（原标题：专访奇富科技CEO吴海生：金融行业智能化转型“再启航” AI智能体重构信贷业务价值链）
在6月18日举行的“2025中国国际金融展”期间，AI智能体在金融领域的应用成效备受业界关注。
作为金融大模型技术落地的重要载体，AI智能体凭借其在众多金融业务场景的集成应用能力，逐步融入金融业务流程各个环节，为金融服务实体经济发展注入全新的动能。
如今，越来越多金融机构正积极研发AI智能体，一方面通过深度学习和知识图谱技术，进一步提升信贷审批效率与风险识别能力，一方面持续优化金融服务操作流程，增强金融服务品质与用户体验。
奇富科技CEO吴海生在“2025中国国际金融展”期间接受经济观察报记者专访时表示，人工智能技术（AI）的迅猛发展，正推动银行等金融机构业务模式向智能化转型。其中，金融机构可以通过AI智能体这个“智能杠杆”，实现更广泛的普惠客群覆盖、更精准的风险定价、以及更具弹性的业务增长，从而破解行业同质化竞争，释放更强的金融服务实体经济发展潜力。
资料显示，奇富科技在2016年成立，2018年和2022年分别在美国纳斯达克与香港联交所上市，是AI驱动的金融科技平台。目前，奇富科技组建超千人规模的研发团队，其中数百人专注人工智能技术与金融深度融合的研究。截至今年一季度末，奇富科技累计放款金融超2万亿元，帮助163家金融机构，为超5800万小微企业和个人消费者提供数字化信贷服务。
吴海生向记者透露，奇富已研发信贷超级智能体，涵盖端到端授信决策智能体、小微企业信用评估、AI合规助手、AI决策助手、AI审批官等多个模块，为银行等金融机构匹配专家级信贷能力，助力后者提升技术与业务双实力，在智能化转型征途走得更稳更好更快。
受访者供图在吴海生看来，随着AI智能体在金融领域的应用日益广泛，AI驱动的不只是流程优化，更是金融服务品质的迭代进化。在“AI智能体+金融”的大浪潮下，金融科技平台的发展目标不仅是创造利润，而是创造价值。因此奇富科技希望以信贷超级智能体为支点，持续深化技术研发与生态合作，推动AI智能体在金融领域的规模化落地。
AI智能体对金融行业的变革性影响
《经济观察报》：“AI+金融”正成为驱动金融行业高质量发展的重要支撑，能否介绍人工智能AI技术对金融行业产生哪些变革性影响？
吴海生：当前AI技术对各行各业均产生巨大影响，尤其在金融行业，AI技术的影响更加深刻。因为金融的生产要素及核心生产能力，本质是数据化的，天然属于大数据产业。而基于大数据训练+AI深度学习能力，AI能催生更优质的金融服务能力。
因此，众多金融机构的各个工作流程环节都在通过AI赋能实现产品化升级。尤其在以往高度依赖专家经验主观判断的金融营销、风险管理、合规管理等领域，AI技术的应用正令银行在这些领域的业务效率大幅提升，准确率也显著提高，进而在金融机构服务规模与深度方面带来变革性影响。
《经济观察报》：在金融大模型兴起后，近期越来越多银行等金融机构开始探索AI智能体在金融领域的应用，这项AI应用能解决银行哪些业务痛点堵点？
吴海生：现阶段，AI智能体在金融领域的应用仍处于早期阶段，无论是技术成熟度，还是不同金融机构的接受度，都存在着差异。
所幸的是，经过Deepseek等AI大模型技术的普及，当前金融行业已认知到AI智能体在金融领域应用方面的广阔发展潜力。比如中国银行业约有400万从业人员，多数是客户经理、柜台人员与风控审批人员。若通过AI智能体的赋能，他们的人均产能得到大幅提升（比如客户经理日均服务客户数量从10个提升至100个），将显著增强中国金融服务的覆盖面与效率。
但是，金融机构从认知AI智能体的潜力，到实际应用AI智能体，仍需要较长的过程。
奇富科技聚焦向银行等金融机构提供信贷智能体服务，比如通过AI智能体打造“数字员工”概念，让银行员工借助AI智能体技术大幅提升生产力，实现“一人即团队”的服务效能；面向银行核心业务部门，我们也会提供相关AI智能体提升他们的业务增长能力、风控能力与合规能力。因为AI智能体天然具备推理与计算优势，在数据分析、风控洞察、合规管理等高度专业性金融场景能以远超人工的效率，完成分析整理与提供决策建议，推动银行核心业务更好发展。
