近期，关于人工智能（AI）在银行领域的应用深度，记者与多位来自不同部门的银行从业者进行了深入交流。这些部门涵盖了金融科技、金融市场、零售业务以及对公业务等多个关键领域，他们的反馈呈现出截然不同的两种态度：一部分人持谨慎保留意见，而另一部分人则表现出极大的热情和积极推动。
对于那些持保留意见的从业者而言，他们的担忧并非无的放矢。近年来，行业内对于“避免为了AI而AI”以及“防止数字化转型仅停留在理论层面”的反思日益增多。这种反思的背后，是对AI技术实际应用效果的深刻考量。
公开信息显示，市面上涌现出数以千计的AI工具，声称能够为银行提供赋能。这些工具覆盖了信贷、投资、风险管理以及对客服务等多个业务场景，凸显出AI技术在银行业中的广泛应用潜力。然而，值得注意的是，并非所有银行都能有效利用这些技术，尤其是一些在人员和系统建设方面存在短板的中小银行。
尽管如此，绝大多数银行对AI和数字化转型的态度仍然是积极的。从历史记录来看，大中型银行在前沿技术的探索和应用上从未缺席。无论是云原生工程、大模型构建，还是数字人运营、智能交互系统，这些银行都表现出了强烈的进取心，生怕在科技浪潮中掉队。从它们的财报中频繁出现的“数字化”、“智能化”、“AI”等关键词，便可见一斑。
然而，热情归热情，不少银行从业者对AI在核心业务场景的应用以及数字化转型的整体认知，仍然保持着清醒和务实。以AI智能客服为例，不少从业者反映，在实际操作中，AI客服往往无法有效满足客户需求，甚至在某些情况下增加了人工处理的工作量。这反映出AI技术在某些应用场景下仍需进一步优化和完善。
类似的情况也发生在其他领域。有中小银行零售信贷部门的从业者表示，科技部门提供的智能化工具并未能切实解决业务痛点，反而增加了额外的工作负担。而某些银行为了训练大模型而投入巨资购置的GPU集群，其实际利用率也远低于预期。
针对这些现象，业内专家也发出了警示。浦发银行副行长丁蔚在“人工智能与金融未来”2025春季峰会上强调，技术本身并非目的，应避免陷入“为AI而AI”的陷阱。这一观点得到了广泛认同。
在务实和清醒的认知导向下，银行业内部开始出现微妙的分化。一些银行对数字化转型的速度和AI部署的要求相对宽松，采取“跟随策略”；而另一些银行则对数字化和AI赋能业务的需求更加迫切，甚至将数据中台对业务的转化率纳入考核指标，力求在竞争中脱颖而出。
以某股份行为例，该行对AI应用和数字化的推崇程度较高，执行力也较强。他们已将AI技术引入金融市场业务场景，并要求大金市部门员工在工作中必须使用自主打造的智能外汇交易系统。该系统能够抓取目标客户企业的多项信息，自动生成避险方案，大大提高了工作效率。
多家银行在AI技术的落地应用上也展现出了一些共性场景。例如，在零售客户及企业客户的经营上，智能客服能够复用语义理解、知识问答等能力，为客户提供线上服务和营销支持。在财富管理领域，AI则根据客户的风险偏好和投资偏好，辅助生成定制化投资组合。在风控和反欺诈方面，通过对客户行为和交易特征的分析，AI提升了识别精确度。而在信贷审批场景中，AI技术更是实现了申请材料的自动识别和信息提取，大大提高了审批效率。
一位大中型银行金融科技部门的负责人表示，他们在完成最新开源大模型的私有化部署后，正结合银行业务特点进行优化，以更好地满足金融服务场景的实际需求。他强调，AI技术在各个场景的应用是一个由浅入深的过程，需要给予足够的时间和耐心。
随着银行半年报披露时间的临近，我们期待从各家银行的金融科技板块表述中，看到更多关于AI技术应用和数字化转型的真实描述。
