本报记者 田鹏
亚太经合组织(APEC)第三十三次领导人非正式会议如期启幕,人工智能(以下简称“AI”)成为会场热议焦点,也是本次会议的重要议题。这场国际层面的讨论传递出清晰信号:人工智能正成为全球发展大势。
从技术原型走向产业落地,从实验室场景走进千行百业,AI迭代速度持续加快,不断融入经济社会与日常生活。产业蓬勃生长的背后,既有底层技术的持续突破,也离不开市场主体的积极拥抱。置身AI加速普及的时代浪潮,如何顺势而为、善用技术,充分释放工具的提效赋能价值,是各行各业共同面对的现实课题。特别是,对金融行业而言,AI落地更有特殊性:金融业务关联资金安全、合规风控,结果精准、运行可控、全链路安全,不再是加分项,而是规模化推开生产级应用的前置门槛。
近日,《证券日报》记者走进中国电子信息产业集团有限公司旗下中电金信数字科技集团股份有限公司(以下简称“中电金信”),探访这家金融科技企业围绕准确性、安全性两大核心难点打磨AI方案,推动智能体技术从试点试用迈向业务常态化运行的实践探索。
智能体从试点走向常态化业务
人工智能,是新一轮科技革命和产业变革的强劲引擎。近些年,我国持续夯实顶层布局、统筹推进各项部署,人工智能综合实力迎来整体性、系统性跃升,智能体也顺势走进千行百业,加速铺开应用。
金融行业正是这场变革里极具代表性的缩影。早前,金融机构试水AI,重心多放在场景可行性验证上,主要测试大模型问答、基础数据分析这类基础能力;而眼下,AI不再只是用来做试点演示的工具,正深度嵌入研发、风控、尽调、客户服务、单据审核等全链条业务环节,行业应用从零星单点试验,转向常态化运转。
中电金信研究院副院长胡汝道介绍了这样一项联合实践:中电金信携手某国有大行,将AI产品深度对接银行原有研发底座。该银行4000名研发人员已全面上线这套平台,依托迭代升级后的Harness(驾驭工程框架)四阶十二步工艺体系,搭建起一套人机协同的标准化开发流程。落地之后成效亮眼:代码入库率提升20%,核心产品研发周期直接压缩40%。
而随着应用持续普及,在为行业带来效率提升的同时,也反向推动智能体产品持续迭代、打磨完善,更深层的影响在于重塑金融科技赛道的底层逻辑,带来行业竞争的根本性变化。
以中电金信上半年发布的面向大型企业研发侧AI产品为例,其最早定位是面向金融大规模应用集群的软件工厂,之后逐步叠加AI提效能力。日前,该产品再次迎来升级,升级为AI原生软件工厂Cecoder,覆盖智能体运行、软件工程、过程治理的一体化AI工程能力链条。
中国电子首席科学家、中电金信研究院院长况文川表示,本次核心升级有两点。一是从个人AI编码工具,升级为组织级软件工程提效工具,和严格的软件工程规范、流程深度绑定;二是将个人工作台版本和嵌入企业生产流程版本合二为一,解决企业里工程师使用外部AI编码工具带来的“影子IT”风险,避免代码、需求外流,兼顾个人提效与企业管控。
况文川称,“早些时候,行业比拼的是谁能更快做出原型、跑通业务流程、率先上线能用的智能体。举个例子,一套面向银行的百道金融业务考题测试方案,八个月前落地难度还很大,现在几名兼具业务和AI能力的工程师就能完成,入门门槛明显下降。竞争的重点已经变了:不再是能不能做出来,而是能不能做成可大规模复制的成熟产品。”
精准与安全破解规模化落地堵点
事实上,金融业作为数据密集型行业,AI深度融入金融业务已是大势所趋。借助AI对海量信息的高效处理能力,可在风控、投研、合规、客户服务等关键环节实现提效降本、增强风险识别水平,推动金融服务向普惠化、个性化方向升级。
不过况文川提到,行业规模化落地仍面临三重挑战:一是算力底座约束,部分机构硬件虽已配齐,但算力调度和利用率偏低,叠加金融行业严苛的安全要求,难以直接使用公有大模型;二是工程化能力不足,大模型迭代快,与之配套的测试、发布管控体系滞后,多要素叠加后系统复杂度高,缺少完备的上线验证机制;三是组织与人才适配难题,AI应用效果高度依赖使用者,企业内专业经验沉淀萃取困难,原有业务流程和人员能力尚需适配AI新模式。
在此背景下,想要顺畅适应AI带来的生产变革,行业必须直面两大核心命题——保障输出准确可控、守住数据与业务安全底线。
在输出准确方面,胡汝道结合Cecoder产品实践谈了几点经验。一是搭建端到端完整研发工具链,研发工作台统一研发入口,共享知识库、工作空间;二是把线下研发流程线上化、标准化,建立企业AI原生开发工艺;三是体系化盘活存量研发资产,对接现有需求管理、架构管控工具,还原存量系统的需求、架构资产,把碎片化知识转为AI可读取的输入;四是配套落地工程教练服务与效能度量指标体系,帮助团队完成技能转型,持续追踪研发效率、质量指标,应对AI落地初期效率波动问题。
在安全合规方面,中电金信研究院副院长单海军表示,以中电源启·智能体工厂Cework为例,该产品以本地助理与数字员工双形态接入企业系统,可承接任务、调用工具并回传结果,支持数字员工统一管理与技能复用。同时公司在实践中总结出体系化方案:即设置输入输出门禁,AI输出必须经过质量、安全校验,不达标无法放行;核心开发环节保留人工兜底,同时配套数字分身减轻人工复核压力;全流程留痕可追溯,把AI任务拆解为小颗粒度动作,降低出错影响范围。
AI在金融领域的征程才刚刚开启。以精准筑牢根基,以安全托举创新,持续打磨工程化能力、补齐配套短板,智能体技术方能跳出试点局限,真正融入金融生产的毛细血管,为金融业高质量发展注入持久的数字动能。
(编辑 李家琪)