《经济观察报》：近年西方国家众多大型银行也积极探索AI智能体在金融领域的应用，当前国内金融机构与西方国家金融机构在AI智能体应用方面存在哪些差异？
吴海生：就业务本质而言，境内外金融机构在AI智能体应用方面的逻辑是一致的，主要围绕提升信贷审批效率与风险识别能力、优化金融服务操作流程、提升金融服务体验等方面展开。
但是，不同国家对AI智能体在金融领域应用的监管侧重点与合规要求也会存在某些差异，比如中国在用户隐私保护、数据安全处理、金融风险管控方面更加严谨，西方部分国家更关注技术风险等。因此奇富科技在合规智能体、安全智能体领域的投入相对更多。
一个相对明显的发展趋势是，无论是境内金融机构，还是西方国家金融机构，都在核心业务流程优化方面加强AI智能体应用。
AI智能体的金融征途
《经济观察报》：近年，金融科技平台尝试研发端到端授信决策智能体作为提升信贷效率与风控精准性的新工具，成效如何？
吴海生：所谓端到端授信决策智能体，主要解决传统信贷授信环节人工处理所存在的效率低、误差大等问题。其原理类似一体化生产模式，即当贷款申请人递交贷款申请资料后，端到端授信决策智能体里的推理型AI会迅速对海量资料信息进行推理计算，识别贷款申请人贷款申请资料里的漏洞，以及贷款申请资料与企业以往经营数据的矛盾点及数据真实性问题，驱动银行快速调整信贷授信决策并告知信贷申请人，从而更好地提升信贷审批效率与风险识别能力。
整体而言，端到端授信决策智能体的应用将深刻改变信贷风控的场景逻辑，推动金融信贷业务向更高效，更精准的方向发展。
我们也看到，端到端授信决策智能体的发展，仍需要众多数据与前沿AI技术的支持，比如它需充分借助长思维链推理+强化学习技术，将海量用户的信贷决策经验融入金融大模型，从而轻松快速地完成对借款人的各项信贷风险评估，包括反欺诈、授信额度、贷款风险定价等。
端到端授信决策智能体在各个金融机构的全方位落地应用，或许是一个中长期的理想化目标。但它的确具备能力帮助银行缩小风控能力差距与突破人才限制，提升信贷风险水准同时，为各类借款人匹配更合适的信贷产品。
奇富科技围绕端到端授信决策智能体的应用落地，搭建了支持风控策略认知建模的自主学习架构与混合专家架构、能不断自我进化以实现自主迭代授信决策，未来，这套系统还将通过认知架构的持续进化、决策闭环的自主优化、以及专家协同的无界扩展，重塑金融信贷风险管理的终极边界。
《经济观察报》：随着金融机构日益重视业务合规操作，越来越多银行等金融机构尝试将AI智能体应用在合规审查领域，这项探索的进展如何？
吴海生：AI智能体在金融机构合规操作领域的应用，主要聚焦解决传统人工合规审核的两大痛点——筛查易漏、耗时久。
尽管银行从业务流程到风控都日益重视严守合规框架，但在实际操作环节，传统人工审核仍经常因为筛查易漏与耗时太久，容易陷入“事后纠偏”的被动局面。这也是金融机构尝试将AI智能体应用在合规审查的一大原因。
奇富科技研发了基于智能体的AI合规助手，集成逾2000项金融监管法规、逾300个安全风险评估模型、逾50个金融专属合规算法模型，通过“知识图谱+算法模型+动态监测”的技术闭环，将监管文件解读人工耗时从每份40小时降低至2小时，政策适配准确率从68%提升至99.2%，显著提升合规审核的效率与精度，推动金融机构业务合规审查从“事后纠偏”到“事前预防”的转变，实现效率、成本、风控的三重突破。
我们也注意到，AI智能体在金融业务合规审查领域的应用落地，仍需要大量前沿技术的支撑，比如针对金融合同审核繁、跨部门协作乱、工作量激增等问题，需要AI合规助手提供流程智能管家服务，包括在法务场景搭建四维扫描合规框架与云端政策追踪；通过AI技术迅速调用海量风险案例库，从而更精准地定位业务流程潜在风险；在智能文档修订环节能自动匹配法规条款与优化文本有迹可循，进而帮助银行合规部门告别碎片化审核，迈向系统化、精准化、智能化的运作。
