Ｃ

nfinance

主持人的话

在金融科技快速发展的当下，AI技术正深刻改变银行业的服务模式和竞争格局。然而，在降本增效成为数字化转型的响亮号角、“AI机器”轰鸣着开进银行每个服务环节时，我们不得不直面取与舍的权衡：在技术发展的同时，如何保留人与人之间的那份温度？构建“人情味”银行AI体系，不仅意味着对内实现有担当、负责任的员工转型，更要求对外提供能共情、懂本地的暖心服务。本期一线话题邀请了中央财经大学中国金融科技研究中心主任张宁、宁夏银行首席信息官崔彦刚、晋商银行首席信息官李钢，共同探讨如何让技术赋能与人文关怀实现有机统一，走出一条具有“人情味”的中小银行数字化转型之路。

作者｜《中国金融》记者　张一帆

来源｜《中国金融》2026年第4期

当前，银行数字化转型已不再是科技条线的“专属任务”，而应成为全行员工的共同责任。构建“人情味”银行AI体系对内意味着实现全员成功转型，使AI技术成为转型过程中的伙伴，而不是替代员工的工具。

记者：随着AI浪潮席卷金融行业，传统岗位结构正在被重塑。这一趋势催生出了哪些具有代表性的新岗位，其是否会成为行业主流？

张宁：我简单列举几个新岗位。一是AI专家，负责对AI技术未来发展和应用进行设计、规划、研发、项目建设及日常管理等工作，推动机器学习等智能化应用落地。二是AI算法工程师，职责涵盖AI项目的开发与实施、AI相关技术应用方案的制定、AI平台化应用的搭建等。三是AI产品经理，负责挖掘AI与业务融合场景，制定AI产品的发展规划，推动AI产品的研发、上线及迭代。四是AI策略分析师，设计AI与人工协作的业务策略和框架，如基于AI分析的投资策略、营销推广策略等。

崔彦刚：我认为根据职责分工，可能会在细分领域出现AI金融工程师、AI风控工程师、AI训练师等岗位，涉及从AI建设到场景应用设计等多个方面，专注利用AI技术开展数据分析、模型构建、产品优化等工作。随着AI技术的不断成熟和应用场景的日益拓展，这些岗位的需求会逐渐增加，但这些新岗位能否成为行业主流，还需要看其能否为金融机构带来实质性的效益和价值。若AI技术能够显著提升金融机构的运营效率、降低风险、增强客户体验，那么相关岗位的需求将会持续增长，有望成为行业主流。

记者：面对AI催生的新岗位和新要求，您认为中小银行应如何助力员工转型以适应这场变革？

张宁：以前银行柜台前办理业务的人络绎不绝，而现在门可罗雀。部分员工转型到了其他岗位，实现了“岗位升级”。因此，对于一线员工而言，进行定制化课程培训，通过案例教学、工具实操等方式，能够提升其对AI工具的应用能力。而对于领导层而言，可以邀请专家教授及行业资深人士，开展关于大模型应用与管理的深度分享，帮助其从战略高度把握AI技术在银行发展中的应用方向。

李钢：在大模型时代，中小银行囿于资金、人员等因素的限制，在算力规模、场景应用落地速度与广度等方面落后于大型银行和互联网金融机构。面对这一趋势，中小银行员工的数字化转型迫在眉睫。但应认识到，数字化转型要自上而下地推动，一来可以提升业务水平及效率，二来能促使管理层到基层学习以数据驱动的思维、了解AI技术与金融业的结合。以晋商银行为例，我们在框架层面建立了数字化转型办公室，制定了数字化转型路线图，统筹负责全行数字化转型工作。在执行层面，为持续提升广大业务人员AI技术应用水平，我们开展了多项活动，如邀请行业专家召开“智慧银行AI赋能”AI应用大会、组织专家培训AI技术原理及应用场景等。此外，为深化科技人员业务理解、深度赋能业务发展，我们对重点业务条线派驻科技人员开展数据分析与建模、科技应用规划等工作。

