统筹发展与安全：理财公司人工智能应用的风险治理与实践探索

何卫海  浦银理财有限责任公司党委书记、董事长

摘要：本文梳理人工智能在银行理财行业投研、投资、风控、交易、运营、营销等场景的应用进展，分析模型、数据、智能体操作、外包供应链和伦理公平五类风险，并从治理架构、分类分级、人机协同、数据安全等方面提出防范思路，结合具体业务实践，对当前理财公司人工智能应用风险治理和路径规划提出思考。

一、引言

“十五五”规划纲要提出加快人工智能技术创新、加强人工智能治理。技术创新和治理完善并行互促，共同驱动人工智能健康发展。2026年6月，国家金融监督管理总局印发《关于银行业保险业人工智能安全开发应用的指导意见》（金发〔2026〕8号，以下简称《指导意见》），构建了人工智能发展和安全统筹并重的政策框架。

资产管理行业转型压力使人工智能应用更具现实紧迫性。《中国资产管理市场2025—2026》显示，2025年末，我国资产管理市场规模175.2万亿元，同比增长12.1%，行业增长逻辑已发生深刻变化。净值化转型全面落地后，产品收益与底层资产波动的关联性显著增强，市场波动直接影响投资者体验；低利率环境中优质资产供给趋紧，获取超额收益难度加大；产品同质化加剧，依赖规模扩张的粗放型发展模式难以为继。同时，投研端需要处理的非结构化信息呈指数级增长，传统人工模式已接近效率上限。人工智能既关系降本增效的存量优化，也关系差异化能力的增量构建，应用越深入，越需要同步明确安全和责任边界。

二、人工智能在资管行业的应用图景

根据IDC统计，2025年我国金融行业生成式人工智能平台和应用解决方案市场规模为17.4亿元，同比增长90.4%。行业应用呈现三大趋势。

（一）智能体从单点试点走向规模化落地

智能体能够理解意图、调用工具、执行多步骤任务，是人工智能从“能对话”向“能做事”的重要转变。以公募基金为例，天弘基金FinAgent系统已落地20余个专业智能体，其中“基金经理观点智能体”可抽取30万篇基金定期报告中的行业展望观点，相关策略在回测中取得稳定超额收益；博时基金推出“龙虾平台（BSBox）”，应用覆盖投研、营销、风控、运营等环节。从单点工具到智能体矩阵，资管机构对人工智能的应用正从效率提升走向流程重构。

（二）大模型私有化部署成为主流，持续向核心业务深入

出于数据安全和自主可控考量，开源模型本地化部署已成为多数机构的技术路线，应用正从办公提效等外围场景逐步进入投研、交易、风控等核心环节。例如，富国基金依托分布式算力平台构建量化组合管理平台，集成1500余个因子库和多个人工智能策略，研发周期缩短70%；泰康资产在深度研究智能体方面开展探索，推动研究流程向人机协同转变。核心业务应用深化，标志着技术成熟度提升，同时意味着风险敞口扩大，对公司治理能力提出更高要求。

（三）人机协同成为共识，行业心态总体理性

目前，多家机构已开展人机协同实践。例如，招银理财自研人工智能交易机器人，借助人机协同提升交易效率和风险防控能力；平安理财为全员配置数字员工助手，在投研、风控、营销、运营等多场景落地，协助员工从重复性、标准化繁琐工作中解放。同时，业内对技术边界保持清醒认识，坚持将人作为最终决策者，“积极拥抱、审慎落地”成为多数机构在技术浪潮中的理性选择。

纵观上述趋势，资管行业人工智能应用正从“尝鲜期”迈入“深水区”。前者以试点、外围、人工兜底为主，后者则以规模化落地、核心业务渗透、自主执行范围扩大为标志。这一转变对公司治理能力提出质变要求：应用越深入核心，容错空间越小，治理精度和响应速度必须越高。行业竞争逻辑随之变化——过去比的是“谁先用上人工智能”，未来比的将是“谁把人工智能治理得更好、用得更稳”。