《经济观察报》：随着金融机构积极做好普惠金融这篇大文章，越来越多银行等金融机构纷纷将AI大模型应用在小额高频的普惠金融贷款场景，AI大模型在提升普惠金融服务效率与风控管理方面，发挥了哪些具体作用？
吴海生：在普惠金融贷款场景，传统业务流程面临的痛点堵点相当繁多复杂。
在贷前调查、贷中审查审批、贷后检查环节，需要总部和分支行客户经理、风险经理多点线下协作。为了杜绝道德风险与有效防范操作风险，银行等金融机构都针对客户经理设计了大量尽调取材和贷后检查取材流程，以及总分行的材料真实性、一致性、合理性等审查流程；但在实际操作环节，不同部门之间的信贷审批标准不统一，容易导致审批风险较高、客户经理反复退补件、展业目标不清晰等问题，久而久之导致客户经理团队与授信审批团队的合作难度更大，令普惠金融信贷服务的客户体验越来越差。
此外，客户经理在线下尽调环节，往往会存在尽调材料收集不完整、不准确、不清晰等问题，银行对此采取的方案是退补件与加强培训，但此举未必能有效解决普惠信贷风控能力加强与普惠金融服务效率提升问题。
在信贷资料审查环节，当前不少银行等金融机构仍高度依赖人工审查材料，包括各式文档影像、拍照图片、录音录像等材料，导致审查员需要多方输入材料数据，并对尽调材料与贷款申请的真实性、一致性、合理性、合规性、完整性等进行逐一审查，其工作责任相当繁重且自动化程度低。
在信贷风控审批环节，银行的人工审批环节需确认最终的授信额度与信贷利率定价，但这项人工审批工作高度依靠完整的流水解析指标；冗长的征信报告分析；几十张影像材料、第三方数据及其他公开信息对抵押物的评估，同时还要开展交叉检验与归纳审批要点，导致人工审批工作难度大、效率低，审批人员培养难与不同人员审查标准差异性大。
当前不少银行针对零售与普惠贷款等小额分散贷款业务，在贷前调查、贷中审查审批、贷后检查等环节，使用小模型+大模型及多模态能力的组合，从而提升整体贷款业务的自动化水平，大幅减少客户经理的案头工作同时有效提升审查审批的时效。与此同时，还有部分银行等金融机构也开始将AI大模型应用在整个信贷业务操作流程，用于逐步“清晰”客户经理、审查审批的尽职免责要求，作为提升展业效率和客户体验的重要举措，实现普惠金融业务持续增长与客户满意度不断提升。
银行等金融机构要在普惠金融信贷场景，让AI大模型发挥更大的作用，还需进一步强化AI科技赋能，包括增强多模态融合识别技术，支持文本、表格、图像、语音、视频等更多元化的多模态数据在普惠金融信贷风控与决策优化方面的应用；加强尽调材料的智能预检与智能补件技术的研发；加快多模态识别和AI审查技术的迭代，增强信贷材料的自动化审查能力；依托AI 深度学习能力持续优化信贷风控模型与策略，强化自动化风控能力；全面落地应用AI审批决策等。
中小银行如何在“AI智能体+金融”时代立足
《经济观察报》：相比中小银行，大型银行有着更充足的研发预算与AI人才储备开展AI智能体在金融领域的应用，这是否意味着在“AI 智能体+金融”时代，大型银行与中小银行的金融服务能力与风控水准差距将进一步拉开？
吴海生：在“AI智能体+金融”方面的研发投入与人才储备差别，不仅发生在大型银行与中小银行，大型银行之间、大型银行与大型科技公司之间、大型科技公司之间都存在类似的差别。
尤其在当前AI科技快速迭代发展的当下，每家金融机构或科技公司未必能持续占据AI技术研发应用优势。所以各家金融机构与科技公司只能保持对各类前沿AI科技的投入，储备更多的AI专业人才，从而维持相对领先的技术优势。
我个人认为，中小银行要在AI技术应用、AI智能体应用方面“迎头赶上”，与金融科技公司的合作将会变得越来越密切，尤其是金融科技平台可以帮助中小银行缩短金融大模型、AI智能体等前沿AI技术的研发应用周期，令后者以较低的成本解决AI人才储备与AI技术研发投入等方面的不足，较快实现金融服务能力与风控水准的提升，在金融市场激烈竞争过程拥有属于自己的发展空间。
易宝配资提示：文章来自网络，不代表本站观点。
