■廖木兴/图
2026年7月的一个下午，某股份制银行客服中心，从业五年的林玥一下午仅接手两起AI无法甄别的复杂纠纷工单——她的工位旁，搭载大模型的AI智能客服全天无休，同时与成百上千名客户对话，包揽了账单查询、业务咨询、挂失指引等常规工单。这个不会喝水、不用休息的“硅基同事”，正承担着过去几十个人的工作量。林玥隐约觉得，某种不可逆转的变化正在发生。
“AI时代，硅基生命将大量替代碳基生命的工作。”这句曾被视为激进的预言，如今正在银行业变成现实。纵观2025年上市银行年报，AI驱动的数智化转型已成为行业显而易见的战略重心——从国有大行到中小银行，人工智能深度嵌入信贷、风控、客服、财富管理等核心业务链条。当“硅基同事”正式入职，传统银行人正在经历一场从战略到基层的全方位重构。
落地
AI刷屏年报
数字员工产能可精确计量
翻开2025年上市银行年报，“AI”字样堪称“刷屏”。
以工商银行为例，“AI”和“人工智能”在其2025年年报中出现了66次。从国有大行到股份制银行，从城商行到农商行，AI已不再是科技部门的“自嗨项目”，而是嵌入信贷、风控、客服、财富管理等核心业务链条的“硅基同事”。
数字员工的产能已有精确计量。2025年，工商银行AI数字员工承担的工作量达5.5万人年；招商银行实现1556万小时人工替代，相当于8000名全职员工；中信银行依托智能模型增效超1.7万人年；浦发银行金融行业研究大模型让报告撰写时效提升20倍。在信贷审批这一核心环节，交通银行搭建起2.5万个变量的风险标签库；招商银行大模型完成82%的小企业贷前尽调，对公信贷审批规模近6000亿元；民生银行的合同审查则从小时级压缩至分钟级，年节约工时超4万小时。
场景落地的速度同样惊人。招商银行将全行工作拆解出上千个可与AI结合的环节，截至2025年末落地856个大模型场景，高价值落地率达69%，应用迭代周期从2024年的平均32天缩短至8天；平安银行的大模型应用场景一年内几乎翻倍，从超200个猛增至超390个，AI生成的代码量占比已超过30%。
场景触角还以更轻巧的方式伸向普通消费者。6月以来，多家银行密集推出绑定AI算力、大模型权益的特色信用卡：招商银行运通工程师信用卡上线“AI Plan”权益，持卡人每月最高可领取18亿Token；农业银行与美国运通、月之暗面联合推出运通KIMI联名信用卡，消费可转化为AI算力额度；网商银行则推出国内首张面向小微经营者的AI权益卡。在信用卡存量竞争时代，算力Token这类新型数字权益被寄予差异化突围的厚望。
竞速
答好“必答题”
从战略加码到人才重构
爆发式落地并非偶然，而是全行业战略位阶整体抬升的结果。2025年，工商银行推出“数智工行”战略，“工银智涌”大模型技术体系已在30余个业务领域落地500多个应用；中国银行搭建400余个智能化助手；建设银行大模型规模化赋能398个场景；招商银行提出“AI First”战略，全行98%的员工已通过AI知识与应用能力初级认证。区域性银行同样不甘人后，上海银行计划未来五年净增5000名员工，其中1500人投向科技数据建模，行长施红敏直言“AI是银行未来的核心竞争力”。
当大行的体系化布局渐次成形，更多机构的竞速走向细分赛道。2026年上半年，银行业智能体采购迎来爆发期，苏州银行自3月以来连续发布6个智能体项目招标。在自研与采购之间，多数机构选择了“外部采购、联合构建”的稳妥路径。
“数智化不是选择题，而是必答题。”工商银行副行长赵桂德的这句话，道出了行业共识。“必答题”需要真金白银的支撑：2025年，6家国有大行信息科技投入合计超过1300亿元，其中工商银行以285.88亿元居首；股份制行中，招商银行以129.01亿元领跑；区域银行也在奋力追赶，沪农商行科技投入占营收比重高达10.28%。
