近年来，金融机构对于AI的投入持续加码。银行、券商、保险、基金等纷纷将AI引入客户服务、风险管理等流程，AI正在成为金融机构数字化转型的战略抉择。
在阿里云智能集团副总裁、新金融行业总经理张翅看来，这只是开始。
随着AI逐步进入金融业务全流程，一个颇受行业关注的问题正在浮现——AI能够在多大程度上参与金融机构的核心业务？近日，在第32届中国国际金融展上，阿里云展示了金融级通用智能体平台“点金”。
展会期间，张翅接受时代周报记者专访。他长期深耕金融科技与云计算领域，在推动AI大模型及全栈云技术在银行、证券及保险等领域的应用落地方面具有丰富的行业经验。
张翅的观点是，一个真正的Agent（智能体），不只是回答问题，而是理解目标、拆解任务、调用工具、连接数据、持续执行，并在必要时让人介入，它更像一个可以被分配任务的数字员工。
如果说过去的AI只是一个“对话框里的聪明人”，现在作为智能体的AI，已经进化成一个在复杂金融业务流程中从头跑到尾的“全能助手”，不止“能说会道”，还要“能写会算”。
对于金融机构而言，AI已经是一道必答题，差别在于不同业务场景中的“AI含量”。据张翅观察，在不同类型的金融机构中，证券行业拥抱AI最为积极，在AI投入和选择上也相对前沿。
未来，当数字员工密集上岗，金融机构的业务会如何演变？
AI不止“能说会道”，还要“能写会算”
一年前，金融机构讨论的还是AI应用“能不能写研报”、 “问答准不准”。一年后，讨论的重点已经变成了另一个词语——Agent（智能体）。
智能体不是一个简单的聊天机器人，而是一个能够“跑回测、训模型、写报告、做风控、做合规”的助手，可以在复杂的金融业务流程中从头跑到尾。
在张翅看来，今年是真正的金融智能体元年，金融智能体已经进化成新物种，不止“能说会道”，还要“能写会算”。
他向时代周报记者解释，去年的AI应用本质上是一个“对话框里的聪明人”：你问它问题，它给你答案；你让它总结文件，它输出摘要。它没有目标感，不会拆解任务，不能调用工具，更不会全程参与复杂流程。但是现在，它已经进化到够执行全流程的复杂任务。
金融行业需要什么样的智能体？与零售、制造行业不同，金融业务可能是检验AI能力最严苛的场景。
比如，消费者在银行办一笔贷款，银行可能要求测试贷款额度、测评风险、登记及审核个人信息，接着消费者提交资料，银行进行审核、放款。这笔钱到达消费者手中后，银行会进行贷后跟踪管理，确保客户按时还款的同时不发生其他风险。
一笔贷款，从贷前评估到贷后管理，涉及到多个复杂流程和环节，这远非智能问答能解决。
张翅对时代周报记者表示，金融行业天然存在更高的门槛。一方面，银行、券商、保险等机构都具备高度专业化的岗位体系，不同的业务条线所对应的业务流程不同，通用的模型难以适配；另一方面，金融是强监管行业，任何业务的全流程必须满足合规可解释、可审计、可追溯的要求。除此之外，金融行业对于数据可信度、安全性的要求也远高于其他行业。一项业务流程，可能涉及长时间的尽调、对账、人机协同等，正因如此，这些特征共同构成AI在金融行业落地的门槛。
证券行业拥抱AI最积极
目前已有超20家券商完成大模型本地化部署，包括国泰海通、国金证券、中泰证券、兴业证券、国元证券、华福证券、光大证券等，AI战略已逐步成为证券行业的主流。
从信息技术投入金额来看，多家头部券商2025年的信息技术投入已经达到数十亿量级。年报显示，国泰海通、华泰证券、中信建投、中金公司、广发证券、中国银河2025年信息技术投入总额分别为32.35亿元、26.79亿元、16.94亿元、16.51亿元、15.48亿元、13.45亿元，合计超过120亿元。
其中，国泰海通提到，先进数智化技术深刻地改变了证券行业的运营环境和竞争格局，为应对互联网的渗透和大模型引发的新一轮革命，证券公司纷纷加大对信息技术的投入，运用先进的数字科技改善客户体验、优化业务流程、提升经营效率、降低风险成本，支持业务从传统的收费型模式向注重专业服务、深化客户关系和利用网络服务等多元化模式转化。
