当前，AI正在深度重塑金融业，不少金融机构纷纷进行智能化转型，AI数字员工走进信贷业务的同时，成本门槛、数据短板、人机权责、技术与业务脱节、合规边界等一系列现实难题持续考验行业。此外，大量中小金融机构也陷入“想做AI但难做AI”的现实困境。近日，奇富数科总裁周旭强在服贸会上接受了北京商报记者专访，针对中小金融机构AI转型卡点、信贷场景人机协同、第三方科技服务商定位以及银行业数智化未来趋势展开深度剖析。在周旭强看来，监管规范化将释放行业更大发展空间，与此同时，普惠信贷领域有望诞生超级智能体，真正破解“普”与“惠”难以兼顾的行业痛点。

三重现实卡点困住中小机构AI转型

金融行业AI落地速度不断加快，但不少中小金融机构受限于自身条件，智能化推进步履缓慢，缺资金、缺数据、缺成熟机制，成为摆在面前的现实阻碍。在和几十家中小金融机构沟通调研后，周旭强总结出制约中小机构AI落地的三大核心卡点。

首先便是前期成本投入压力。落地AI智能体系，需要配套算力资源与软件开发投入，前期就需要一笔不小的资金支出，对于预算有限的中小机构而言，存在一定难度。其次是高质量数据环境的构建，高质量的数据是AI智能体发挥价值的重要前提，但很多中小金融机构内部数据治理水平不足，数据零散、标准不统一，难以支撑大模型、AI智能体稳定运行。第三个卡点，则是新型AI应用场景配套的容错机制与责任承担机制亟待变革。

针对上述痛点，周旭强也给出了务实的解决路径。算力方面不必一味追求自建，采购成本过高的情况下，可以采用租赁模式，通过私有云、公有云混合部署的方式压低前期投入。而数据治理、AI应用容错与责任划分，则需要机构管理层完成认知革新，建立适配AI业务的制度流程。 

人机有机结合是比较合理的分工边界

解决好成本与底层建设问题之后，金融AI落地还绕不开权责划分这道命题。当下，AI信贷员、AI审批官等数字员工投入使用，信贷获客、审批、风控等链路开始拥抱AI。如何兼顾效率提升和风险管控，如何规避上线AI之后“技术业务两张皮”，成为金融行业共同的考题。

“AI和人工的权责边界不能一概而论，要分场景看待。”周旭强表示，部分场景可以实现AI端到端、全流程处理；但还有一部分场景适合人机协同，即便AI可以自主执行复杂任务，但关键节点还需要人工介入确认，AI输出最终结果后，也需要人来做最终决策，人机有机结合是现阶段比较合理的分工边界。

结合行业实践，周旭强介绍，目前零售信贷、财富管理配置建议、资料审核、报告编写等环节AI应用已经跑通，落地效果相对成熟。而大额交易、大额审批业务，依旧处于早期探索阶段。此外，还有面向C端客户手机银行的AI应用，需要完成监管报备、灰度测试，也还在摸索阶段。

值得一提的是，在科技公司与金融机构合作的过程中，也存在AI技术落地但业务转化不及预期的情况，部分服务商只输出技术工具，没有贴合金融行业真实业务流程。在周旭强看来，科技公司首先要读懂金融业务，即便专业深度比不上银行内部深耕业务的工作人员，也至少要做到七八成的业务理解，才能和金融机构有效对话。奇富数科在落地项目中让IT工程师、AI算法工程师进驻项目现场，和银行业务人员、技术团队共建共创，将AI模型、智能体嵌入银行原有业务流程，逐个解决实际业务问题，让技术真正服务业务，避免技术悬浮。

监管规范化打开行业机遇

技术快速迭代的同时，金融AI领域的监管细则也在不断完善，行业合规门槛持续抬升。在此背景下，第三方AI服务商是被监管约束收紧，还是迎来规范化的发展机会？周旭强认为，“监管趋严、规范化要求出台，总体来看机会大于约束。监管规则能够清晰地划定边界，告诉市场哪些领域可以放开手脚做技术突破”。因此，规范化的监管有利于淘汰无序竞争，利好合规能力强的第三方服务商。

同时，周旭强明确了第三方科技服务商的定位边界。第一，服务商只输出技术能力，涉及银行主体决策、AI流程中断点介入的环节，责任主体必须属于银行，科技企业不能越俎代庖进行业务决策。第二，跳出过去卖系统、卖通用模型的工具思维，在大模型时代，工具只是载体，最终目标是为合作机构带来真实的业务效果提升。

展望未来两三年银行业数智化方向，周旭强判断银行业将迎来多业务条线齐头并进的格局。部分业务有望形成高度自动化的业务智能体，也有大量业务依旧需要AI与人工搭配协作，例如客户经理面对面客户经营这类强交互场景，人工价值无法被AI替代。不同业务线的智能化水平会呈现差异化发展。

“我非常看好普惠信贷这个赛道。”周旭强预判，未来普惠信贷领域有望诞生全流程超级智能体。当前普惠信贷从营销、审查审批到贷后管理已经呈现多点突破的格局。未来全链路打通的超级智能体落地之后，会极大提升业务效率，压低边际成本。长期困扰行业“顾普难顾惠，顾惠难顾普”的矛盾，有机会依靠AI实现破局，真正做到普惠兼顾。

北京商报记者 刘宇阳 实习记者 王思奕