人工智能催生金融服务范式变革

        人工智能（AI）作为引领新一轮科技革命和产业变革的核心技术，推动生产力革命性跃迁和生产关系深层次变革。历史上已经发生的三次工业革命，主要解放人的体力，提高劳动效率，是人类能力的量变；人工智能叠加放大人力（包括听说读写等技能）和脑力，使人类角色进入质变，重塑人类生产和生活范式。金融服务行业与人工智能的深度融合正在进行当中，服务范式的变革有些已经发生，更多的改变正在发生。我们有必要探究范式变革生成的底层逻辑、影响的主要节点和方面、未来演化的路径，以把握趋势，未雨绸缪。

金融服务正在发生的范式变革

（一）作为劳动者的泛化

劳动者是金融服务的生产主体，人工智能“大力出奇迹”，从生成式智能向自主智能跃迁，从被动内容生成到主动目标驱动，催生人机协同和AI智能体走向规模化和深度应用，劳动者和生产工具、劳动形态等发生了前所未有的变化：

首先，人与动物最重要的区别是人能够制造和使用工具，AI智能体成为具有“大脑+手脚”的自主行动主体，具有像人类一样“感知—认知—决策—执行—反馈”的闭环能力，能够写代码，调用工具，多智能体协同，实时交互，自我学习进化。

其次，在金融实践中，AI已经产生超级员工、数字员工、三维（3D）数字人和具身服务机器人等，通过机器人流程自动化（RPA）、自然语言处理（NLP）、计算机视觉等技术，借助虚拟或具身形象替代大堂经理、柜员、客服、风控等岗位，形成可量化的数字劳动力，开创人机协同的新生产模式。更多有逻辑的、重复的、结构性的工作正在被AI智能体和机器人替代。

最后，人工智能在大模型的加持下，不仅放大扩展人的器官功能，如计算机视觉可以精准识别图形，多模态模型可以理解分析语言、音频和视频等，关键是脑力的放大，AI大模型的参数量已达到万亿级别，具备惊人的数据处理能力和推理能力。马斯克称其大模型Grok4的智力水平已 “超越人类博士”，金融垂直模型可以理解金融的专业语言和流程规则，通过逻辑推导及问题分解，发现业务规律，自主完成跨领域复杂任务。据预测，未来AI智能体的复合智商将达到1200分，比人类自身的智商高出一个数量级。

人工智能最早的定义，是在解决复杂问题的过程中，机器表现出类似于人类智力的能力。如今，AI、劳动者和生产工具三者之间产生了微妙的变化：其一，AI不是人类，是“类人”，或者说是硅基生命，但智商或者智慧可能超越人类，成为“超人”；其二，AI不仅仅是生产工具，已超越传统意义“工具”的概念，进化为有“大脑”具有一定创造性的工具，成为人类文明的伙伴。人机协同是有生命力的合作，不再局限于主动与被动的关系，而是相生相克，相伴相生，相互理解，相得益彰；其三，经过训练，AI可以理解人的需求和工作，自主决策，自主行动，满足客户需要，完成人类下达的指令。但AI似乎具有独立个性，有时甚至产生幻觉，不听使唤。综上，我们倾向性认为，AI是劳动者的泛化，又是生产工具的进化或者异化；或者说AI是人和工具的第三种形态，既是劳动者，又是生产工具。由此产生的劳动组合前所未有，人机共生带来生产力的跃升，也面临新的难题和挑战。

（二）大数据成为主体生产要素

有管理的数据构成新质生产力的底座。随着信息技术的发展，万物皆数，尽在云端，人机物兼容，天空地互联。随着数据量的海量增长和大模型算力的指数级提升，大数据的作用由渐变走向质变、蝶变：从万物皆数到数生万物的虚实转换形成闭环，并且具备管理意义。万物皆数是由实到虚，与互联网应用和人类行为的数字化、平台化关联，着重于记录世界，发现世界；数生万物是由虚到实，基于大模型运行的参数趋近于无穷大，其表征的虚拟世界与现实社会经济运行臻于极度拟合，算法和模型提炼社会经济规律，模型泛化和涌现从更高的维度压缩抽象复杂世界的深层规律，更本质地认识世界，从而更好地理解、预测和改造世界。AI大模型与现实世界精准映射，呈现出强耦合性和正相关性，虚实闭环已然成立，其循环往复开启人类认识和改造世界的新道路。