三、理财公司人工智能需重点关注五类风险

《指导意见》要求建立人工智能风险治理框架，并将其纳入全面风险管理体系。结合银行理财业务特点，五类风险需要重点关注。

（一）模型风险

生成式人工智能固有的“幻觉”问题，可能导致输出看似合理却错误的内容。若未经核验即用于投研判断，可能污染整个决策链条；模型黑箱还可能使关键业务环节难以落实责任追究。市场参与者普遍使用同源模型、同构策略，容易导致投资策略趋同，在极端行情下形成交易共振、放大市场波动。单一机构的模型风险是局部问题，行业层面的策略趋同则是系统性隐患。

（二）数据风险

数据是人工智能应用的“燃料”，往往也是风险最先暴露的环节。数据治理是技术问题，更是合规和信任问题。训练数据来源不合法、质量不过关，容易形成“垃圾进、垃圾出”，错误数据来源将逐步侵蚀模型可靠性，且纠错成本随应用深入呈指数级上升。尤其需强调，个人信息保护是不可逾越的红线，姓名、身份证号、手机号、银行卡号等均不得用于生成式模型训练和优化。

（三）智能体操作风险

智能体能够调用工具、执行操作，其风险敞口显著大于传统对话式应用。提示词注入、上下文污染等新型攻击可能诱导模型越权执行；记忆污染、身份越权、工具滥用乃至运行失控，均可能造成实质性业务后果。应用越深入、授权越大，越需要将权限控制、行为留痕和异常中断机制前置设计，不能等到风险事件发生后再补设防线。

（四）外包和供应链风险

当前，资管机构人工智能建设普遍依赖外部模型、算力和技术工具，对个别服务商的过度依赖可能形成集中度风险；开源组件的广泛使用也带来代码安全和供应链投毒隐患。供应链风险隐蔽性强、传导速度快，某一底层组件的漏洞可能波及整个应用链条。对于依托集团协同的理财公司而言，还需要在使用母行模型和平台时，明确责任划分、数据交互边界和风险处置机制。

（五）伦理和公平性风险

算法歧视、样本偏见可能导致对特定群体的不公平对待；生成内容若未设置显著标识，容易误导金融消费者。银行理财业务连接广大投资者财富，在投资者适当性管理上，不能因为技术效率而弱化人的价值判断。伦理风险看似抽象，一旦暴露，对机构声誉和客户信任的损害往往不可逆。

四、风险防范的体系化治理安排

应对上述风险，需要坚持发展和治理协同推进。治理的作用不是限制发展，而是确保人工智能应用始终运行在安全边界内，将合规要求嵌入需求分析、数据准备、训练开发、部署运行、维护迭代和评估退出的全生命周期。具体可从四方面着手。

（一）健全治理架构，将责任落实到公司治理层面

落实“指定专门委员会对人工智能开发应用管理负责”的监管要求，统筹发展规划、审定制度规范、审议高风险应用准入，明确科技、风险、合规、审计和各业务部门的协同机制。责任分工按照“三道防线”展开：业务部门作为第一道防线，对生成内容负首要责任，人工智能产出在正式发布或执行前必须经人工终审确认，确保决策链路留痕可溯；科技、风险部门作为第二道防线，负责模型输出稳定性监测、接口安全防护和算力资源统筹；审计和合规部门作为第三道防线，定期对算法逻辑开展穿透审计，通过回测验证人工智能建议的偏离度，识别隐含偏见和伦理风险。三道防线不是各管一段，而是同一目标下的多层保障。

（二）实施风险分类分级管理，严控高风险应用准入

应按照业务场景重要性、对客影响度、模型依赖度、模型复杂度等因素，对人工智能应用进行全量梳理，建立应用清单并实施分类分级，做到“未分级不上线”。凡涉及资金交易、资产评估、风险管理和与客户利益直接相关的场景，应纳入高风险应用管理，经风险管理委员会批准后方可实施；关键环节须设置人工监督和干预机制，明确紧急停用和模型退出条件，预设备用系统或人工替代流程。分级管理的本质是匹配——风险等级越高，管控越严，人工介入越深。

