毕马威中国金融科技主管合伙人黄艾舟：金融机构应用AI要警惕大模型“幻觉”

从智能投顾到风控建模，从客户服务到资产管理，生成式人工智能（AIGC）在金融业的应用越发广泛和成熟。

在技术赋能的同时，如何在创新与监管之间取得平衡，构建安全、透明、可解释的AI金融生态，正成为行业关注的焦点。

在2025世界人工智能大会（2025 WAIC）期间，《中国经营报》记者专访毕马威中国金融科技主管合伙人黄艾舟，深入探讨AI在金融场景的落地进展、行业短板与监管挑战。

黄艾舟认为，生成式AI正在重塑金融业务流程，具备提升效率与决策能力的巨大潜力，但要实现大规模落地，需要夯实数据基础，并在合规、安全与差异化创新中寻找平衡。监管机构也必须紧跟步伐，利用大数据、云计算等前沿技术，推动监管工作向更加智能化、精准化的方向转型。

AI较难完全胜任前台业务场景

《中国经营报》：AI在金融领域场景应用中，哪些领域比较成熟？哪些领域存在短板？

黄艾舟：当前金融机构对于生成式AI的应用更聚焦于如何综合利用现有信息和数据洞察客户需求、优化智能决策、提高业务流程效率、强化风险管控等。在包括前瞻性风险研判、复杂财务数据的精准检索与自动化报告生成，以及高效构建领域专属知识库等落地场景中，生成式AI展现出了巨大的降本增效潜力，但这些场景多集中在金融业的中后台部门。

由于金融业务有极强的面客属性，同时受到严格监管，因此，前台业务场景中，生成式AI在直接面客的智能客服、定制化对客服务等场景中，由于大模型“幻觉”等问题仍较难胜任，目前较能胜任的是辅助赋能服务顾问，即间接面客场景。

《中国经营报》：当前大型金融机构在AI布局上已形成较成熟的场景，而中小机构受限于资源和技术能力，布局相对滞后。你认为这种“马太效应”的核心制约因素是什么？中小机构是否有“弯道超车”的可能性？

黄艾舟：相较大型金融机构，中小金融机构在资金、技术和数据基础、人才储备方面的资源禀赋天然处于相对劣势地位，而这种初始差距或将因AI技术的应用不断放大。这主要体现在，构建统一、强大的全栈式AI底座往往超出大多数中小机构的资源和自研能力范围。因此，此类机构当前的AI应用开发通常采取直接引入成熟的外部供应商能力，且为了满足不同需求，常常同时引入不止一家的模型和服务。这在一定程度上会导致AI应用场景的碎片化，加剧数据孤岛。

更长远来看，这种建设模式下，中小机构会迎来难以统一管理和复用异构AI能力的问题，使得AI应用停留在项目级，难以形成规模效应，可能会抑制其持续投入的积极性。

关于中小机构“弯道超车”的可能性，先要明确中小机构的“弯道超车”，更多是在其深耕领域实现对大型机构的超越，而非全方位挑战大型机构的综合性优势。要达成这种聚焦式超越，差异化竞争策略是核心。具体路径有三：一是借助大模型开源生态，以低成本路线快速强化AI底座，弥合与中大型机构的差距，减少对外部供应商的依赖；二是充分挖掘细分领域的知识资产价值，利用大模型的理解力，将自身专业经验、数据积累、场景理解优势嵌入到AI应用中，打造不可替代的竞争力；三是借助行业生态力量，积极探索与同体量机构、中大型机构、第三方科技公司、行业联盟等的合作，通过整合外部资源、知识共享与能力互补，提升自身AI能力建设效率。

400-077-8708拨通后可联系人工客服，咨询的用户较多时，电话客服和在线人工客服可能无法及时响应，可以稍后重试或直接在论坛发帖，都可以得到解答的。直达在线客服：https://de.qiyukf.com/client?k=214b54c481c5063fd62c3426b6ad0a99&wp=1 （我是论坛精灵，我在不断自动学习中，请原谅我偶尔的答非所问(◡‿◡)）

浏览分享

警惕大模型“幻觉”

金融生态

金融机构应用AI要警惕大模型“幻觉”

要警惕大模型“幻觉”

了解一下

中小机构会迎来难以统一管理和复用异构AI能力的问题，使得AI应用停留在项目级，难以形成规模效应，可能会抑制其持续投入的积极性。