招行1500个AI场景，日均烧800亿词元

导语：2026 年成了金融智能体的"批量上岗年"，头部银行的财报口径已经从"有没有做 AI"变成"落地多少场景、日均消耗多少 Token"。但真正进到核心业务的案例，仍然很少。

一、事件：上市银行的 AI 已经在披露层面标准化

据行业媒体梳理（来源：新金融琅琊榜，2026-11-05），几家头部银行的公开口径已经形成了某种默契：

这组数字的意义不在绝对值，而在披露习惯的变化：场景数、Token 消耗、覆盖条线，正在成为和不良率、成本收入比同级的经营指标。当一件事进入财报语言，它就不再是试点项目。

二、为什么重要：规模上去了，深度没跟上

中国信通院与中国政法大学联合发布的《智能体治理研究报告（2026 年）》给出了一个冷静的判断：智能体在边界清晰、步骤较少的短链条任务上已具备实用价值，但在多步骤、长周期、强协同的复杂任务上可靠性仍然不足（来源：该报告，媒体转述）。

这个判断和银行一线的体感是对得上的。不少智能体仍停留在知识问答、材料生成、办公辅助的浅水区；在授信审批、财富管理这类容错率极低的环节，一线人员最终仍要手动核查、调改。真正能自主执行核心交易的案例，依然少见。

原因不复杂：银行的运行依赖一套精密协同的系统，系统、权限、口径、规则与经验层层咬合。通用 Agent 被扔进这样的现场，会同时遇到四个问题——系统割裂导致人在替系统搬数据；问数口径漂移导致一线不敢用；个人用法无法沉淀为组织能力；行业 Know-how 与合规要求难以被通用模型继承。

三、对从业者的三个影响

1. 差距会先在中小机构身上拉开。 头部银行靠的是多年技术底座、数据治理和应用打磨，三者缺一不可。中小机构自建算力不经济、数据分散、既懂技术又懂业务的人少，同一套智能体搬过去可能连数据都接不齐。

2. "场景数"会迅速通胀，考核要换口径。 600 个、1500 个场景里，真正被日常调用的比例才是关键。建议把考核从"上线场景数"改成"月活用户数 × 单场景完成率"。

3. 合规不再是最后一道关，而是第一道门槛。 数据不出域、输出可解释、过程可追溯、责任可追究，任何一条不满足，试点就止步于生产环境之前。

四、接下来该看什么

• 下一轮财报里，是否有机构开始披露"智能体自主完成业务占比"，而不只是场景数。

• 中小银行通过行业云或联合建模获得能力的路径是否跑通。这是决定行业分化速度的关键变量。

动作项（3 条可抄 + 1 条避坑）

1. 先统一指标口径，再谈问数智能体。 同一个指标换个问法就出不同结果，一线会立刻放弃使用。

2. 把"人机边界"写进流程文件。 哪些环节 AI 可自动执行、哪些必须人工复核、复核留痕如何保存，先定规则再定系统。

3. 用短链条任务做第一批验证。 单证要素提取、材料初稿生成、监管报送校验，这类边界清晰的任务最容易算出账。

4. 避坑：不要用通用模型的"通顺"当成"准确"。 金融场景里一段读起来很专业的错误分析，比一个明显的报错危害更大。

说明：本文涉及金融机构的表述均来自公开报道与公开报告，不构成任何投资建议；文中数字为机构自述口径，未做独立核实。

标签：金融、AI优化、智能体、银行数字化、合规