从生成式AI到代理式AI：银行业智能化的下一阶段

何岸 · GreenFinance 研究院 · 数字金融方向 · 2026-03-10

范式切换的背景

近两年来，全球主要银行的AI投入进入加速期。麦肯锡2025年底调研显示，超过70%的大型银行已部署生成式AI（GenAI）工具，主要用于文档摘要、代码辅助和客服应答。但行业正在经历一次范式切换——从"生成式AI"向"代理式AI"（Agentic AI）迁移。前者被动响应指令、生成文本，后者能够自主规划步骤、调用外部工具、执行端到端业务流程。

这一转变有明确的效率驱动。以信贷审查场景为例，生成式AI可回答"该行业平均违约率是多少"，代理式AI则能自主拉取借款人征信、比对行业数据、评估担保物价值、生成初审意见。据摩根士丹利测算，代理式AI在信贷流程中的应用可将审批时间缩短40%—60%，人工复核量减少约35%。

海外大行的布局与治理实践

从部署进度看，摩根大通2025年AI支出超过170亿美元，明确将Agentic AI列为核心战略方向；花旗银行在合规监控领域部署了多个Agent系统，用于自动识别交易异常并触发升级流程；汇丰银行在财富管理条线试点AI Agent，支持客户经理完成产品推荐与合规检查的自动化编排。

治理框架的建设与能力部署同步推进。从海外实践看，领先机构在部署Agent系统时普遍建立四道防线：一是权限边界，明确Agent可执行和不可执行的动作清单；二是可解释性，要求每步决策附带依据链；三是审计日志，全流程操作可追溯；四是责任归属，出现决策偏差时可定位到具体环节和审批人。美国货币监理署（OCC）在SR 11-7框架下，已开始要求将Agent系统纳入模型风险管理范畴。

国内银行业的现实约束

国内银行对Agentic AI的探索正在加速。2025年以来，工行、建行、招行等机构已在客服、运营、风控领域开展试点。但落地过程面临三方面特殊约束：

一是合规环境尚未明确。《生成式人工智能服务管理暂行办法》对AI输出内容有要求，但对AI自主执行业务动作的边界尚无细则。先行机构需自建安全框架，承担一定的合规探索成本。

二是数据接口分散。征信、工商、税务等数据分布在不同体系，Agent的"自主调用"需逐一打通授权链路。这与海外银行可较便捷接入第三方数据API的环境存在显著差异。

三是组织协同不足。Agent系统跨越传统的"IT开发—业务使用"分工，需要业务、风控、合规、技术四方协同定义规则。目前多数银行的组织架构尚不支撑这种协作模式。

策略建议

对于正在评估Agentic AI的银行，建议采取"试点—治理—扩展"三步路径：第一步，选择风险可控的内部场景切入（如知识问答、报告生成），积累Agent运行经验和治理数据；第二步，在试点过程中同步建立权限矩阵、审计要求和人工兜底机制，形成可复用的治理模板；第三步，向信贷预审、风险预警等高价值场景扩展，确保控制面始终跟上能力面。

AI从辅助工具向流程执行者的跃迁，本质上不是技术问题，而是治理与组织管理问题。能力建设快于治理建设的机构，风险敞口反而更大。