每經(jīng)記者｜劉嘉魁    每經(jīng)編輯｜許紹航    

當(dāng)工商銀行在年報(bào)中寫下“AI數(shù)字員工年承擔(dān)工作量相當(dāng)于5.5萬人年”時(shí)，這份報(bào)表的讀者或許會停下來想一想：5.5萬人年，究竟意味著什么？按照商業(yè)銀行人均薪酬粗略匡算，這幾乎對應(yīng)著上百億元的人力成本。然而翻遍年報(bào)，卻找不到與之匹配的成本縮減或利潤躍升。

過去一年，一場圍繞AI效能的“數(shù)字競賽”在銀行年報(bào)季悄然升級。招商銀行在年報(bào)中宣稱，報(bào)告期內(nèi)AI節(jié)約人工效能超1556萬小時(shí)；中信銀行在年報(bào)中表示，報(bào)告期內(nèi)全行智能模型增效超1.7萬人年；摩根大通CEO杰米·戴蒙的表態(tài)更直接——“投入20億美元，獲得約20億美元效益”。

這些數(shù)字足夠亮眼，但當(dāng)記者走向銀行一線，聽到的卻是另一番聲音。

西部地區(qū)某國有大行公司業(yè)務(wù)部客戶經(jīng)理對記者坦言，一線日常仍是傳統(tǒng)工作模式，柜面業(yè)務(wù)、資料審核、對公材料整理、臺賬統(tǒng)計(jì)、客戶對接，基本靠人工完成?！八^AI大多是基礎(chǔ)輔助工具，比如簡單文案生成、基礎(chǔ)數(shù)據(jù)整理，談不上‘替代人工’。總行年報(bào)里提的人工替代、智能降本這些指標(biāo)，下沉到地市二級行，體感很弱，完全感受不到明顯的成本下降、利潤提升這類實(shí)際變化”。

一邊是年報(bào)里動輒數(shù)萬“虛擬員工”的亮眼換算，一邊是一線員工“感受不到”的冷淡回應(yīng)。這種溫差究竟從何而來？當(dāng)銀行業(yè)萬億科技投入進(jìn)入回報(bào)率拷問時(shí)刻，AI效能的真實(shí)賬本正在被重新審視。

“幾十秒干完一天的活”：微觀效率提升與背后替代焦慮

深入到具體的日常工作場景，AI帶來的效率提升并非空談。

西部地區(qū)某城商行總行資產(chǎn)管理部人士向記者描述了一幅極具說服力的畫面：“就拿客戶經(jīng)理的日常說吧，這兩天用大模型分析財(cái)務(wù)報(bào)表，把基礎(chǔ)數(shù)據(jù)扔進(jìn)去，幾十秒精準(zhǔn)給出想要的東西。往往客戶經(jīng)理需要一天去整理、計(jì)算、分析。確實(shí)方便和高效了很多。”

這種效率躍升，對于“白天營銷客戶、晚上寫盡職調(diào)查報(bào)告”的客戶經(jīng)理而言，是切切實(shí)實(shí)的減負(fù)。但這位資管人士話鋒一轉(zhuǎn)，道出了效率背后的深層焦慮：“微觀看，提高了效率；長遠(yuǎn)來說，誰還需要這么多客戶經(jīng)理規(guī)模是否持續(xù)維持現(xiàn)狀？畢竟逐步單個(gè)客戶經(jīng)理可以利用AI管理更多的客戶。不管是客戶經(jīng)理還是其他崗位，都有更多焦慮——行業(yè)下滑、內(nèi)卷壓力、隨時(shí)被替代的風(fēng)險(xiǎn)……以后真的就只需要拉資源的人了，以前干活兒賣苦力還能自保。”

這段來自西部城商行一線的聲音，揭示了AI在銀行業(yè)滲透的兩面性：工具層面的效率提升真實(shí)可感，但組織層面的替代焦慮同樣真實(shí)。當(dāng)“幾十秒”可以完成過去“一天”的工作，效率公式的另一端，必然指向人力需求的重新計(jì)算。

這種焦慮并非空穴來風(fēng)。數(shù)據(jù)顯示，2025年國有六大行金融科技總投入達(dá)1300.91億元。拉長周期看，2021至2025年僅六大行累計(jì)科技投入約6000億元，若計(jì)入頭部股份行和城商行，全行業(yè)累計(jì)科技投入或逼近萬億元。真金白銀的投入背后，必然對應(yīng)著對產(chǎn)出和效率的期待。

但問題恰恰在于，個(gè)體的效率提升感，尚未傳導(dǎo)為組織層面的體感變化。

某資深銀行業(yè)研究人士對記者分析指出，當(dāng)前銀行一線對AI的感知呈現(xiàn)出明顯的“兩層分化”：在工具層面，智能客服、報(bào)表分析、文案生成等應(yīng)用確實(shí)在提升單點(diǎn)效率；但在崗位層面，絕大多數(shù)一線員工的日常工作模式并未發(fā)生根本性改變。其根源在于，銀行AI應(yīng)用目前仍以“點(diǎn)狀嵌入”為主，尚未穿透到業(yè)務(wù)流程的底層重構(gòu)。這就好比給馬車裝了一個(gè)更好的鞭子，而不是換一輛汽車——鞭子確實(shí)更好用了，但馬車還是馬車。

