2026外滩大会丨从服务机构到服务个人，AI正在改写信用服务的交付方式

“金融机构不用AI肯定要被淘汰，但AI是必要条件，还不够充分。”9月9日，在2026 Inclusion·外滩大会“AI原生时代·信用经济的应用探索”论坛上，清华大学五道口金融学院金融发展与监管科技研究中心主任张健华表示。

本场论坛由钱塘征信与蚂蚁消金联合主办。中国工程院院士、同济大学教授蒋昌俊，以及来自银行、消费金融、征信、云计算与人工智能领域的代表出席，围绕个人信用管理、消费场景风控和智能客户经理等落地应用，讨论AI如何融入实际业务。

边界：金融AI需要匹配业务需求与治理能力

变化首先发生在技术底座。蒋昌俊认为，“AI基座并非算力与服务器的简单堆叠，而是连接数据与业务的基础设施。”它不再只是IT部门的工具包，而将成为金融机构参与战略制定的“第二大脑”。

以风控环节为例，知识图谱、图神经网络与大模型的融合，使识别对象从单一账户扩展到账户、设备、IP地址及其关联关系，推动风险管理由“事后拦截”转向“事前穿透预测”。AI的价值，也由提供判断依据，延伸到帮助机构更早看见风险。

在蒋昌俊看来，基座决定了业务的创新高度，高质量的数据决定了决策精度，而可信的安全治理决定了机构发展，这样的三位一体的齐抓共管才能是所谓的新金融。

技术越深入业务，治理要求也越高，责任边界也需要随之调整。

张健华认为，技术发展与业务创新通常快于监管制度形成，监管需要在鼓励探索与防范风险之间建立动态平衡。模型幻觉、算法黑箱以及AI可能放大既有风险等问题，都需要纳入治理视野。

落地：信用经济与金融业务呈现AI新进展

在张健华看来，AI更多是能力提升的倍增器，技术与自身能力、自身需求的适配，同样是一道门槛。这意味着，机构需要先明确要解决的业务问题，再判断AI能够补足哪些能力，技术投入才有机会转化为实际效果。

钱塘征信的探索，首先体现在服务对象与机构角色的转变上。总经理李臻在演讲中表示，公司正在探索从金融数据服务商向社会信用基础设施运营商转型，以服务金融机构的信贷业务为基础，打造以个人为核心的信用管理服务。

钱塘征信总经理李臻

这一转型以公共数据授权运营和可信数据空间建设为切入点。李臻介绍，钱塘征信已获取超过8个省市的个人信用管理公共数据授权运营资质，并依托支付宝及各地政务平台的亿级生态，探索用户自主授权、主动管理信用的服务模式。其强调，合规授权的大规模数据供给，是AI社会基础设施建设的重要组成部分。

“信用守护”“信用报告”是这一服务模式的具体实践。据李臻介绍，75%的用户在发现信用风险后愿主动修复，月复访率达60%，其中小微经营者占复访群体的25%。持续复访和主动修复意愿，显示出个人对日常信用管理的需求。信用服务的价值，也从支持机构判断风险，延伸到帮助用户维护自身信用。李臻表示，这一模式未来有望从信贷延伸至民生服务、行业资质管理等领域。

AI的确为行业带来了效率上的跃升。钱塘征信首席技术官朱乐表示，面向大规模个人用户，信用管理需要持续、高效的服务能力。在个人数据、风控决策、用户交互等环节，AI技术可以将原本需要按月协作完成的产品研发上线压缩至小时级，降低多岗位协同成本。

在消费金融领域，蚂蚁消金副总经理兼首席风险官林嘉南分享，如何运用AI识别真实需求、优化差异化授信、提升个体风险研判能力，以“精准普惠”推动消费金融健康发展。据介绍，蚂蚁消金升级场景风控，支持识别日常消费、大件消费、旅游、兴趣、进修等230多个关键场景消费需求，并提供专项额度。2026年，场景化精准提额同比增长30%，相关用户不良率比整体用户平均水平低20%。

