当前，金融行业的数智化变革正在加速推进，数据要素成为驱动变革的核心引擎，各类创新应用在不同业务场景中多点开花，重塑着金融服务的形态与边界。然而，数字金融的发展也面临着诸多挑战，金融机构在搭建AI时代的数据底座、平衡合规与效率、推动技术创新落地等方面，仍面临诸多亟待破解的难题。

作为国有控股的数字普惠银行，中信百信银行自成立之初便被赋予探索银行业数字化转型的使命。近日，21世纪经济报道“数字金融30人”栏目独家专访了中信百信银行首席数字官陈龙强，围绕数字金融内涵、组织架构保障、AI大模型应用、数字银行使命担当等话题展开深入探讨。

陈龙强认为，在发展金融“五篇大文章”的布局下，数字金融可以理解为当前时代下的“金融新基建”，发展数字金融能够为包括普惠金融、绿色金融、科技金融、养老金融在内的其他四篇大文章服务。陈龙强进一步表示，“数字化转型不是简单的技术叠加，而是通过‘苦活累活’夯实底座，让创新自然生长。”

在AI浪潮下，这家“小而美”的数字银行正以审慎与创新并行的姿态，探索中国式数字金融的新路径。

数据要素是数字金融的根基

《21世纪》：你如何看待数字金融的内涵？

陈龙强：关于数字金融的内涵，业界已经逐渐达成共识——数字金融可以理解为当前时代下的金融新基建，为普惠金融、绿色金融等关键领域提供基础设施支撑，它本质上是金融科技的高阶发展阶段——以数据为核心生产要素，驱动金融业态升级。

无论是普惠金融，还是其他金融业态，它们的数字化转型都依赖同一个根基——数据。因此，数字金融在概念上仍然与金融科技相近，但它代表了一种更高级的形态。

数据要素是数字金融的根基，目前行业已经从过去的概念探讨转向具体落地，对于数字银行而言，核心就是科技和数据，尤其是数据。

《21世纪》：数字金融如何真正落地？中信百信银行在推动数字金融发展过程中，构建了怎样的组织架构？

陈龙强：从顶层设计上看，发展数字金融需要以战略为牵引，组织架构去做适配，着眼于业务实际需要。中信百信银行构建了双专委会的组织架构。一方面，专门成立数字金融推进委员会，由行长担任主任，统筹全局规划；另一方面，在信息技术委员会下设人工智能创新应用专委会，聚焦技术创新与应用落地。

在具体执行层面，信息技术部和大数据部作为承接部门，一方面要搭建强大的数据中台、科技中台和AI中台等，实现资源的集约化，提高供给能力，减少浪费。另一方面是按照业务领域划分，敏捷支持前线业务，并且在考核上做一定的绑定，大家保持目标一致、作战节奏一致，最大程度保障交付效率和质量。自上而下的顶层设计很关键，但在数字银行，我们还要保障自下而上的创新空间，很多程序员很有想法，我们设立了创新基金，鼓励他们从科技创新角度多做贡献。

同时要注意的是，AI的深度应用一定会使得业务和科技、数据部门的边界越来越模糊，算法驱动下从需求、生产到运营，要注意组织架构和责任边界的重新划定。

《21世纪》：中信百信银行从最初成立就拥有数字化的基因，你认为在这一轮数字金融发展的浪潮中，中信百信银行有何独特之处？

陈龙强：中信百信银行成立的初心，就是要通过数字化能力践行普惠金融，服务好小微企业，探索银行业数字化转型的新路径。作为国有背景的数字银行，我们坚持 “以义取利，不唯利是图” 的价值观，在业务开展中保持克制、审慎经营。

我们的定位一直很清晰，主攻 “数字金融” 和 “普惠金融”，目标是做到 “小而美”。不追求宏大的规模，而是在客群、科技、产品上形成差异化，客群定位上服务好长尾客户，科技上发挥数字银行优势，产品上注重提升客户体验，在细分领域做精做专，发挥好边际效应。

近几年，我们在数据治理方面花了很多心思。中信百信银行没有庞大的线下网络，这意味着数据资产和知识库积累就成为了核心工作，而且是长期工作，这方面我们仍然有许多工作要做。事实上，对银行来讲，在AI时代，我认为也是可以借鉴科技公司，让数据中台能够强大运转，就像工业时代的内燃机，为业务持续注入动力。

AI大模型应用：先做数据“细活”，再育创新枝干

《21世纪》：在具体业务中，大模型的应用带来了哪些实质性的改变和提升？

陈龙强：对金融行业来说，大模型的应用也许会是传递得比较慢的那一端。基础模型的演进到应用端，从脚到头“传递”需要一段时间。我认为现在基础大模型在金融业的应用还要再等一等，金融领域相对封闭，合规要求很高，尤其是数据。具体（何时能够应用）取决于基础大模型能不能为金融行业，尤其是银行业，做出细分领域的适配版本。这跟训练数据是强相关的。

