“民生银行依据应用场景风险等级，实施差异化人工介入策略：低风险场景采用抽样审计，中低风险场景实行例外驱动，中高风险场景严格执行人机协同，避免AI失误造成不可逆损失。”3月28日，在新金融联盟主办的“金融智能体的业务赋能与安全合规”内部研讨会上，民生银行(600016)首席信息官张斌在主题演讲中表示。
他提到，软件工程是生成式AI实现规模化价值释放的重点领域之一。其中，规格驱动开发（SDD）模式可实现代码生成、测试、质量校验高度自动化，显著提升代码生产效率与质量，有望成为商业银行主流研发模式。
会议由新金融联盟秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。国家金融监督管理总局科技监管司相关领导、建设银行原首席信息官金磐石作主题交流。北京银行(601169)首席信息官明立松、交通银行金融科技部副总经理朱麟、中科金财(002657)董事长朱烨东也发表了主题演讲。94家银行、非银机构与科技公司代表通过线上线下参会。以下为张斌发言全文。
民生银行生成式AI的探索之路
文| 张斌
民生银行首席信息官 张斌
自2023年底生成式AI技术取得突破以来，民生银行即将AI应用作为“一把手工程”。作为战略性工作，2025年我行继续围绕体系化能力建设和业务场景落地两个方向推进：能力建设以智能体（Agent）工程体系、AI安全与治理为重点；场景应用聚焦信贷业务全流程、小微、零售营销以及软件工程3.0建设。民生银行领导层对AI工作高度重视，听汇报提要求频率明显增加。在这个大氛围下，科技与业务协同更加紧密，整体推进动能持续增强。
2025年，我行生成式AI应用取得阶段性成效。日均token用量达40亿，大模型日均调用量超100万次，应用覆盖办公及业务用户6.3万。落地40个项目，覆盖260个细分场景。去年四季度，我行启动首个AI战略及新的三年数据战略，持续推进企业级智能体、语义增强知识图谱和AI治理安全管理体系深化落地。
本次重点介绍民生银行生成式AI在信贷业务、软件工程两大应用场景的进展，并探讨生成式AI发展面临的挑战与对策。
一、信贷业务应用
在生成式AI赋能信贷业务全流程方面，民生银行已对信贷全流程进行了AI赋能潜力的系统分析，梳理出近40个环节，目前超过70%已实现落地，14%正在实施中，余下的尚处于规划阶段。AI已覆盖信贷业务流程的多数环节，不同客群的信贷流程与风控方式存在差异，部分AI应用解决方案可共享，部分需要单独构建。
在审查审批环节，智能辅助生成内容采纳率达84%，去年累计节约人员工时约4万小时；法律合同审查耗时从小时级降至分钟级，财务分析中风险信号识别率达50%。这些都是大模型擅长的领域。
从智能体视角看，风险分析、信号排查等智能体已落地应用，并持续迭代优化；目前信贷流程主要采用单任务智能体和工作流智能体，多智能体模式还在规划和探索中。
在信贷业务AI赋能与流程重塑项目中，我行信贷业务专家深度参与。进入生成式AI时代，业务与技术的协作模式从融合迈向共创，已成必然趋势。
二、软件工程应用（AI4SE)
软件工程是生成式AI实现规模化价值释放的重点领域。民生银行以全流程视角，持续、系统推进AI赋能软件工程，加快迈向软件工程3.0。
目前，氛围编程、代码补全等助手模式已推广运用；规格驱动开发（SDD）模式也开始在多个团队应用，实现代码生成、测试、质量校验高度自动化，显著提升代码生产效率与质量。对商业银行而言，规格驱动开发有望成为主流研发模式。
此外，我行开发了Deepwiki智能代码解析与知识资产管理工具，基于 2000 亿参数大模型，可对存量代码开展工程关系、代码结构、符号依赖的可视化分析，形成相应知识资产，在老系统维护、改造迁移中发挥重要作用。
上述成果得益于专用大模型能力的提升和工程体系的完善。
三、面临的挑战
2026年初，OpenClaw面世，实现了AI从思考到自主行动的突破，引发社会广泛关注和“养虾”热潮。同时，其不断暴露的安全和风险问题，也促使国家部委和相关机构相继向社会进行风险提示。这表明，生成式AI在实现能力突破的同时，也带来不容忽视的安全风险与滥用隐患，尤其在企业级应用场景中更为突出。
传统软件由规则驱动、流程确定、结果可预期，而智能体则具有目标驱动、模型推理、过程非确定、结果概率性的特点。当前生成式AI技术生态在设计模式、解决方案工业标准等方面尚不够成熟。尽管在多数业务局部领域、孤立环节应用已取得很好成效，但要进入多部门、多系统、多数据域、多角色、责任链条复杂的企业环境中，构建可持续、安全可控、可审计的企业级关键应用，仍面临诸多挑战。
生成式AI 要走向技术成熟与治理完善，既需要产业层面推动，也离不开行业层面指引与规范。商业银行需在内部治理体系完善、场景分级管理、全流程安全风控等方面持续发力。
四、应对措施与治理
我行积极探索基于场景风险的AI应用分级管理机制，建立差异化人工介入策略，例如，低风险场景实施抽样审计，中低风险场景采用例外驱动，中高风险场景严格执行人机协同。同时，构建覆盖业务、技术、安全三大维度的投产准入评分体系。
Gartner、德勤等机构均指出，组织的AI治理与安全能力，将决定生成式AI应用的价值与深度。国家已出台的生成式AI相关指引、监管机构指导意见都强调了治理的重要性。在保证安全、控制风险的前提下，有序推进生成式AI技术应用，既是外部约束，也是银行内在风险管理要求。
在完善生成式AI治理结构，强化技术和应用安全风险管理工作中，首先要落实好监管机构有关管理办法和指引要求，同时可参考国家《人工智能安全治理框架》2.0，以及NIST生成式人工智能风险管理框架，做到不仅治理体系完善，同时明确应对各类安全风险的具体举措，为生成式AI及应用提供可执行、可审计的指南。
在技术取得革命性突破的时代，我们应主动拥抱变革，积极探索运用新技术重塑银行经营管理，为实体经济和社会公众提供更优质的金融服务。同时，我们也应保持一分清醒和冷静，守住安全与风险底线，合规先行，扎实做好生成式AI应用分类分级和全生命周期管理。
本文首发于微信公众号：新金融联盟NFA。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。