AI技术加速落地，银行应用面临多重挑战

年初，随着Deepseek以低成本、高性能的优势迅速走红，人工智能再次成为关注焦点。而OpenAI推出GPT-5模型后，银行业对大模型的应用探索也重新升温。当前，银行在哪些业务中引入了大模型技术？落地过程中又面临哪些难题？

根据中国银行业协会发布的《2024年客服中心与远程银行发展报告》，2024年智能技术在银行客服领域的综合使用率已达93%，其中有31%的机构开始试水大模型应用。目前，AI在银行的落地集中在智能客服、风控管理与内部辅助编程等场景。某国有大行金融科技部门人士透露，该行已搭建Agent平台，尝试通过多个AI协同完成复杂任务。但业内普遍反映，算力不足、合规压力和人才短缺仍是推进AI创新的主要障碍。

部分银行已将AI应用于手机银行服务。例如，上海银行推出的“对话即服务”功能，让用户通过语音或文字即可完成高频交易。工商银行等机构也在探索基于AI的个性化财富管理方案。业内专家指出，完善Agent平台建设，是解决复杂金融场景应用的关键。随着基础模型逐步成熟，Agent应用或将迎来爆发期。

尽管AI应用在银行前中后台不断扩展，但机构之间的差距也在拉大。头部银行不断加大算力投入，如浦发银行近期启动了超亿元级别的算力扩容项目，多家股份行和城商行也在采购GPU服务器等设备。然而，AI落地仍面临多重壁垒。一方面，既懂业务又能落地技术的复合型人才紧缺；另一方面，银行内部流程复杂，项目需经过多轮评审和合规审查，影响创新效率。此外，传统IT架构的稳定性与AI的敏捷特性存在冲突，系统融合难度较大。

专家指出，尽管大模型在提升效率方面表现突出，但在金融场景中仍存在搜索能力不足、推理准确性不高等问题，容易引发错误。高昂的部署成本也让中小银行望而却步，AI在银行业的全面落地仍需时间积累与技术突破。