（三）严守数据安全底线，推动人机协同机制化

将人工智能数据安全纳入企业数据安全管理体系，规范数据访问权限，完善数据脱敏规范，坚决守住个人信息不用于生成式模型训练的红线。针对提示词注入等新型威胁，构建覆盖输入、推理、输出、执行全流程的安全护栏，加强内容过滤和输出验证。构建人机协同工作流，人工智能在关键节点输出后，必须经业务人员二次确认后方可正式运用和执行；生成内容须统一添加标识，确保高风险应用的最终判断和决策始终由人负责。人机协同不是削弱人的作用，而是用制度保障人的判断不被技术效率架空。

（四）培育新型组织文化

将人工智能素养纳入职业发展路径，培养既懂业务又懂技术的复合型人才，加强人工智能培训，在公司内部形成共学、共研、共建的局面。技术可以采购，但组织能力无法外包。只有当全体员工理解工具边界，既信任工具能力又警惕工具局限，人工智能才能真正融入业务流程，而非停留在少数技术团队的实验室中。

五、人工智能实践探索和路径选择

浦银理财有限责任公司（以下简称浦银理财）将“数据+智能”作为业务高质量发展的核心驱动力，按照“线上化—数智化—生态化”路径，以“智浦理财”2+N工程为抓手，打造新一代数智化资管平台（见图1）。

图1  智浦理财2+N工程

浦银理财已完成《“人工智能+”发展规划》，提出“助理—协同—自主”三阶段发展目标，构建涵盖投资、投研、风控、交易、营销等领域的“智浦能力中心”，推出“智浦小鹿”数字助理、“北极星”智能投研平台、“小浦同学”智能交易机器人三大智能体平台。明确“对内不对外、辅助不决策”的基本原则，人工智能现阶段仅作为内部员工辅助工具，不直接面向客户输出，投资决策、业务审批和风险判断的最终结论必须由人作出。

在投研领域，依托“北极星”智能投研平台（见图2），融合大模型和数据分析，构建宏观研究、资讯分析等多维模型，自动化提炼外部研报和市场观点，帮助投研人员在海量信息中快速把握市场脉搏，提升策略产出精度和效率。在风控领域，以智能中台为底座，将大模型融入信用评级、限额预警和舆情监控全流程，同步启动信用评级、风险舆情监控等智能体创新研究，使研究员能将更多精力投入风险洞察和独立判断。在交易领域，“小浦同学”智能交易机器人上线运行，承担自动询价、质押券信息获取、清算状态提醒等规则清晰的执行工作，实现全程操作留痕。在客户服务领域，通过产品知识库、辅助话术等方式，赋能一线员工更高效、更专业地服务客户。

当前，浦银理财已规划人工智能三层能力架构：一是智能效率层，解决跨部门共性效率痛点，目前已基本建成；二是智能增强层，围绕投资、投研、风控、交易、产品、客服等核心领域建设专属智能体，是当前建设重心；三是智能洞察层，将在基础能力完备、高风险管控到位后，以沙盒方式探索前瞻性资产配置、复杂风险预警等场景（见图2）。

图2  人工智能三层能力架构体系

六、结语和展望

人工智能对银行理财行业的影响长期而深刻。按照“助理—协同—自主”三阶段发展路径，现阶段仍以辅助决策和流程提效为主，距离参与复杂资产配置和自主风险判断仍有较长距离。监管政策已明确发展方向和安全边界，下一步理财公司需要将其转化为制度设计，将风险意识转化为组织习惯，在安全可控前提下用好人工智能，真正实现从“人力密集型”向“智力密集型”的转型。

展望未来，人工智能将深刻重塑银行理财行业竞争格局和商业模式，但无论技术如何演进，“受人之托、代客理财”的责任不会改变，审慎经营、稳健投资的风险底线不会动摇。以敬畏之心拥抱技术，以审慎之态驾驭创新，方能在人工智能时代守住资管本源，实现银行理财业务的高质量发展。