真金白银的投入，是证券行业拥抱AI的重要背景，这一点和张翅的观察不谋而合。
在负责阿里云的新金融业务之前，张翅此前曾担任阿里云证券行业总经理，从他的观察来看，在不同的金融机构类型中，证券行业拥抱AI最为积极。
张翅认为，证券行业天然拥有知识密集和分工精细的特点，尤其是在投研领域，岗位分工更加垂直化，因此，证券行业对AI的使用相对前沿。
几年前，如果一名分析师要产出一份深度研报，需要查阅资料、整理上市公司公告、做表格数据、建立模型、形成报告，整个过程需要付出大量时间成本。但现在，大部分的前期工作可以交给AI完成，比如自动抓取数据、整理信息等，分析师只需要做判断和决策。
中信证券可以作为证券行业AI实践的典型案例。
据悉，中信证券在内部提出“一岗一数字员工，一人一数字团队”的构想，从办公、业务、到协同体系，都匹配了对应的AI助手。拿“超级研究员”来说，它可以基于超过10万篇专业研报知识库，自主完成信息搜集、数据整理和报告初稿生成，甚至能够自动输出上万字的深度研究报告。目前，“超级研究员”已经服务超万名员工和百余家专业机构，月均调用次数接近4万次。
另外，相关数据显示，在市值管理领域——中信证券的“市值管理助理”具备市场速览、商机挖掘、企业舆情、深度解读四大能力，该服务生成方案近2000次，已经能够为公司创收数千万。而过去被认为高度依赖人工的技术开发环节，AI也开始深度参与。比如中信证券内部的“ 编码助理（Qoder）”，能够覆盖20余种编程语言，代码采纳率81.4%，全年生成代码近200万行。
在张翅看来，这种变化并不只是体现为效率的提升，而是金融机构尝试让AI从“工具”变成“员工”的转变。过去，一名员工对应的是一套业务流程；未来，一名普通员工身后可能同时协同多个数字员工，在处理全流程业务上更加顺畅。
当“数字员工”上岗，金融机构仍关心成本
对于金融机构而言，决定是否大规模使用AI，不只关乎技术落地，投入产出比也是考量的重要因素。
相关金融行业从业者告诉时代周报记者，金融机构的高管非常关心成本控制问题。不过，和过去投入的人力、服务器和软件采购费用等成本不同，AI时代，Token正在成为新的成本计量单位。
“Token是衡量模型调用量的重要单位，简单说就是资源算力，打个比方，一个数字员工一天写100份报告或者跑3小时的任务，每个任务都靠算力输出，（算力）投入是非常大的。如何衡量业务效果的价值？最终逻辑就是Token，它既是成本的衡量体系，又是价值的衡量方式”，张翅说，“一个数字员工完成一份研究报告、一串代码，背后对应的都是Token消耗。”
在张翅看来， Token的消耗量、智能体日活和岗位重塑数量也将成为衡量企业AI能力的新标尺。
不过，在金融行业，最能检验智能体能力的场景，往往也更需要时间验证。比如银行信贷领域，目前AI应用要大规模落地仍面临挑战。
张翅向时代周报记者表示，例如银行核心信贷业务，涉及到跨境交易，这类岗位服务的客群庞大、对专业性要求高，AI可以在这方面做一些政策、产品、服务、外汇价格的相关问答，把综合金融问答和跨境业务相融合。
但做银行信贷有一个问题，AI究竟能不能替代人工进行信贷审批？
“坦白说，行业也还在摸索阶段，在一些合作中已经能够做到人工审批通过率和Agent通过率几乎持平。”张翅说。
一种行业共识是，当数字员工大规模应用于金融机构，一个业务流程，如果一半由人工完成，一半由数字员工完成，相关制度和治理框架仍有待行业进一步探索。
从目前的发展阶段来看，AI完全取代人工为时尚早。张翅认为，更现实的路径是，人与AI共同组成新的协作体系，并在创新和治理、应用和合规之间找到平衡。
（文章来源：时代周报）