不过，当前来看，大模型在标准化程度高、需要处理大量文本的场景中，已经能够发挥降本增效的作用。尤其要关注AI Agent的发展，我们在实践中发现，多智能体协同已经到了拐点，已经能够处理比较复杂的工作。

以反洗钱工作为例，其规则明确但内容浩繁，过去主要依赖大量的人工处理。相关部门发来的涉嫌洗钱名单多为非标准化PDF文件，工作人员需逐份比对分析，一天处理 3000 多份文件已经达到工作饱和。而在应用大模型之后，通过模型解析，系统能按照预设规则自动判断名单与行内客户的匹配度及风险特征，同样的工作量几分钟内即可完成，效率和准确率均远超人工，真正实现了降本增效。

再比如代码助手，我们可以让模型学习优秀程序员的编码逻辑与风格，逐步培养成“数字员工”，参与到编程工作中。当代码采纳率足够高，不需要人工过多修改和监督时，就能有效提升开发效率，这也是降本增效的体现。

以此类推，我们在风控模型开发方面，我们也在尝试，同样的任务派发给算法工程师和风控智能体，在完成效率和KS值的提升方面，智能体已经略胜一筹。

《21世纪》：行业也在探索在交互层面使用大模型。那么在客户服务层面，大模型如何重塑交互体验？

陈龙强：当年苹果手机的伟大之处就在于引发交互革命，手触屏幕替代物理键盘，我们才迎来了移动互联网时代。当前，我们正通过大模型推动服务模式从“被动响应”向“主动感知”升级，交互方式发生变革。

在客户交互上，行业大致经历了三个阶段的演进：在1.0版本时期，产品就像货架上的商品，客户需要自己寻找；随后升级为2.0版本的“千人千面”智能推荐，系统能够基于客户画像提供个性化展示；现在我们正在向3.0版本的“一句话银行”迈进，致力于实现更精准的需求识别和服务推送。

在产品交付方面，我们倡导“一句话银行”的产品服务模式，所谓“一句话银行”是指客户只需说一句话，系统就能识别需求、调用服务并完成操作，无需在繁琐的层层菜单中查找。

比如，我们尝试应用智能客服，通过意图识别和参数提取，能更好地把握客户需求。我们开发的小程序也在实现服务“卡片化”，就比如当客户需要开具存款证明时，不用再按照固定步骤一步步操作，系统会直接弹出卡片，客户通过语音交互说明需求，比如时间范围、是否包含理财等，系统就能直接将存款证明发送到客户邮箱，大大提升了服务体验。

此外，这种演进不能单纯理解为交互方式的升级，归根结底还是在于客户导向，我们也在通过深度分析客户需求，为客户智能化匹配不同期限、不同机构的产品，在服务推送层面作出创新。

以义为利，在审慎中求突破

《21世纪》：前沿技术的更迭速度非常快，银行应该如何平衡基础工作与前沿探索？

陈龙强：需要强调的是，数据工作其实是 “苦活累活”。数据的产生往往伴随着用户的生命周期，我们需要在每个节点对每个动作做好记录，然后标签化，最后进行资产化。事实上很多时候这部分工作行业都没能完全做好。

许多所谓的创新，应该集中在数字资产的应用上，比如 AI 的应用。如果AI应用是一棵树苗，那么底层的土壤就是数据，当数据基础打牢后，创新自然会像枝干一样生长出来。我们现在的工作重点就是先把 “根基” 筑牢，做好数据的收集、整理、归集和应用这些基础工作。很多人急于在 “枝叶” 上做文章，却忽略了 “根基” 的培育，这是不可取的。

《21世纪》：针对科技风险与AI治理与问题，您有哪些看法？

陈龙强：AI 治理是一个复杂的问题，需要平衡监管与创新，兼顾技术与管理。

从企业的角度来看，企业自身要从制度和技术手段建立安全围栏，设置边界和责任，不能超越范围使用。

在基础模型方面，目前所采用的备案制是适合行业发展的，由于金融机构一般不会自己去开发基础大模型，更多是应用层面的探索，所以在治理上区分基础模型和行业应用，针对性地采取措施是必要的，这样可以在防范风险的同时，为创新留出空间。

管理手段在治理中同样关键。目前行业缺乏成熟经验，可考虑设立 AI 伦理专委会，或通过协会组织建立行业规范，以自律弥补监管在道德与法律模糊地带的空白。只有技术与管理并重、监管与自律结合，才能在防范风险的同时，推动 AI 技术在金融领域健康发展。

来源：21世纪经济报道