为避免员工遭AI“抢饭碗”的局面，我认为重要的一点是要强化与高校、科研机构和业务伙伴的合作，通过建立长久稳定的校企合作、业务交流机制，为未来的校招员工提供实践机会，为在职员工提供成长空间，也为银行进行创新性业务搭建课题探索机制。以晋商银行为例，在支持高校学生来行实习的同时，也不定期邀请教授、学者进行讲座培训。在业务交流方面，与合作伙伴建立了创新实验室、人工智能学院，共同探索在AI金融场景创新、人才培养等方面的建设。还有一点也十分重要，就是要构建持续学习的文化。晋商银行始终致力于建设成“学习型”银行，通过立足于自身构建的持续学习机制，为员工提供专项学习经费，鼓励员工通过参加线上学习、内部分享会、外部讲座等方式，不断更新技能，跟上行业发展步伐。

构建“人情味”银行AI体系，其核心在于超越冰冷的工具属性，将情感计算与人文关怀深度融入金融服务。这意味着对外提供的应是结合区域文化、语言习惯与金融生态的“懂本地”的解决方案，并且具备给予弱势群体理解与关怀的“强共情”能力。

记者：中小银行立足地方经济，服务区域大众，一直以来与当地客户维系着紧密的情感联结。AI技术的应用是否会削弱中小银行“人情味”优势？

记者：在认识到AI技术存在“去人情化”风险后，中小银行应如何设计路径，才能确保在提升技术效率的同时，更主动地巩固和强化独特的“人情味”优势？

记者：中小银行如何在保留人工服务和引入AI技术之间进行权衡？

崔彦刚：中小银行需要认识到，尽管AI技术能够极大提升服务效率和质量，但人工服务在特定情境下仍具有不可替代的作用，尤其是涉及复杂问题或高度个性化需求时。我认为，AI技术的应用目标是中小银行应最先明确的。中小银行应选择合适的业务场景，在保留人工服务和引入AI技术之间，建立人机协作模式，并持续监控与评估，按需调整比例，平衡效率和体验之间的关系，让银行服务既快捷高效又温暖贴心。

李钢：目前，中小银行资源呈“三少一弱”态势，即资金少、人才少、数据少、技术弱。因此，在保留人工服务和引入AI技术之间必须做“减法”，即把AI用在最能放大人均产能、最能减少重复劳动的环节，其余环节则继续依靠人工保持差异化的“温度”。具体而言，依据流程标准化程度、单笔业务价值/风险比来权衡人工服务与AI服务，即业务流程标准化程度高以及业务价值低、风险低的工作可以优先尝试采用全流程的AI智能体以提质增效。

记者：中小银行哪些业务场景更适合实现“人机协同”？

崔彦刚：我认为，在客户咨询、长尾客户营销、数据录入与报表生成等标准化程度较高的业务场景中，可以优先引入AI技术，实现快速响应和高效处理；在信贷审批、风险管理、财富管理等需要深入分析和个性化建议的场景中，则应结合专家的经验和判断，实现“人机协同”，共同为客户提供更优质的服务。在完成以上工作后，还应做好AI应用评估，实时监测AI应用效果。此外，AI分析决策偏离度的评估也应纳入银行AI体系建设，通过迭代、训练和完善AI智能体，最终达到满足自身场景需要的目标。

记者：虽然AI可以提高业务效率，但不可否认，因数据偏差、算法设计缺陷或场景不适配等原因，AI的使用会对特定群体产生“算法偏见”。应如何确保其最终决策的公平性？

崔彦刚：我主要从技术设计方面谈一下看法。要想解决偏见问题，应先找出产生偏见的原因。通常而言，低收入者、老年人或许因为交易数据或交易行为较少，导致模型在学习过程中存在特征理解不足，而被标记为高风险客群，从而在实际的金融活动中产生偏见。因此，在数据层面，可通过为低收入者和老年人生成更多样化的数据样本，平衡数据分布；在模型训练方面，应对低收入者和老年人等弱势群体的样本赋予更高的权重，使这些群体的样本在训练过程中对模型参数的更新产生更大影响。另外，应采用可解释的AI技术，让最终用户和决策者理解AI决策过程和输出的原因，增强模型的透明度。总之，AI风控的公平性并非仅是技术问题，而是社会价值观的代码化体现，通过“数据扩容+算法透明+制度兜底”的三重保障，才能让技术真正服务于普惠金融。