蚂蚁消金副总经理兼首席风险官林嘉南

蚂蚁消金首创的交互式风控产品花呗“小红花”，目前已支持用户提交职业技能、学历奖项、工作证明等1000多种材料申请提额。据林嘉南透露，该产品还将进一步引入对话式交互，接纳用户更多维度地表达资金需求和资质能力，AI自动提取、校验关键信息并做出实时决策。这些应用让更多真实、可信的用户信息被纳入风控决策，使普惠服务有条件兼顾覆盖面与匹配度。

在金融科技服务中，百融智能合伙人高级副总裁段莹将AI智能体定位为承担明确职责、接受结果考核的“硅基员工”。这一定位把AI的交付单位细化到岗位，工作目标、任务流程和交付标准需要事先明确，技术能力则要通过实际产出来检验。

这也意味着AI智能体要嵌入业务系统，与其他岗位共同完成工作。机构需要为其配置相应的数据、工具和权限，并建立结果评价与持续改进机制。当智能体能够稳定承担职责范围内的任务，员工才有更多空间处理复杂问题、作出专业判断。

共议：AI的业务价值与分工边界

单项任务的提速，能否转化为整条业务流程的改善，是金融AI进一步落地需要回答的问题。

阿里云智能集团新金融行业解决方案副总经理宁江彬在解析Agentic时代信贷业务智能化跃迁的过程中提出信贷智能化L1感知执行、L2验证推理、L3受约束的自主智能三级跃迁框架，以5层技术能力与6道可信门禁，推动AI迈向可验证、可审计、可回滚的自主决策。

浦发银行总行首席人工智能科学家郑波认为，判断AI应用是否进入了生产，要看它是否进入核心业务流程、是否承担原先由人完成的关键任务，以及是否改善了客户体验、经营效率和风险管理。

突破口上，郑波主张"锥子打法"，以少数入口级旗舰产品打穿高价值流程，再带动底层能力和周边场景建设。

郑波判断，未来三年银行AI的分水岭在于生产能力、价值运营能力与组织进化能力，领先的银行未必拥有最多的智能体，但一定拥有更快的组织学习速度：一个客户经理的优秀经验，可以迅速转化为全行客户经理的能力；一个风险案例，可以迅速沉淀为全行风险识别规则；一次客户反馈，可以持续推动产品和模型进化，最终把AI能力转化为经营价值。

腾讯金融云副总经理谢任东提出要让让 AI 进入信贷、支付、投研等关键岗位，金融机构需要建设“一体两端六域”的AI 工作台，打造业务、办公、研运、知识、AI infra、安全的六大关键能力。他强调，腾讯云交付的不是模型或单个智能体，而是一套让 AI 持续跑起来的工程体系，目标是让每家金融机构都拥有可持续进化的 AI 生产力。

重庆邮电大学人工智能学院副院长夏书银介绍了粒球计算在和蚂蚁消金AI消保场景的实际应用。在用户风险建模中，该方法可在模型精度无损的前提下实现约200倍样本压缩；在多模态伪造检测中，输入Token 减少30%。这为金融AI提供了参数扩张之外的另一条路径，以更少计算获得稳定、可解释的结果。

但这不代表决策责任随之转移。朱乐强调，随着智能的提升，AI会拥有越来越多的“探索权”、“建议权”和有边界的“执行权”，但最终的决策权目前还不能交给AI。。郑波也表示，银行业务中授信审批、资金交易等高风险事项，AI可以提供分析与建议，关键决策仍应由人负责。

这些实践表明，金融AI的价值开始体现在服务对象、服务方式和业务流程的改变中。沿着这一方向，技术带来的效率提升，需要转化为更易获得、更贴合真实需求的服务，机构也需要对关键决策及其结果负责。让更多人有能力管理信用、有机会凭借信用获得服务，才能使AI的应用进展转化为信用经济更广泛的社会价值。