券商AI落地的真相:喊＂拥抱＂的人多,想清楚的人少

去年这个时候，全行业的PPT上都在写"全面拥抱AI"。

一年做下来，我的结论是：在金融行业，AI落地的正确姿势不是"拥抱"，是"不能错"。

我是一名券商的科技从业者。过去一年，我几乎全部的工作时间都花在AI落地上——从顶层规划吵到场景清单，从模型选型吵到备案材料。这篇文章不谈概念、不发新闻稿式的豪言，只复盘这一年里我真正想明白的事。如果你也在金融机构做技术，或者在别的行业推AI落地，希望它能帮你少走几个月弯路。

更名启事：本号由「AI本体论」更名为「狗哥聊金融科技」。过去几周的内容杂而浅，从这篇开始，只写金融AI落地的一线观察。老朋友如果觉得变了味，是我想明白了——新朋友，欢迎从这篇开始认识我。

先交代一个基本盘，没在金融行业待过的人，很难体会这三个字：错不起。

一、金融AI，是AI落地的"地狱难度"

企业AI落地分难度等级。互联网公司做AI，是普通模式：错了改，改完再上，灰度发布小步快跑。制造业做AI，是困难模式：设备停机的代价真金白银，但流程可以回滚。

金融行业是地狱难度。难在三个地方，每一个都直接改变了AI的"可用姿势"：

第一，错不起，因为金融交易没有"撤销键"。一笔错误下单、一次错误的风险提示、一段张冠李戴的客服答复，造成的损失是即时的、不可逆的。互联网产品出错的代价是"用户流失"，金融产品出错的代价是"客户资金受损+监管处罚+舆情事件"三连。所以在互联网公司，AI准确率90%就可以上线灰度；在金融行业，90%意味着每十个客户里有一个拿到错误信息——这个数字在业务和合规两边都过不了会。

第二，必须留痕，每一句话都可审计。传统软件的行为是确定的：同样的输入永远得到同样的输出，出了事查日志就行。大模型恰恰相反：同样的输入，可能给出不同的回答，而且它无法解释自己"为什么这么说"。这在金融监管框架下是个先天的性格冲突——监管要求所有对客行为可查询、可追溯、可追责，而生成式AI的原生形态是"概率正确"。于是金融行业的AI架构，本质上是在给一个概率系统套上确定性的笼子：生成内容全量留痕、决策路径完整记录、关键环节人工复核。笼子是刚性的，不靠模型自觉。

第三，合规前置，先问"能不能做"再问"值不值得做"。别的行业推AI，讨论的顺序通常是：这个场景值多少钱→技术能不能实现→怎么排期。金融行业要倒过来：这个场景监管让不让做→需要过哪些审批和备案→备案周期多长→然后才轮到值不值得。顺序一倒，整个项目的节奏、资源、里程碑全部随之改变。很多在其他行业做AI做得很顺的人，进金融第一件事要改的就是这个思维顺序。

这三条叠加，就是我说的"地狱难度"设定。但请注意——地狱难度不是不做AI的理由，恰恰是金融AI内容值得写的原因：在监管最严、容错最低、链条最长的环境里验证过的打法，对任何做企业AI落地的人来说，都是一份"最坏情况下的参考答案"。后面所有内容，都建立在这个设定之上。

二、这一年，我们踩过的三个坑

地狱难度的设定讲完了，接下来是这一年真实交过的学费。挑三个最贵的说。

坑一：场景选错——最初最想做的场景，三分钟人工就能替代

我们最初圈定的场景清单里，排名靠前有一个"看起来很AI"的场景：用大模型生成一份格式精美的客户分析简报。立项的时候所有人兴奋：技术有亮点，演示有效果，领导看得见。

做了两个月，业务部门一句话把这个项目打回原形："这个东西，我们现在人工三分钟就能做完。"

复盘这个坑，教训浓缩成一句话：用AI之前，先回答"人工流程的断点到底在哪"。

AI不是用来炫技的，是用来堵流程断点的。一个三分钟就能人工完成的环节，自动化它的收益是三分钟——而为此付出的研发、评测、合规、运维成本，是它的几百倍。反过来看，真正值得上AI的场景，长这个样子：

