上证报中国证券网讯（记者窦世平）随着大模型技术的成熟，金融行业正加速从“AI工具碎片化应用”向“智能体流程重构”演进。智能体被视为解决大模型落地“最后一公里”的核心载体，银行、证券、保险等金融机构纷纷加大投入。近日，宇信科技CTO张宁接受上海证券报记者专访时表示，AI正从“辅助末端环节”升级为“驱动业务全流程”，未来金融行业将形成“智能体协作”的新生态。
智能体需以业务理解为核心
智能体的普及是AI变革行业的重要信号。张宁认为，这意味着行业正从“用AI解决单点问题”转向“用智能体替代人的部分功能”。这种转变不仅是技术升级，更是思维逻辑的重构，智能体将承担流程中“中间环节”的角色，推动岗位分化为“驱动智能体的人”和“被智能体驱动的人”。
智能体的核心在于模拟人的工作逻辑，而非简单的流程自动化。张宁表示，真正的智能体需具备四大能力：感知、规划、工具调用、记忆。“很多机构将智能体等同于预设工作流，所有步骤都是事先定义好的，这并非智能体，只是自动化工具。”他举例称，部分厂商通过调模型生成报告，但无法解释结论来源或追溯数据，这是技术驱动的误区，智能体需以业务理解为核心，而非纯模型输出。
行业对AI的认知已从“泡沫疑虑”转向“变革共识”。 张宁表示，经过一年左右的沉淀，金融机构普遍意识到AI不是短期热点，而是长期革命，需要将其上升到战略高度。“过去大家觉得AI只是做文档识别、总结，现在发现它能替代信贷审核、客户服务等复杂工作。”他举例，银行客户通过智能体处理信贷全流程，从财报分析到报告生成，工作量相比之前大幅减少。
面对激烈的行业竞争，张宁介绍，宇信科技以“知识驱动的智能体”为核心，从“单点验证”到“流程重构”逐步推进，而非“为AI而AI”的单纯炫技。他表示，AI是坚定的战略，但公司的策略非常灵活。目前，主要关注两个方面：一是业务的沉淀价值，二是案例的价值。只要能够满足这些价值，公司愿意尝试各种商务策略。
保险领域有望最先实现AI应用
在金融领域，各个子行业如保险、银行和证券在人工智能技术的实施和应用方面表现出显著的差异。“这些差异主要源于它们各自的业务特性，导致了不同的应用特点。”张宁结合宇信科技服务金融行业的长期经验，剖析了各行业AI智能体的核心场景与困难挑战。
保险行业凭借“高ROI+服务属性”率先规模化落地。 保险的客户沟通、产品推荐等场景与大模型能力高度匹配，且投入产出比可量化。“保险的LTV（客户生命周期价值）计算清晰，通过A/B测试能直接看到智能体带来的保单转化提升。”张宁表示，在保险行业的服务领域中，AI的潜在价值巨大，且保险公司通常资金充裕，因此保险领域很可能是AI最先实现应用的行业。
银行业场景最丰富，但需突破“安全合规”与“可解释性”瓶颈。 银行在信贷、手机银行、数据查询等领域均有布局：信贷场景中，智能体可自动识别文档、提取企业信息并追溯数据来源；手机银行则从“菜单交互”升级为“主动服务”，通过对话挖掘客户潜在需求。
“传统手机银行解决‘找功能’，AI手机银行解决‘猜需求’。”张宁表示，银行对AI的核心要求是精准与可控，算错一个数、解释不清结论，都可能引发合规风险。
证券行业则聚焦专业性服务，投研领域仍依赖小模型。证券的理财经理服务场景已引入AI，但投研因数据敏感性和专业性，大模型应用有限。“投研需要复杂算法和小模型支持，大模型更多辅助信息汇总。”张宁表示，理财产品客单价较低，投入产出比不如保险明确，只有客户基数足够大，智能体的价值才能显现。
金融行业将进入AI能力标配化阶段
“金融AI的终极目标不是替代人，而是让人更专注于决策与创新。”张宁判断，未来3年金融行业将进入AI能力标配化阶段，智能体的精细化管理与多角色协作将成为核心竞争力。他认为，技术厂商需与机构深度绑定，从“卖产品”转向“陪跑规划”，只有懂业务、控风险、能落地，才能真正推动行业变革。
知识驱动是解决模型不可解释性的关键。张宁表示，宇信科技智能体的底层是行业知识沉淀，而非纯模型调优。“比如餐饮行业流水分析，需关注电费、煤气费等经营指标；服装行业则侧重租金和进账——这些细分逻辑需转化为知识规则，才能让智能体懂业务。”他称，银行通过宇信科技搭建的智能体分析小微流水，大大提高识别异常交易的准确率，这就是知识与模型结合的价值。
场景化方面，要先做“能用的小点”，再串“流程的面”。张宁介绍，宇信科技当前聚焦可快速验证价值的场景，如财报解析、信贷流程自动化，而非追求大而全的产品。“我们宁愿做10个能用的小点，也不做1个不能用的伟大产品。”他称。
开发范式方面，张宁认为，AI产品开发需新增智能化设计环节，即模拟人如何完成任务。“传统开发是需求到功能再到代码，但AI需要先思考，人会怎么分析财报、怎么与客户对话，再设计交互和功能。”张宁介绍，宇信科技通过“产品经理+业务专家+算法工程师”协同，确保智能体既符合业务逻辑，又发挥技术能力。
