青島銀行首席信息官楊斌：中小銀行應用AI須先找準方向

「無論AI（人工智能）如何強大，最終都必須堅持人機協同與流程回滾，確保每一項決策責任明確到人。」青島銀行首席信息官楊斌在2025金融街論壇年會·AI+金融專題論壇上，接受經濟觀察報在內的媒體採訪時表示。

楊斌表示，AI的到來，正在深刻改變銀行的核心職能。在AI的應用層面，中小銀行不能盲目跟風，而應找準方向，結合自身區域特色明確發展路徑。 

核心能量引擎

在楊斌看來，作為信息技術應用較充分的行業，銀行業已從傳統「計算」時代邁入「智能」時代。AI不再侷限於交易處理、數據存儲等基礎職能，而是深度滲透到用户體驗優化、產品流程升級和場景生態構建等核心環節，成為驅動銀行經營發展的「核心能量引擎」。

楊斌表示，AI對銀行業的影響是革命性的。過去，計算機技術主要幫助銀行提升效率；如今，AI不僅能進一步提效，還能優化服務體驗、提升經營效益，甚至重塑金融業務底層邏輯。「傳統存貸匯業務是行業標配，未來銀行的核心競爭力將聚焦於用户信任與口碑，而AI正是構築這一競爭力的關鍵要素。」他強調，AI不再是可有可無的輔助工具，而是需要深度融入銀行 DNA的「核心能量引擎」。

然而，當前銀行業的AI應用，尤其是對於中小銀行而言，仍處於探索階段。楊斌坦言，儘管生成式AI的出現拓展了技術落地場景，但大多數銀行尚未在AI應用方面取得突破性進展，資源有限的中小銀行在這一過程中面臨的挑戰更為突出。

楊斌指出，中小銀行普遍存在三大核心短板：資金投入有限、試錯機制缺失、人才儲備不足。與大型銀行每年可投入大量資金開展技術試錯不同，中小銀行難以承受「創新無果」的成本壓力。

基於這一現實，青島銀行明確了「應用驅動、場景導向」的AI發展戰略。「中小銀行的AI佈局不能盲目跟風大行，必須先找準方向再投入。」楊斌表示，青島銀行不會將資源投入金融基礎大模型等底層技術研發，而是聚焦於應用場景的深度挖掘。在今年三季報中，青島銀行已披露「AI場景拓展行動計劃」，目前已落地涵蓋風控、營銷、運營及員工辦公等近20個應用場景，未來將逐步擴展至200個，乃至300個。

與此同時，楊斌特別強調，AI技術落地中需注重「人機協同邊界」的劃分。他以信貸報告生成為例解釋：AI可輔助客户經理快速生成盡職調查報告，但客户經理需對報告內容承擔全部責任，AI僅作為效率工具存在。「這種模式既能發揮AI的提效優勢，又能通過人工把控規避風險，尤其適合風險敏感度高的銀行業。」

差異化破局

當下，中小銀行存在AI應用同質化嚴重、AI落地成本高、數字化投入回報率難評估等痛點，楊斌表示，挖掘「數據價值」與堅持「區域稟賦」是中小銀行破局的關鍵。

楊斌認為，中小銀行應立足實際，聚焦客羣營銷、客户識別、營銷策略制定等小場景應用，通過與第三方合作伙伴合作，以應用驅動和場景導向推進AI落地，有效避免技術空轉。

「轉型的核心是解決營銷、風控、運營中的實際效率問題，聚焦場景迭代技術，避免在基礎大模型的研發上投入過多力量。」楊斌表示。

在數據治理方面，楊斌提出「以用促治」的理念。他用「稻谷加工」作比喻：原始數據如同剛收割的稻谷，無法直接用於AI模型訓練，必須經過清洗、標註、加工等環節，才能轉化為「可食用的大米」。「AI模型的計算對象是數據，但並非‘數據越多越好’，而是要基於具體應用場景，加工出‘適配場景的數據’。」

楊斌指出，當前中小銀行數據治理的最大難點並非數據質量本身，而是「不知道如何根據場景需求加工數據」。

楊斌提到，青島銀行將「數據價值體系」與「AI能力」並列為數字化轉型的兩大引擎，不再單純積累內部交易數據與外部合作數據，而是圍繞AI場景需求，反向推動數據的針對性治理。

在投入產出平衡上，楊斌主張「量力而行、階段評估」。他表示，當前國內銀行業尚未建立成熟的AI投入產出評價體系，若過度強調「短期回報」，可能會制約長期創新。中小銀行的應對策略應是「以應用定投入」，例如以半年或一年為周期，明確階段性AI應用目標，圍繞目標配置資源，並在實施過程中持續跟蹤效果，避免「技術空轉」。

楊斌表示，聚焦具體場景的AI投入能夠快速帶來效率提升，形成「投入——見效——再投入」的正向循環。

在區域特色發展方面，楊斌強調「找準稟賦、差異化競爭」。他舉例説明，有銀行憑藉「大行不願做、小行做不了」的定位打開市場，有銀行依託線上化能力形成差異化優勢。對於青島銀行這類區域銀行而言，AI是強化區域特色的工具，通過AI深入挖掘本地金融需求，打造「區域內不可替代的金融服務能力」。

對於涵蓋AI在內的金融科技投入佔比，楊斌認為，這是「戰略選擇而非固定標準」。目前，中小銀行的科技投入佔營收比例普遍在 3%至5%，而國外金融科技公司可達10%至20%。「隨着AI在銀行經營中作用的提升，這個比例必然會逐步提高。有余力的銀行應適當加大投入，因為‘只有投入纔可能有產出’。」他表示，青島銀行當前AI基礎算力投入處於「千萬級別」，尚未涉及高成本的底層大模型研發，未來也將保持「應用優先」的投入方向。

在人才建設方面，楊斌提到，中小銀行不應追求「全棧AI人才」，而應着力培養「懂業務+懂AI」的複合型團隊。要讓業務人員瞭解AI能解決什麼問題，讓技術人員理解業務場景需求，避免技術與業務脱節。

在風險管控方面，楊斌提示，應重點關注AI算法風險、數據安全風險及監管合規風險。例如，在人臉識別、模型可解釋性等領域，應建立與AI應用同步的風險管控機制，確保技術創新在合規框架內推進。

（作者 劉穎）