“我們行還感受不到”：科技滲透的梯度落差

如果一線網(wǎng)點(diǎn)的感知是“有工具但沒顛覆”，那么更下沉的機(jī)構(gòu)感受則是“幾乎還沒開始”。

西部地區(qū)另一家城商行紀(jì)檢監(jiān)察綜合管理部負(fù)責(zé)人對記者直言：“目前AI應(yīng)用在我們行幾乎還感受不到，我們也沒說過‘人工替代’這種提法?！彼匾馀e了一個(gè)頗具象征意義的細(xì)節(jié)：“例如我行的等一些綜合性工作，總行從最高層今年發(fā)的文件就說禁止用AI生成研討材料講稿等?！?/p>

在這位負(fù)責(zé)人看來，科技應(yīng)用的落地不是簡單的工具部署，而是一整套組織能力的適配。“前沿科技的前沿感知、前沿應(yīng)用，必然會出現(xiàn)在社會的前沿，但需要前沿的思想、前沿的人才、前沿的管理模式和運(yùn)營基礎(chǔ)。而相對偏遠(yuǎn)地區(qū)的重點(diǎn)根本不在這些事情上，起碼目前還不在?！?/p>

這段來自西部城商行的坦誠表述，揭示了一個(gè)被“萬億投入”“人年換算”等宏大敘事掩蓋的現(xiàn)實(shí)：科技投入和AI應(yīng)用在銀行業(yè)內(nèi)部存在顯著的梯度落差。當(dāng)國有大行和頭部股份行高調(diào)宣布AI應(yīng)用場景突破500個(gè)、800個(gè)時(shí)，大量中小銀行尤其是中西部區(qū)域性銀行，尚處于“感受不到”的階段。

這種梯度落差帶來的一個(gè)深層問題是：當(dāng)行業(yè)以頭部銀行的標(biāo)準(zhǔn)來討論AI效能時(shí)，是否忽視了更廣闊群體的真實(shí)處境？前述研究人士認(rèn)為，銀行業(yè)AI應(yīng)用的“溫差效應(yīng)”，既存在于總行報(bào)表與一線網(wǎng)點(diǎn)的縱向維度，也存在于大行與中小銀行的橫向維度，兩種溫差疊加在一起，構(gòu)成了當(dāng)前銀行業(yè)AI敘事中最值得警惕的認(rèn)知偏差。

能用與不能用之間：銀行AI的邊界探索

深入銀行一線會發(fā)現(xiàn)，AI的應(yīng)用并非“萬物皆可AI”，而是在一套復(fù)雜的合規(guī)框架和風(fēng)險(xiǎn)考量中尋找邊界。

西部地區(qū)某國有大行二級分行營業(yè)部負(fù)責(zé)人向記者現(xiàn)場演示了手機(jī)銀行“智能客服”的應(yīng)用。她表示：“可以嘗試問AI客服幾個(gè)刁鉆的問題。對于受教育程度比較高、個(gè)人文化素養(yǎng)高的人，有什么疑問其實(shí)自己都能在手機(jī)銀行解決了。這從一定程度上釋放了一線員工的人力?！痹谒磥?，這是大行科技力量給一線帶來的最直觀紅利。

但面向行內(nèi)員工的AI應(yīng)用，則處于一個(gè)更為審慎的推進(jìn)節(jié)奏。這位負(fù)責(zé)人描述道：“行內(nèi)員工的AI應(yīng)用還在不斷優(yōu)化，目前用起來與市面上的大模型一樣，你可以問它相關(guān)業(yè)務(wù)問題，遇到不會辦的也能問菜單，不清楚的制度也可以問它，但不保證完全正確，錯(cuò)了就反饋至后臺，再進(jìn)行優(yōu)化?！?/p>

“不保證完全正確”這一限定詞，點(diǎn)出了銀行AI應(yīng)用的核心掣肘。銀行業(yè)務(wù)容錯(cuò)率極低，涉及客戶資金、監(jiān)管合規(guī)、風(fēng)險(xiǎn)定價(jià)等關(guān)鍵環(huán)節(jié)，任何模型的“幻覺”都可能引發(fā)嚴(yán)重后果。

這也是為什么，前述城商行紀(jì)檢監(jiān)察綜合管理部負(fù)責(zé)人特意提到“能用的領(lǐng)域，如智能客服問答、報(bào)表初稿生成、制度檢索、簡單文案起草，正在逐步鋪開；不能用的領(lǐng)域，如涉及保密數(shù)據(jù)的深度分析、關(guān)鍵授信決策、監(jiān)管報(bào)送材料生成等則被嚴(yán)格限制”。

前述國有大行客戶經(jīng)理對此也有清醒認(rèn)識：“現(xiàn)在AI尚不成熟，而銀行業(yè)務(wù)性質(zhì)特殊，好多都是保密的，對這塊風(fēng)險(xiǎn)把控上有特別考慮，所以還達(dá)不到用AI替代一部分人、一部分工作的程度?！?/p>