资金之外是人才。各大银行面向全球招揽AI领军人才，工商银行新设“人工智能创新及量化投研岗”，交通银行、广发银行相关岗位更将门槛设为海外名校博士。六大行科技人才在2025年净增约3.5万人，达到13.59万人。股份制行中，招商银行研发人员超1万人，占比9.09%；兴业银行科技人员8245人，占比13.88%。
在业内观察人士看来，这轮“抢人大战”的本质是行业转型的内在驱动，随着竞争从传统业务比拼转向数据能力与智能决策能力的较量，市场急需既懂算法技术、又熟悉金融业务的复合型人才，与此同时，大规模引进AI高端人才，是银行业抢占AI应用先机、升级数字金融战略的重要举措，将深刻改变银行人才队伍的建设思路。未来AI岗位将从总行延伸至分行、子公司，AI合规治理岗位将成为刚性需求；银行需摒弃“重引进、轻培育”的模式，构建长效培养体系——行业竞争的关键不在于争抢高端人才，而在于将AI技术深度融入业务，形成自身独特竞争力。
挑战
应用驶入深水区
创新与合规风控如何同行
一路狂奔的行业，也需要冷思考的平衡。德勤中国近期报告提醒，大模型的幻觉问题和可解释性不足仍是核心挑战，当算法参与授信、估值、报告生成等关键流程，AI风险已从技术问题升维为治理问题。
制度层面的边界已经划定。6月18日，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，围绕治理架构、数据治理、算力建设、风险管理等方面提出32项指导性意见，这是金融业首份系统性AI安全开发应用监管文件。文件明确了谁使用谁负责、自主可控、务实高效、安全发展四大原则，其中“务实高效”一条直指摒弃“为新而新、为用而用”的倾向；操作层面，文件将外包合作纳入重点监管，要求与外部企业合作建立风险隔离“防火墙”，实行名单制管理。业内分析认为，《指导意见》填补了金融领域AI系统性监管的空白，短期将倒逼机构完善治理与风控机制，长期有助于推动行业从粗放式创新转向高质量可持续发展。
“安全与发展并重”的理念，在银行高管的发言中得到呼应。工商银行行长刘珺强调，新技术“一定要经过市场验证，且经过我们内部强大验证能力的验证，否则我们不敢把这个技术匆忙地放在系统之上，因为保护客户隐私、信息安全是银行最重要的责任”。农业银行副行长林立表示“既借助数据模型，又不过度依赖”；建设银行副行长雷鸣介绍，该行已构建覆盖业务、数据、模型及网络安全的多维度防控体系。招商银行首席信息官周天虹则指出，作为强监管行业，银行业大模型应用要落实人的责任，总体将是“人+Agent”的模式，他认为大模型技术本身毫无疑问是颠覆性的，但对行业的影响还在过程之中。
分化
银行间技术代差
正加速转化为经营差距
技术落地的痛点同样不容忽视。有业内人士指出，金融数据来源广泛、格式繁杂，系统遗留老化、语义混乱形成的“数据泥潭”是银行落地AI的老大难问题。不解决，模型效果将大打折扣，甚至让人感觉“还不如人工”。务实的做法是在Agent与老系统之间建立中间适配层“边用边改”，建立全行统一的数据标准与金融语义库，并坚持“谁产生数据、谁对数据质量负责”。有科技公司业务人员坦言，当前技术水平下，AI在金融场景的应用仍需结合传统规则系统或人工复核机制，这在一定程度上限制了效率红利的充分释放。
更深层的分化正在显现。调研显示，当前银行业AI应用高度集中于智能客服、内部问答、文档处理等低风险、重复性辅助场景，部分银行常规客户咨询的AI处理占比已超八成；而信贷审批、资产定价等核心环节，多数银行仍采用“AI辅助+人工终审”模式，核心决策权保留在人工端。价值兑现的分化更为显著：波士顿咨询2025年全球调研显示，仅略超半数金融机构表示从AI项目中实现了价值，能够大规模兑现AI商业价值的机构占比仅3%。
