随着人工智能加速进入金融业务流程，金融机构对AI的关注重点正从“是否布局”转向“如何落地”。在提升经营效率的同时，如何管控“AI幻觉”、责任边界等风险，也成为金融科技创新面临的重要课题。

　　“AI投入应当遵循‘方向押注，发展留白’原则，锚定智能化长期主线，同时预留适配未来技术迭代的调整空间。”在近期举行的第十一届“融城杯金融科技创新案例评选”启动仪式上，中国邮政储蓄银行原行长刘建军表示。

　　对于Token能否成为金融机构衡量算力成本和智能产出的主要计量单位，刘建军在回答《中国经营报》记者提问时表示，金融科技投入未来可能由传统“人”“天”核算逐步转向Token计量，但现阶段尚不成熟。由于模型调用中存在重复、低效消耗，Token还难以准确反映成本和产出。金融机构可先将两种方式并行比对，积累数据后再逐步探索以Token作为主要核算单位。

　　“AI幻觉”风险进入金融治理视野

　　与传统金融机构重点防范的信用风险、市场风险和操作风险相比，人工智能带来的风险具有新的表现形式。

　　中国工商银行原行长杨凯生在会上表示，AI不再单纯是人类辅助工具，正演化为独立的硅基认知主体，碳基与硅基的协同共存，将彻底冲击传统金融“人与人交互”的固有认知。

　　谈及“AI幻觉”，杨凯生认为：“‘AI幻觉’并非可修补的程序漏洞，而是AI与生俱来的结构性问题。这一风险将传导至金融全流程，而业内目前既缺少成熟的认知框架，也缺乏有效的规避与处置手段，大量潜在风险场景尚难预判。”

　　对于如何防范“AI幻觉”，刘建军认为，在技术层面上，应从数据源头治理入手，让AI基于经过验证的金融数据库和知识库回答问题，控制模型自由泛化；数据来源应可追溯，尽量使用经过合规、审计和审查的内部私域数据，并对重要数据进行二次校验。同时，金融业应优先使用基于自身数据训练的垂直专业模型。在流程层面，现阶段应坚持人机协同、人工兜底，尤其在信贷审查、合规审查、合同交易等中高风险场景。模型上线前还应针对易出现“幻觉”的场景开展压力测试。

　　金融科技AI竞争逻辑转变

　　在风险治理之外，金融科技创新的竞争逻辑也在发生变化。

　　刘建军认为，金融机构AI竞争的核心不在于是否拥有大模型，而在于能否打造高密度、可落地、能产生实际效益的业务场景。其中，智能客服、营销推荐、风险预警、运营提效四类场景落地门槛低、受“AI幻觉”干扰较小，适合全行优先铺开。

　　针对行业普遍存在的“AI焦虑”，刘建军厘清了三大认知误区。

　　第一，AI会大规模替代人工。实际上机器仅替代标准化重复工作，客户经理维系客户信任、提供情感陪伴的核心价值无可替代，市场对高技能金融人才需求持续上涨。

　　第二，强求AI投入短期回本。银行智能化转型最大成本并非算力、模型，而是组织适配成本，涵盖流程集中改造、合规体系搭建、人员培训运维等，分散化网点部署很难发挥AI价值，信贷审批、贷后催收集中运营才能放大技术效用。

　　第三，迷信通用大模型万能。银行闭环数据训练的垂直金融小模型适配性更强，业务落地必须按风险分级管控：低风险场景交由AI自动化处理，中风险场景AI出具参考意见、人工复核校验，高风险信贷业务以人工最终决策兜底，AI仅作为辅助研判工具。