金融作为数字密集型和高风险行业，数据和风险贯穿业务和运行全链路，金融服务对内通过大模型知识图谱整合多维动态经营数据，对外整合宏观经济、产业、行业、客群、集群、平台等运行信息，从业务数据化走向数据业务化，数据的支撑作用日益明显和关键:

一是增强信息对称性。金融行业的基本特征是高风险，风险不确定性源于信息不对称，随着大模型参数的无尽累加和算法的探索完善，行业信息瓶颈趋向纾解，即使某些领域存在信息黑箱，调节相关参数也可获得有效解。金融行业信息对称性增强，数据驱动的有效供给增大，客户选择更加广泛，金融服务趋向最大可能性边界。未来金融行业信息供应有望趋于完备，行业风险更多关注模型风险，如数据噪声、算法歧视和算法风险、行业大模型的训练和优化偏差、模型趋同和模型共振等。

二是管理泛化。管理边界的划分映射数据信息分布规律，传统管理通过产品和部门细分加强专业化部署，降低信息处理成本，大模型对数据、算力和算法的突破提升数据信息的决策支撑作用，丰富管理维度，数据分布和内在逻辑趋近的板块有望一体化或者泛化。以银行信贷为例，信贷产品存在按客户主体、贷款年限、用途和担保方式等划分的繁多品种，制订不同的贷款管理办法，普惠金融数字化贷款已基本成熟并实现规模化应用，模型经验向其他品种贷款泛化，更多贷款走向数字化和标准化的新范式：AI与客户沟通授信条件，大模型计算信贷违约损失率并自动化审批出具授信方案，AI后续跟踪落实；部门设立的初衷是决策信息短缺，人为设定管理半径，数据深化引发部门和产品边界的迁移、重组甚至颠覆。

三是算法和模型构成金融服务的核心竞争力。传统金融客户至上，互联网时代最重要的资源是流量，AI时代客户选择主权增强，金融服务充分竞争，金融专业模型生成的服务方案能否实现“算法洞察”与“个性化需求”的最优配比，并进入通用大模型的算法推荐，跻身主流服务，成为未来金融竞争的焦点，数据资产逐渐发展成为金融企业的主要资产。

以上变化对应金融服务智能化和数字化两大基本趋势，在此基础上，衍生演化金融服务更多的改变。

（三）客户服务方式的变化

客户服务是接触客户，了解客户，在客户满意的基础上销售产品和提供服务的过程。与客户交互是金融服务的生命线。

一是服务渠道和办理方式。传统交易主要在营业场所发生，面对面交流，客户需要付出交通和等待时间等成本；随着线上渠道的发展，开发了官方网站、手机和电子金融、应用程序接口（API）开放金融、微信公众号和服务号等众多渠道，客户的服务距离拉近，但服务专业门槛提高，客户被动点击迷宫般的服务界面，深陷数据孤岛，缺乏交流沟通。多模态大模型重构金融服务逻辑，金融服务回归本质：泛在、简单、直接、个性化和智能化。未来AI引擎将多渠道整合打造成超级入口，实现模型即服务，智能体即服务，对话即服务，客户以自然语言提出想法，AI进行充分交流，不仅领会语言意义，还理解客户情感和弦外之音，生成专业解决方案，简单业务客户确认即办理，复杂业务AI智能陪伴，像自动驾驶一样帮助客户办理相关手续。

二是走向AI生态的金融服务。中国拥有全球最活跃的数字化客群，丰富完善的产业链，政府对人工智能和数字化的推动不遗余力，层次丰富、相互关联的AI生态体系正在形成。金融AI和智能体无缝嵌入各类生态场景，争取流量、数据和交易机会。实体经济运行和各类市场活动触发金融服务需求，客户通过大模型推荐选择服务方案，或者通过经济、社会和生活AI智能体直接调用金融服务，金融服务AI开放友好，轻量敏捷，无感互联，如影随形，洞察深入，提供更具预测性和个性化的服务。

