体业务中检验。南京银行围绕资料查找、跨系统整理、报告撰写等较为耗时的工作，优先选择长期占用时间、较多依赖个人经验，同时又有相对明确输入输出的环节开展探索。

  “访前一页纸”从对公客户经理上门前的准备工作切入。过去，企业信息分散在行内外不同渠道，客户经理需要花费较多时间搜集整理，准备质量也会受到个人经验影响。该应用尝试将企业经营、产业特征和行内合作等信息汇集在一份材料中，并根据一线反馈补充营销切入点和上门尽调提纲，结合企业特点提供差异化参考。

  该负责人表示，从目前的使用情况看，这一场景主要是把分散信息和部分一线经验整理为相对固定的准备底稿，为客户经理提供辅助参考。材料仍需客户经理结合实际情况核实和判断，其作用更多体现在减少前期整理工作，让客户经理将精力放在核实重点、设计问题和了解客户需求上。

  零售客户经理联络报告体现了另一类探索。理财经理与客户电话联络后，需要根据回忆填写多项内容，既占用时间，也可能出现遗漏。相关应用将通话内容转成文本，对联络主题、客户意向和后续事项进行归纳，形成结构化记录，并由理财经理确认后提交。实际使用中发现的识别、分类和生成偏差，也为后续调整提供了依据。

  围绕这些反馈，南京银行持续调整语音识别、信息归纳和分类方法，并将业务人员的修改意见纳入日常评估。AI应用的表现会受到数据、语言习惯和使用环境等因素影响，完成需求交付并不意味着场景已经成熟。尤其在应用范围扩大后，效果可能出现波动，需要结合实际运行情况持续观察、校准和优化。

  场景上线后，该行主要观察实际使用、运行稳定性和业务反馈，并结合场景特点设置相应的评价方式。办公辅助类应用关注员工使用情况，业务作业类应用更多关注时间节省和流程改善，专业分析类应用则重视业务采纳与人工反馈。评价并不只看场景数量，也要看是否解决了原有问题。

  在实践中沉淀共性能力

  随着应用场景逐步增多，如果各团队各自选模型、搭知识库、接业务工具，容易出现接口不一致、能力重复和维护成本上升等问题。据了解，南京银行所说的技术收敛，主要是逐步统一基本的开发工艺、接口标准和运行要求，并不限定单一模型或平台。底层技术保持一定开放性，同时推动较为成熟的能力沉淀复用，为后续场景建设减少重复投入。

  算力建设也与实际应用需要相匹配。据介绍，南京银行结合场景规模和运行情况，稳步完善相关资源，推进国产算力适配和统筹调度，并对不同技术路线保持一定兼容。资源投入更加关注实际使用、运行效率和成本，在满足业务需要的基础上合理安排建设节奏。

  模型选择同样以场景适配为主要依据。对于通用任务，优先利用相对成熟的模型能力；对于专业要求较高的场景，再结合数据条件和实际效果进行针对性优化。客户经理联络报告也会根据不同任务的特点组合使用相应能力。模型是否可用，仍要经过场景测试、人工评价和运行观察，综合考虑准确性、响应效率和业务采纳情况。

  安全管理与场景建设同步推进。南京银行围绕使用规范、安全评测、权限控制、敏感信息保护和运行记录等方面逐步完善要求，并根据不同使用对象、数据类型和业务影响设置相应措施。在合理利用外部成熟能力的同时，该行也注重沉淀内部规则、开发规范和场景资产，为后续调整和迭代保留空间。

  “AI融入银行经营管理仍是一个长期过程。现阶段，南京银行将继续围绕重点岗位和关键流程，把已经上线的场景用好，及时收集使用反馈，并逐步沉淀可以复用的能力。面对技术持续变化，需要保持审慎务实的节奏，在一项项具体工作中观察实际效果，稳步提升AI服务经营管理的能力。”该负责人说。