IBM商業(yè)價(jià)值研究院發(fā)布的《2025年銀行和金融市場展望》印證了這一判斷：截至2024年，僅8%的銀行系統(tǒng)性地開發(fā)AI技術(shù)，而78%的銀行仍采用戰(zhàn)術(shù)性、碎片化的方法。即便在技術(shù)領(lǐng)先的機(jī)構(gòu)中，AI落地的廣度和深度也遠(yuǎn)未達(dá)到“系統(tǒng)性替代”的量級。

銀行人已成“AI培訓(xùn)師”：一種新的角色轉(zhuǎn)變

盡管替代遠(yuǎn)未到來，但變化已經(jīng)在崗位層面發(fā)生——銀行一線員工正在悄然承擔(dān)起一個(gè)全新的角色：AI培訓(xùn)師。

上述大行二級分行營業(yè)部負(fù)責(zé)人向記者描述了這一角色的日常運(yùn)轉(zhuǎn)邏輯：“一線網(wǎng)點(diǎn)接觸的層面比較基礎(chǔ)。柜臺人員主要是咨詢它基礎(chǔ)問題，比如具體的操作方法、業(yè)務(wù)制度。中后臺的維度更高，一部分是落實(shí)需求的程序員，還有一部分是讓AI建立模型并跑需求的工作人員?？蛻艚?jīng)理肯定需要它建立模型，網(wǎng)點(diǎn)負(fù)責(zé)人肯定是需要它干更高級的事?！?/p>

她進(jìn)一步表示，行內(nèi)還部署了公文寫作類AI工具，可以快速檢索并整合信息，綜合成“文字+表格”的輸出。但使用流程中有一個(gè)關(guān)鍵環(huán)節(jié)——人工校驗(yàn)?！板e(cuò)了就反饋至后臺，再進(jìn)行優(yōu)化。”

這意味著，銀行員工并未因AI的出現(xiàn)而變成“被替代者”，反而在實(shí)際操作中充當(dāng)了模型的“數(shù)據(jù)標(biāo)注員”“效果反饋者”和“場景訓(xùn)練師”。這種角色轉(zhuǎn)變，意味著AI效能釋放的真實(shí)路徑并非“機(jī)器換人”，而是“人訓(xùn)機(jī)器、機(jī)器助人”——一個(gè)需要大量人力參與、持續(xù)迭代的漸進(jìn)過程。

前述研究人士對此評論稱，銀行一線員工承擔(dān)“AI培訓(xùn)師”角色的現(xiàn)象，恰恰說明AI在金融業(yè)并非一個(gè)“即插即用”的效率工具。它的有效性高度依賴使用者的反饋和修正，而這個(gè)過程本身就需要消耗大量人力資源。這也部分解釋了，為什么銀行投入了巨額科技預(yù)算、上線了數(shù)百個(gè)AI場景，一線體感卻仍是“工作量并未明顯減少”——因?yàn)锳I在消解部分工作任務(wù)的同時(shí)，也制造了新的工作需求：測試、反饋、校正、兜底。

萬億投入的“算賬”難題：從“比燒錢”到“找框架”

縱覽全局，銀行業(yè)AI應(yīng)用正站在一個(gè)關(guān)鍵轉(zhuǎn)折點(diǎn)：從“敢投”向“會算”切換。

上述研究人士認(rèn)為，當(dāng)前銀行業(yè)AI效能評估面臨的核心困境，不是缺乏數(shù)據(jù)，而是缺乏一套公認(rèn)的價(jià)值核算框架。當(dāng)前各行統(tǒng)計(jì)口徑各異，“人年”“小時(shí)替代”“場景數(shù)量”等指標(biāo)互不通用，既難以橫向比較，也難以與財(cái)務(wù)指標(biāo)直接映射。部分銀行將AI效能換算為人力成本節(jié)省，但這一換算假設(shè)“AI完成的每一項(xiàng)工作原都需等量人工”——這個(gè)假設(shè)本身就值得商榷。

以“節(jié)省1556萬小時(shí)”這類指標(biāo)為例，它描述的可能是：在業(yè)務(wù)量增長的情況下，銀行沒有新增相應(yīng)編制，而非直接減員變現(xiàn)。這種“避免增編”的效益，在損益表中無從體現(xiàn)，但對銀行長期成本結(jié)構(gòu)的優(yōu)化卻是真實(shí)的。

有業(yè)內(nèi)人士稱，從更宏觀的視角觀察，頭部銀行的科技投入態(tài)度也在發(fā)生變化。公開數(shù)據(jù)顯示，幾家頭部股份行的科技投入規(guī)模在2023年達(dá)到巔峰后，于2024至2025年連續(xù)回落。這究竟是前期投入趨于飽和后的自然回調(diào)，還是銀行對AI投資回報(bào)的耐心正在收窄？答案可能兼而有之，但更大的背景是：隨著凈息差持續(xù)承壓，銀行留給AI“試錯(cuò)”的空間已大為收窄。

封面圖片來源：AIGC