流程长：人工要几十分钟到几小时的环节（知识检索、材料初筛、内容审核）

量大：每天重复发生成百上千次的动作（客服意图识别、合规质检）

断点多：需要在多个系统、多份文档之间来回切换的流程（投教内容生产、研报摘要）

这三个特征一个都不占的场景，无论演示多惊艳，都先打问号。我们后来所有场景立项，第一张表就是这三列：流程多长、量多大、断点在哪。答不上来的，直接不进清单。

坑二：评测错位——榜单第一的模型，上了我们的语料就"现原形"

第二个坑，是按通用榜单选模型踩的。

选型阶段，我们做了一件看起来很专业的事：把主流大模型的公开评测榜单拉了个表，跑分高的进短名单。有一款模型，多项榜单排名前列，社区口碑好，顺利中标。

上线内部知识库问答测试，问题来了：问通用的常识问题，它对答如流；问我们自己的业务问题——产品规则、业务流程、合规口径——它开始一本正经地胡说八道。答案格式工整、语气笃定、细节丰富，但内容是错的。更麻烦的是，错得很有"迷惑性"：不熟悉的员工根本分辨不出来。

这个坑的教训是：通用榜单量的是"通识智力"，金融场景要的是"专业语料上的可靠性"，两者不是一回事。

后来我们重建了评测体系，核心就一条：用自己的真实语料评测。从业务系统里抽取真实的客户问题、真实的知识文档，建立一套"金融语料评测集"，让所有候选模型在同一套我们自己的题上考试。重建之后，模型排名和通用榜单差距大到让人后怕——有几个榜单上的优等生，在我们的评测集上惨不忍睹。在金融行业，你的评测集质量，直接决定你的知识库质量天花板。这套评测集后来成了我们最值钱的资产之一：模型可以换，评测集永远复用。

顺带一个衍生教训：评测集要持续更新。业务口径在变、监管要求在变、客户问法在变，一套半年不更新的评测集，会慢慢把你的选型判断带偏。

坑三：组织错配——业务要"能兜底的人"，技术给了个"概率正确的产品"

第三个坑最隐蔽，也最贵，因为它不体现在代码里，体现在会议室里。

项目推进到用户端场景时，出现了反复的拉锯：技术团队说"这个功能准确率已经到可以上线的水平了"，业务团队说"不行，出了错谁负责？"——两边僵持，项目原地转圈。

表面看是分歧，本质是两个部门对"AI是什么"的期待根本不同。技术团队交付的是一个"大概率正确"的产品——这在技术语言里完全合格；业务团队需要的是一个"出事时有人兜底"的能力——这在业务语言里天经地义。一个说"准确率"，一个说"责任"，鸡同鸭讲。

解法不是让某一边让步，而是把"人"嵌进流程里：所有触达客户的AI环节，架构层面强制设置人工确认节点（Human-in-the-Loop），AI可以生成、可以建议，但最终触达客户的动作，必须由一个有名有姓的人来确认和签字。这不是妥协，这是金融行业AI产品的"宪法"——AI的定位是提升人的效率，不是取代人的决策。

但这套设计有个隐藏成本，也是最容易低估的地方：人工节点的存在，意味着业务部门的组织形态要跟着改。复核岗位怎么设、复核效率怎么考核、AI答错时复核员的处置权限是什么——这些问题不解决，人工节点就退化成形式主义：复核员在"同意"按钮上无脑点击，Human-in-the-Loop变成Human-in-the-Loop-in-Name-Only。

所以这一年我最重要的一个认知是：先改流程，再上AI。AI上线前，先把"AI+人"的协作流程设计清楚、把复核组织的责权利定明白，比模型选型重要十倍。技术部门如果只交付模型不交付流程方案，等于把一半项目扔给了业务部门自己摸索。

