Hello
银行AI从知识问答走向材料预审、对账和经营分析后，项目难点转向动作授权、规则管理、人工确认和过程审计。本文以对公开户材料预审为例，梳理智能体进入真实业务前需要具备的四个运行条件。
一次对公开户材料预审，看起来很适合交给AI。
材料多、规则细、重复核对占用人力，模型可以识别证照、抽取字段，也能指出缺项。可当结果要写入业务系统，甚至进入正式审核环节，项目面对的就不再只是识别准不准。
谁有权发起任务？智能体可以读取哪些材料？哪些规则版本有效？哪一步需要客户经理确认？判断依据和操作记录能否还原？这些问题答不清，AI很容易停在演示环境里。
金融监管总局2026年6月发布的银行业保险业人工智能安全开发应用指导意见，要求金融机构建立覆盖需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出的全生命周期管理体系，并加强应用场景和业务流程管理
对银行科技团队来说，AI项目的衡量标准正在增加：除了模型效果，还要看它能否在组织制度和业务系统内被管理。
“会回答”和“能办事”之间，隔着四个运行条件
仍以开户材料预审为例。
识别营业执照、抽取企业名称、核对字段、提示缺失材料、生成补充清单、写入开户系统，看似是一条流程，风险等级并不相同。
识别和整理通常属于辅助动作；写入系统、发起流程、对外发送则会改变业务状态。银行需要按动作划分权限，明确只读、生成草稿、等待确认、正式提交等层级。智能体使用的权限也应对应任务需要，不宜直接继承员工的全部权限。
中央网信办发布的智能体规范应用意见提出，要厘清仅限用户本人决策、需用户授权决策和智能体自主决策的边界，且智能体执行操作不得超出用户授权范围。该意见为业务设计提供了一个朴素原则：先确定动作等级，再决定AI能走到哪一步。
业务规则要成为受管理的能力资产
银行场景很少只靠一段提示词运行，开户材料清单会调整，信贷审查口径有版本，客户经营规则还涉及适当性、名单和渠道约束。规则若散落在个人提示词、临时脚本或各自维护的知识库里，业务部门很难确认当前使用的是哪一版。