（四）产品和流程的变化

一是数字化产品成为主流。人工智能从流程嵌入走向决策枢纽，大模型收集处理多维数据，包括背景数据和语料数据，多模态数据包括图像、音频、视频、行为数据，结构化、半结构化和非结构化数据等，全方位立体画像精准深入；信息智能体长链条分析交易背景、市场逻辑、产业链趋势和供应链可靠性，由大数据驱动、大模型自主审批决策的数字化产品实现“秒批秒放”，在市场竞争中占据优势。

二是流程的AI再造。金融服务将出现AI原生企业，依据AI的算法规律全新设计流程和系统，实现端到端智能体自动服务，流程规则简洁标准，效率高超，倒逼传统金融企业进行AI再造，即按照人工智能运行的逻辑对业务系统和操作流程进行重新梳理，全面重构入口、架构、组织、流程、语言与工具、平台等，精简复杂冗长的业务规则，保持数据的可扩展性和一致性，缩短AI执行任务的思维链（CoT），打造智能体高效运行的共享环境。流程系统的流畅程度决定端到端的任务执行率，其效率和质量成为验证AI落地能力的核心。

（五）经营与管理的变化

金融行业在通用大模型基础上建设垂直行业大模型，全面统筹业务、风险和效益，以效益为中心实现多目标协同优化，并行耦合，管理过程可视可控。

一是经营实现全面自动化与智能化。AI从点状应用走向经营方式变革，从工作“自动化”向全流程智能、系统智能交互的“自主化”跃迁。AI智能体提供全栈解决方案，企业运行分解为由无数流程组成的有机体，客户服务、风险控制、数据信息和营运管理等各种用途的智能体贯穿其中，协同分工，多模态融合，多工具集成，多智能体协同，运营精度和生产效率产生质变。

二是价值创造能力提升。人工智能提高经营效率，支撑管理决策，创新业务模式，全面提升价值创造力，具体来看：首先，AI贯通衔接供需双方，减少信息不对称和金融排斥；重塑服务体验，科学分析挖掘客户需求，金融供给有效性增强，与市场需求形成良性循环。其次，AI的信息、成本和渠道优势推动金融分工多元化，催生智能原生新业态，孵化更多的金融新赛道，金融服务更具活力。再次，人机协同和智能体应用升级服务模式，提高服务效率，个性化适配客户，提升服务价值。从次，金融普惠落到实处，由于生产效率提升，服务费率呈下降趋势，越来越多通用和基础服务将实施免费，金融服务成为社会基础设施。最后，大模型对业务贡献计量准确清晰，催生多种商业模式。比如，付费方式可以参照AI模式实行按需付费、包周期付费和智能体订阅服务，也可以价值分成；收费模式可以基于客户综合收益、全生命周期和合作前景等进行差别化定价。

三是工作模式的变化。业务人员从重复性、低技术含量的基础基层工作中解放，从执行者、操作者转变为审核者、协调者，日常工作着重设定目标，分析市场并理解客户需求，创新创意，对关键节点的评估和控制等。工作团队由人类员工和“AI员工”组成，“AI员工”具有自主目标和决策能力，负责执行、数据处理、模拟优化和自动化流程。企业组织呈现网络化分布，智能协作网络实时高效沟通，大模型尽在掌握,智能感知整体目标进度和经营异常节点。人机协同的组织与效率成为管理新课题。

（六）世界观和方法论的变化

一是从“事事人为”走向人机协同。传统模式相信眼见为实，事必躬亲，管理者根据积累的知识经验进行判断，主观决策；AI时代相信数据，相信数据背后的规律，人机协同合理分工，依靠大数据进行模型化、智能化决策，技术理性与人类感性有机结合。

二是从“人控”走向“机控”。传统管理注重控制，科层制组织从上而下传递管理信息，层层负责；人工智能从智能工具转型为共生伙伴，注重沟通、协调和共享，数据驱动网络化扁平化组织自适应目标匹配，客户随时随地同AI交互，客户对服务方案和服务效果的满意度成为AI迭代提升的驱动力。