李钢：我认为可以从数据准备阶段、建模阶段、推理阶段、部署与治理阶段分别进行针对性地防范。在数据准备阶段，通过合成数据生成、样本重采样等技术补充老年人/低收入群体数据，增强数据代表性；通过开展敏感特征审查与控制，排查模型中涉及年龄、性别、收入等变量是否构成直接或间接歧视，并通过中性代理变量替代明显敏感特征（如用消费能力指数代替收入）。在建模阶段，通过引入人口比例平等、机会平等等约束条件，构建公平性约束模型。在推理阶段，通过引入SHAP/LIME等理论，分析模型输出依据，发现是否因偏见变量产生歧视决策，并记录模型决策路径，为潜在的用户申诉提供个体级决策解释。在部署与治理阶段，通过设立“人机协同”审核机制，对模型置信度低或风险决策敏感的用户，转交人工审批，或者设定“公平性闸门”（若涉及老年人或低收入人群，还需要额外的验证流程）。同时，在监管与合规制度建设方面，要坚决落实《中华人民共和国个人信息保护法》等法律法规。

张宁：我再补充几点，解决这个问题既需要基础理论的进步，也应考虑具体应用场景。除了应在数据源头以及算法设计方面进行优化，场景适配也是关键之处，要针对特定群体定制公平性模型。另外，监管校验也是不可或缺且重要的一环，其核心是构建“外部监督+社会参与”的生态，例如，建立算法公平性的行业标准，引入第三方偏见审计等。

记者：未来，中小银行应如何更好地利用AI工具，在保留“人情味”的基础上，开辟出一条独特的智能化发展路径？

张宁：可以说，保留“人情味”即保留服务的温度。人才培养是中小银行智能化发展的关键，更是“人情味”体现的重点。除了加强员工培训外，还应引进外部AI专业人才，为AI技术的应用和创新提供智力支持。实际上，人才培养的“人情味”是要建立完善的人才激励机制，通过提供具有竞争力的薪酬待遇、良好的职业发展空间和创新的工作环境，吸引和留住优秀人才。而独特发展路径的构建则需要中小银行结合自身优势。一方面，应聚焦本地化服务与特色场景，深入挖掘本地企业和居民的需求，打造具有地方特色的金融服务。与当地政府、企业合作，构建“数据粮仓”，打通城乡公共数据、企业数据、个人数据等“沉默资源”，通过合规共享平台实现数据价值激活就是一条可选路径。另一方面，精准定位客群与定制化服务。一些银行的信用债报告助手可自动生成尽调、授信、审批等复杂文本，授信报告采纳率达95%，这就是很好的例子。

崔彦刚：我始终认为，科技的灵魂在于人的温度。在AI浪潮奔涌而来的今天，中小银行更应把握这一趋势，将冰冷的技术算法与温暖的客户关怀相融合，以差异化路径找准自身市场定位，持续提升数字化服务能力。这就要求中小银行应着力创新更具“人情味”的AI金融产品，通过创新AI金融产品、强化AI风险管理、加强AI人才队伍建设、构建生态化合作等措施，实现差异化发展。在此基础上，中小银行还需保持战略定力，扎实稳步推进各项举措，真正让AI为经营管理全面赋能。最终目标是围绕服务地方经济、贴近客户需求两大核心，打造具有区域特色、有温度的AI金融服务范式。

李钢：中小银行服务地方经济，核心优势不在于规模，而在于贴近本地经济与客户需求。因此，中小银行的智能化发展不能照搬大型商业银行的“规模智能”，而应以“AI增强服务”为核心目标，开辟属于自己的“温暖智能”。以晋商银行为例，我们以“晋商e贷”为样板，针对本地客群的融资痛点，基于AI技术提供的低成本特色化服务能力，专门细化推出了“码上‘羊’气”“码上晋‘采’”“码上享‘服’”等专属服务方案来支持本地养羊户、政府采购服务商、服装经营户等小微客群。在业务发展中始终坚持AI是“放大镜”，让银行更高效地、更准确地表达“人情味”，进而细化服务内容，提升服务温度。■