三、给同行的决策清单：什么能上，什么别碰

三个坑讲完，把这一年的判断沉淀成一张清单。先说明：以下是我的个人判断，不构成任何投资或技术采购建议，具体场景请以贵司合规评审为准。

员工端：放心跑

知识库问答：内部制度、产品文档、合规口径的检索问答——见效最快，试错成本最低

研发代码辅助：代码生成、单测生成、代码评审——研发提效直接可量化

研报/公告摘要：长文档压缩成结构化要点——信息密度行业的刚需

合规质检初筛：先让AI标出疑点，人工复核确认——量大且重复的场景

员工端的总原则是快：小步快跑、快速迭代、鼓励各部门提需求，争取三个月内打出第一个胜仗。它不直接触达客户，试错的代价可控，是整个AI战略的"训练场"。

用户端：备案先行，倒排节奏

智能客服（意图识别与转接）：可以做，注意生成内容的留痕与AI标注

投教内容生成：可以做，输出必须过人工审核节点

行情资讯的个性化摘要：可以做，注意信息展示合规

投资建议生成、自动交易执行、任何"无人工确认就触达客户资金"的环节：别碰。这类场景在监管框架下属于高风险应用，准入审批、人工监督、紧急停用机制一样不能少——短期内的正确姿势就是不做

用户端的总原则是备案先行。这里展开三个关键认知，都是真实踩过或见过的：

API调用不能豁免备案。按现行监管口径，面向公众提供生成式AI服务，自研、微调、私有化部署、API调用，全部在备案或登记的覆盖范围。调用某大模型厂商的接口包装成自家APP功能，合规责任主体是自己，备案一步都省不掉。
你要过的不止一道门。网信侧的算法备案是一层；金融侧还有一层——与客户利益直接相关、直接影响金融合约达成的场景属于高风险应用，需过机构内部风险管理委员会的准入审批，并建立人工监督和干预机制。两道门流程不同、周期不同、对接部门不同，必须并行规划，串行等待会把项目拖死。
备案周期以月计，必须倒排进研发计划。备案材料（算法机制说明、安全评估、数据来源合规证明）需要研发做到七七八八才写得出来，但等做完再启动备案，上线遥遥无期。解法是把备案当项目里程碑并行倒排：需求评审阶段启动合规预沟通，原型阶段并行准备材料，安全评估与产品打磨同步。备案不是上线前的一道手续，是贯穿项目周期的并行主线。

顶层：没有框架，拥抱就是空转

最后补一个贯穿性的教训。很多券商的战略规划翻开就一句话"我们要拥抱AI"，然后各业务部门一哄而上报场景，客服要大模型、投顾要大模型、办公要大模型——每个场景单看都有道理，合起来一盘散沙：重复采购、能力互不兼容、年底一算账，钱花了不少，沉淀没几样。

问题出在没有顶层框架就谈场景，等于没有设计图纸就开始砌墙。框架至少要回答六个维度：

维度	必须回答的问题
算力	自建还是租用？训练/推理预算比例？三年算力缺口？
组织	AI团队放科技部门还是独立？业务与技术的考核怎么绑？
合规	哪些场景要备案、要审批？合规评审在哪个环节切入？
研发	基座自研、微调还是API？技术路线收敛到几条？
产品	改造现有功能还是做新品？入口放在哪？
产出	成败怎么衡量？降本、增效、体验，先立哪个指标？

六个问题想清楚，"有的放矢"才成立。想不清楚就开干，组织会替你交学费——金融行业的学费，从来不便宜。

以及一条容易被顶层规划漏掉的原则：AI技术以周为单位迭代，任何"关起门搞一套一劳永逸方案"的想法都在跟全行业的进步速度赛跑，跑不赢的。正道是内外融合：底座开放、多模型并行评估（谁好用用谁），应用层和知识库做成自己可控的资产（模型会过时，对业务的理解不会）；把外部生态当技术雷达，定期评测保持路线不落伍；每个合作留后路——多模型部署、能力解耦、人工接管预案。金融业务对连续性的要求，不允许任何单点依赖。