三是从以产品为中心走向以客户为中心。传统金融服务提供标准化产品，客户找产品；AI实现以人为本，人机协同精准预测客户需求，识别客户意图，立足客户多维画像与客户深入交流，服务彰显人性化和个性化。

四是算法为王。以ChatGPT、DeepSeek为代表的通用大模型逐渐取代平台成为意见中心，其算法推荐演变成为行业标杆，匹配其算法的金融服务被优先推荐和调用；倒逼行业模型优化算法，改进服务，力争形成整体或差异化优势；AI算法精准匹配金融组合和结构性产品，金融业中介功能减弱，金融脱媒和金融换媒趋势加速。

全面推动“人工智能+”战略

金融服务正在发生的范式变革很可能是一场范式革命。中国政府鼓励服务业从数字赋能的互联网服务向智能驱动的新型服务方式演进，人工智能已成为决定全球金融竞争格局的“战略高地”，中国金融有望成为新型范式的创新先锋，参与并引领全球人工智能的产业融合和普惠发展，为金融强国奠定坚实基础。

（一）监管的挑战

金融服务范式的系列变革对行业监管产生严峻挑战。国家人工智能政策鼓励“推动现代服务业向智向新发展，探索无人服务与人工服务相结合的新模式”，新范式、新发展、新模式与现有的监管规则和理念可能存在一定不适或者冲突。主要有以下几个方面：

一是关于人的定义与认定。劳动力泛化为AI后，传统监管对人工的要求和定义如何适用于AI服务，在无人服务过程中如何体现传统“三亲见”原则。

二是人工智能的可解释性。金融决策和操作更多地由人工智能和智能体自主完成，如何体现管理的谨慎性和合理性。

三是数字化产品的监管。以银行授信为例，授信大模型对贷款违约概率进行综合测算并审批提出授信方案，与传统贷款亲力亲为的尽调方式产生差异，大模型测算的合理还款期限需不需要遵守流贷和固贷的人为周期规定？目前贷款管理依据授信主体区分为公司（大中型企业）贷款、普惠贷款和个人贷款等，监管对口部室也不同，如何与时俱进？

四是人工智能重新定义金融服务的边界。金融服务无所不在，主体多元化，提供金融服务的不一定是金融机构，类似传统银行支付被侵蚀的领域和现象将持续发生；金融服务和产品经过AI泛化和融合，边界模糊化，生成逻辑变异，金融监管如何兼容AI新趋势。

五是其他挑战。例如，AI与客户以自然语言在虚拟空间交流，语言的复杂性产生消费者权益保护新问题；金融混业趋势加强，对特许经营和持牌经营如何设立模型算法门槛，既增强金融活力又减少盲目性。

（二）需求重构

人工智能技术突破为智能金融开创了广阔空间，目前金融行业AI应用尚局限于知识图谱构建、智能客服、业务咨询、标准报告拟写等辅助和边缘工作，核心应用和全面融合距离技术可行空间尚存在明显距离。产业需求的深度决定应用的宽度，未来需求之外的工作都可以交给AI。金融服务对AI的需求可能是颠覆性的，违反现有规则和惯例，横跨产业、行业、领域和区域，可能尚属全新的“无人区”或传统禁区。沿着旧地图找不到新大陆，要开放心态，摒弃陈规，大胆创新，积极求索，系统提炼面向未来的需求，需求的提炼既要自上而下，又要自下而上；既要面对现实，又要仰望星空。

（三）组织推动

金融行业与人工智能深度融合是一场生产力革命，投入大，影响深远，要做好顶层设计，设计好路线图，加快培育一批底层架构和运行逻辑基于AI的智能原生企业。新型生产力需要生产关系和组织结构的调整，金融现有组织体系基于人与人的协作，要超前规划未来人机协同的组织方式和流程架构。数字、技术和业务的融合是AI落地的关键，要组建敏捷高效的任务型团队，大模型专家、数据专家和金融专业人士深度协作。

（作者为中国建设银行深圳市分行普惠金融事业部副总经理、高级经济师）