中经记者 郝亚娟 杨井鑫 上海 北京报道

近日，平安银行（000001.SZ）发布董事会决议公告称，会议审议通过了《平安银行人工智能管理办法》（以下简称《管理办法》）。作为上市银行首部对外披露的人工智能管理办法，这一举措引发市场关注。

随着人工智能技术加速融入银行信贷审批、风险管理、客户服务、运营管理等业务场景，AI应用正从局部试点走向规模化落地。如何在提升业务效率的同时防范模型风险、数据安全风险及算法偏见，成为银行业数字化转型面临的重要课题。

多位受访专家在接受《中国经营报》记者采访时指出，随着AI在银行业务流程中的渗透不断加深，银行还需进一步明确权责边界，完善数据、模型及业务场景的分类分级管理机制，实现技术创新与风险防控的平衡。

AI治理从技术应用走向制度化管理

根据平安银行披露的董事会决议公告，该行第十三届董事会第八次会议审议通过了《管理办法》，议案获得13票同意，反对票和弃权票均为0票。

随着银行业人工智能应用不断深入，相关监管制度也在加快完善。2026年6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督等方面提出32项指导性意见，要求金融机构加强顶层设计和统筹管理，建立健全人工智能全生命周期管理体系。

天府立言金融研究院院长曾刚从监管政策和银行转型两个层面分析了此次《管理办法》出台的背景。曾刚指出：“一是监管政策的外部驱动。2026年6月，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，从治理架构、数据治理、算力建设、风险管理等方面提出32项指导意见,并要求董(理)事会指定专门委员会负责AI开发应用管理。二是银行全面数智化转型战略的内在诉求。实践中，银行业持续扩大AI场景落地，大模型应用已覆盖营销、信贷、风控、运营等多条业务线，大规模铺开AI应用后，模型风险、算法偏见、数据安全等隐患随之放大，需要从董事会层面建立顶层制度，把AI风险纳入全行全面风险管理框架。”

从银行自身发展来看，AI应用场景不断拓展，也意味着风险管理需要由单一技术环节向全行业务流程延伸。曾刚进一步指出：“这份《管理办法》本质是适应‘实践快速发展过程的需要’，在加速AI赋能业务的同时，明确权责边界，落实 ‘谁使用谁负责’ 原则，平衡AI降本增效与金融风险防控，向市场传递数字化转型的合规底线，提升投资者与客户信任。”

中国（上海）自贸区研究院金融研究室主任刘斌认为：“上市银行首份对外披露的AI管理办法，是银行业AI从试点应用转向制度化风控的标志性事件，落实监管要求，为同业提供范本。”

国际数据公司（IDC）金融行业研究经理思二勋也指出，平安银行此次公开披露《管理办法》，是国内上市银行中的首例，这一事件并非孤立的企业动作，而是监管要求落地、行业发展阶段切换与银行自身战略深化三者共同作用的标志性事件。

思二勋表示：“它意味着银行对AI的管理，正在从‘技术部门牵头、项目制推进’转向‘公司治理框架下的制度化、全生命周期管理’，标志着上市银行AI竞争进入新阶段：从拼场景、拼算力、拼数据，转向拼治理能力。它既是监管落地的产物，也是行业从试点走向规模化、从工具应用走向战略深化的必然结果。”

银行如何筑牢风险防线？

受访专家指出，银行需要防范AI对金融消费者权益、业务合规及风险管理带来的潜在影响。

曾刚告诉记者：“AI深度嵌入信贷审批、智能客服、风控反欺诈、营销等业务链条，需要构建全维度规范体系。一是顶层治理，明确董事会、高管层、业务、风控、科技部门权责，建立AI场景准入与分类分级机制，高风险信贷决策必须保留人工复核。二是数据治理，严格客户隐私保护，落实数据脱敏，防范数据投毒、样本偏见，严控敏感个人信息用于模型训练。三是模型全生命周期管理，覆盖开发、测试、上线、监测、迭代、下线，持续监控模型漂移，提升模型可解释性，破解算法黑箱问题。四是伦理与消费者保护，防范算法歧视，避免对特定群体产生不公平授信或拒贷。五是外包与供应链风险，引入第三方大模型时，银行仍承担主体责任，同时配套网络安全、提示词攻击防护和业务应急兜底机制。”

“单纯依靠科技部门进行风险防控，已难以满足AI规模化应用的管理需求。”思二勋表示。据他分析，结合银行业强监管属性与AI技术的风险特征，随着AI渗透到信贷、风控、运营、客服、营销等全业务流程，需要规范的核心维度可以按照“治理层—数据层—模型层—业务层—风险合规层”的全链路逻辑展开，涉及顶层治理与责任边界规范、数据全链路合规规范、AI模型全生命周期管理规范、业务场景分类分级准入规范以及风险防控与安全兜底规范、合规审计与问责规范等全流程，其中既包含传统AI的治理要求，也新增了生成式时代的特殊规范。

针对具体落地路径，曾刚建议：“银行应坚持业务价值优先，避免盲目追逐大模型技术热点，将AI治理与数字化转型同步推进。首先完善组织架构，设立跨部门AI治理与伦理审查小组，把AI风险纳入全面风险考核，建立独立于开发团队的模型审计机制。其次实施场景分级管控，区分营销、客服等低风险场景与信贷审批、风控等高风险场景，高风险场景坚持人机协同，AI仅作为辅助决策工具。再者夯实数据底座，建立高质量、无偏见训练数据集，完善脱敏、权限管控机制，定期开展模型压力测试与对抗攻击检验。同时做好文档留痕与可解释管理，完整留存模型开发、迭代日志，满足监管审计要求。最后循序渐进建设制度体系，大型银行可参考平安经验制定专项 AI 管理办法，中小银行优先复用现有模型制度，分步补齐规则，同步加强员工AI风险培训，建立异常模型结果的快速应急处置流程。”

刘斌建议，银行应从三个方面完善人工智能治理体系：一是对AI风险实施分级管控，搭建模型全生命周期管理平台；二是严控数据安全及外部供应商风险，建设跨部门复合型专业团队；三是在高风险业务场景中坚持人机协同。同时，上市银行可适度对外披露AI治理框架，提升治理透明度。

除了完善治理架构和风险管理机制，不同类型银行在AI治理方面也需要因行施策。思二勋指出：“对于大型银行、头部股份制银行来说，AI应用基础较好，应全面构建体系化的AI治理框架，牵头探索行业最佳实践，参与行业标准制定，发挥示范引领作用。对于头部城商行来说，聚焦核心业务场景，重点管控高风险领域，不必追求大而全的体系，可借鉴头部银行的成熟方案，结合自身实际简化落地。对于农商行来说，技术与人才能力有限，不建议盲目自研大模型，可通过采购持牌机构的合规AI服务、接入行业通用方案的方式落地，重点做好外包风险管理与应用准入管控。”

（编辑：杨井鑫 审核：何莎莎 校对：燕郁霞）