毕马威7月2日发布的《2026年中国银行业调查报告》亦指出，中国商业银行整体处于从“规模化探索”向“核心业务嵌入”的关键过渡阶段，与国际领先机构相比，仍在数据治理精细化、全行统一AI底层平台成熟度、Agentic AI规模化部署等方面存在差距。随着行业从“概念炒作”转向“ROI精算”，银行间的技术代差正在加速转化为经营差距。
重构
人力结构洗牌
银行人的焦虑与转身
“AI越来越会写，越来越会查，越来越会分析，如果它什么都会，我还能干什么？”这种迷茫与困惑，如今在银行基层职场屡见不鲜。AI战略、千亿投入、监管规范，最终都指向一个无法回避的命题：银行业的基层员工，正在经历怎样的重构？
“我每天都在想，现在这些重复性的审批、核查工作，5年后还需要人做吗？”在银行深耕8年的信贷岗位员工张浩，道出了无数基层从业者的心声。这份焦虑并非杞人忧天——目前多家银行已正式试点AI审批官，以往需要基层员工耗时数天核查资料、比对数据、研判风险的信贷审批工作，如今AI可一键完成全流程操作，传统客户经理线下跑调、整理财报、筛查舆情的基础工作几乎全部被替代。“可能不久的将来，我们很多客户经理的工作，到最后就只剩下穿着西装出席签约仪式，负责微笑、握手、拍照留念。”张浩自嘲道。
不只信贷审批，AI风控的“上帝视角”，更是让传统基层风控工作失去原有优势。以往基层风控最头疼的骗贷、洗钱风险，人工排查耗时费力且容易出现疏漏，而AI可通过捕捉申请人微表情、分析打字习惯、鼠标移动轨迹等细微细节，0.01秒内精准识别风险，准确率远超人工，让基层传统风控排查工作形同虚设。
不过，随着人机协同模式成熟，不少一线员工在实操中打破了“AI替代人”的固有误区。某股份制银行的“00后”对公客户经理陈琳，曾经每天大半时间耗在整理资料、堆砌报告、回复同质化咨询上；使用AI工具三个月后，她的工作实现了精准分工：AI负责起草尽调报告、整理市场数据、应答客户常规问题，她专注审核报告细节、研判业务风险、处理复杂纠纷、维护高端客户关系。“不是AI淘汰我，而是帮我卸下重复负担，让我把精力放在高价值工作上。”陈琳表示，“真正的行业趋势，从来不是AI取代银行人，而是会用AI的银行人，会取代不会用AI的银行人。”
这种“以人为主导”的思路并非孤例。有外资银行高管受访时表示，AI最大的影响在横向层面——支持整个公司的基础工作，改变所有同事的工作方式；其所在机构的策略，就是通过自动化重复性工作，让员工专注于更具战略性、高价值的工作，做出更快、更好的决策。
也有长期扎根一线的从业者认为，AI并非万能解药：金融服务的核心是人际服务，基层业务多为非标准化、侧重沟通与共情的软性场景。机器可以解析数据，却无法洞悉人心与情绪。客户烦躁焦虑时，AI千篇一律的致歉话术，不仅难以平复情绪，还容易加剧矛盾，而资深从业者精准的情绪捕捉与灵活的临场处置能力，是算法无法复刻的。
个体的命运背后，是行业级的人力结构洗牌。彭博行业研究报告预测，未来三至五年全球银行业将有20万个基础岗位被AI替代，渣打集团计划2030年前削减超15%的基础职能岗位，行业人力更替已成必然趋势。
从年报里的高频词，到招标公告里的智能体，再到柜员身边99.42%覆盖率的AI助手，银行业的“硅基同事”已经从概念走进工位。这场始于后台的技术革命，正在效率跃升与合规管控的平衡中重塑行业的模样——而最终决定排位的，或许不是谁拥有更强的模型，而是谁能让人与机器各得其所。
■新快报记者 范昊怡