绿色识别给出分类以后，客户经理还缺什么

程一帆 · 特约作者 · 气候与绿色金融顾问 · 2026-10-09

从小时到分钟，缩短的是哪段工作

工商银行绿色金融智能平台将单笔信贷业务的绿色属性认定耗时，从小时级压缩到了分钟级。这个变化值得关注，但对客户经理来说，分类结果出来以后，项目资料是否充分、环境效益如何证明，仍然是需要处理的问题。

工行把相关能力分成了两项：“识绿”分析业务资料，自动提示绿色贷款分类；“识效”提取项目的环境效益数据。前者帮助判断业务对应什么类别，后者为进一步核对项目效果提供信息。

两个动作放在一起，说明绿色识别工具的价值不止于给出一个类别。分类提示、数据提取、真实性核验，是不同的工作。 系统能从材料中找到一个减排数字，不代表这个数字已经经过独立核证；绿色分类有了提示，也不等于信贷审批已经完成。

一份材料解释不了所有问题

工行的平台将环评报告、财务报表、合同发票等纳入影像处理，结合大小模型协同与动态路由，开展信息提取和跨来源比对。其作用是让不同材料之间可以相互核验，而不是只在某一段项目介绍里寻找绿色关键词。

从客户经理的工作看，材料各有用途。项目介绍帮助理解建设内容，合同和发票提供交易证据，环境效益数据则需要结合对应的计算条件理解。单份文档写得完整，不能代替这些材料之间的一致性检查。这也是多源比对对业务人员的实际意义。

环境风险又是另一层。工行还融合地理空间、气象、环保等数据，将生物多样性风险和气候风险映射到地理视图中。它帮助使用者查看项目所处位置的风险信息，与绿色分类提示承担不同职责。

因此，对一项识别结果的复核，既要看文字与数字有没有提取正确，也要看这些信息足不足以支持判断。缺少支撑材料时，工具应当把缺口留出来。至于补哪些资料、哪些疑点需要人工调查，应由具体业务流程确定，不能仅靠一项分类得分替代。

三十多个智能体背后，还有统一标准和分工

工行的平台覆盖贷前、贷中、贷后，形成了30余个智能体的协同服务体系，已经推广到全国38家境内分行及多家境外机构。自然语言入口负责调度拓客、调查、风控和经营等能力，报告编写功能则承担研究规划、检索和内容整理。

组织方式同样值得看。在总行统一标准下，15家分行参与共建30余个特色场景；对外与政府、企业等形成200多个场景连接。这里的智能体数量、共建场景数量和外部场景连接，是三种不同统计，不能相互替代，更不能据此推算客户数。

对中小银行，这组实践的参考意义在于：通用标准与地方业务需求需要同时安排。只复制一套模型，未必能解决资料从哪来、交给谁复核、结果回到哪个流程的问题。至于是否需要建设同样多的智能体，还要看本行的业务量、数据和人员条件。

平台所支撑的绿色信贷规模，也不能直接当作人工智能带来的新增业务。业务增长与系统效率是两项不同的评价；小时级压缩到分钟级，说明认定环节有所改善，不足以单独证明获客或贷款投放增长了多少。

给一线的结果，至少要方便复核和补件

如果把上述思路用于中小银行的一线工具，可以先把输出做成三部分，方便客户经理回查和补充材料。

一是分类建议与适用条件。让客户经理知道建议对应哪类业务、哪些条件已经有材料支持、哪些仍需确认。二是证据位置。把关键判断与相关文档中的段落、表格或数据对应起来，方便人工回查。三是缺项与冲突。材料不全或者不同文件口径不一致时，明确列出待核实内容。

这样的输出也更适合与后续工作衔接：客户经理可以据此补充材料，复核人员可以查看判断依据，报告编写则使用已确认的信息。环境效益指标进入报告前，仍需按适用方法检查边界、参数和计算条件，不能把自动提取直接当成最终确认。

一个工具是否好用，可以观察客户经理拿到结果后，还要花多少时间寻找依据、整理缺项和解释结论。分类耗时已经缩短，剩余的这些复核工作，决定了那几分钟的识别结果能否真正进入业务办理。