来源 | 《中国金融政策报告》
作者 | 袁先智(深圳市富德数智有限公司)等
2026年6月18日，国家金融监督管理总局发布《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），这是我国银行业保险业首份系统性人工智能安全应用指导文件，也是首次在监管文件中正式提出“金融智能体”概念的制度文本。与此同时，国际数据和人工智能管理协会（DAiMA）发布的《2026治变：人工智能治理白皮书》，系统构建了伦理与价值观、合规与法律、安全与稳健、问责与监督四大治理支柱，并配套提出了覆盖AI全生命周期的治理模型、技术治理工具箱与五级成熟度评估体系。金融机构应当如何把这两份分别代表“监管底线”与“方法论工具”的文件，整合为一套可落地执行的AI与智能体治理管理流程和框架？我们认为，二者并非替代关系，而是互补关系——金发〔2026〕8号回答“必须做什么”，DAiMA白皮书回答“如何系统性地做到”。在逐条梳理了两份文件在治理理念、条款要求与技术方法上的映射关系后，重点针对“金融智能体”这一监管新概念，我们提出了智能体自主性风险的识别框架与分级管理机制，并给出了面向银行、保险机构的全生命周期治理模型、技术工具箱选型建议与分阶段实施路线图，旨在为金融机构的决策者、合规负责人和技术管理者提供一套具有可操作性的治理参考。
一、引言
人工智能技术在金融行业的应用正在经历从“工具级应用”向“系统级重构”的转型。据行业跟踪报告，中国银行业大模型应用落地率已超过50%，智能体采纳率较上年提升近三分之一，智能体正从“问答式辅助工具”升级为“能够独立执行全流程业务操作的数字员工”。这一转型在带来效率提升的同时，也使金融机构面临前所未有的治理挑战：当AI系统从“建议”走向“执行”，当智能体开始自主完成信贷审批、理赔决定、投资建议等具有实质性法律后果的操作时，传统的、围绕“人做决策”设计的风险管理体系，其前提假设已经动摇。
在此背景下，国家金融监督管理总局发布的《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“银保AI指导意见”）具有标志性意义。这是我国金融监管机构首份全面覆盖人工智能安全开发应用的系统性指导文件，32条具体意见构建了从治理架构到技术实现、从数据治理到风险防控的完整框架，并首次在监管文件中正式提出“金融智能体”这一概念，明确对核心业务决策的自动化采取“稳妥探索”的审慎态度。
几乎同期，国际数据和人工智能管理协会发布的《2026治变：人工智能治理白皮书》（以下简称“白皮书”），从全球视野系统阐述了AI治理的四大核心支柱——伦理与价值观、合规与法律、安全与稳健、问责与监督，并提供了覆盖AI全生命周期的治理模型、技术治理工具箱和成熟度评估体系。白皮书并非专门针对金融行业，而是面向所有行业组织的通用性方法论工具，但其体系的完整性与可操作性，恰好可以为金融机构落实银保AI指导意见的具体要求提供方法论支撑。
金融机构应当如何把这两份性质不同、来源不同、但目标高度一致的文件整合为一套统一的AI与智能体治理管理流程与框架？
我们认为，二者的关系可以概括为“制度底线”与“方法工具”的互补——银保AI指导意见以监管文件的形式，确立了金融机构“必须做什么”的强制性要求，白皮书则以方法论工具箱的形式，回答了“如何系统性地把这些要求落到实处”。
二、双重制度基础：银保AI指导意见与白皮书的定位与互补关系
银保AI指导意见的发文对象明确覆盖各金融监管局、政策性银行、大型银行、股份制银行、外资银行、金融资产管理公司、理财公司、保险集团（控股）公司、保险公司、保险资产管理公司及各金融控股公司，是一份具有强制约束力的行业监管文件。其总体要求确立了“谁使用谁负责、自主可控、务实高效、安全发展”四大核心原则，并从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障监督七个方面提出32项具体要求。
白皮书则是一份行业协会主导编写的方法论性质文件，其价值不在于强制约束力，而在于系统性和可操作性。白皮书提出的四大治理支柱——伦理与价值观是治理的价值基础、合规与法律是治理的制度底线、安全与稳健是治理的技术保障、问责与监督是治理的责任闭环，共同构成了一套“价值引领—规则约束—技术保障—责任闭环”的动态协同体系，并配套提供了覆盖需求设计、数据准备、模型训练、部署监控、退役更新五阶段的全生命周期模型，以及红队测试、可解释AI、联邦学习、模型卡等17项技术治理工具，还有五级成熟度评估体系。
两份文件的关系可以用下面表1加以概括。
三、条款映射：四大治理支柱与银保AI指导意见具体条款的对应关系
将银保AI指导意见32条与白皮书四大支柱直接相关的条款进行映射，形成表2。这一映射关系使抽象的治理支柱获得了具体的、可执行的监管依据，也使分散的监管条款获得了系统性的方法论归类。
需要特别指出的是，银保AI指导意见确立的“自主可控”原则与白皮书的安全与稳健支柱高度对应；“务实高效”原则则呼应了白皮书反复强调的核心理念——“治理不应成为创新的阻碍，而应被视为‘刹车系统’：就像高性能赛车需要更好的刹车才能跑得更快一样，稳健的治理框架是企业大规模商用AI的先决条件”；“安全发展”原则则同时贯穿了安全与稳健、问责与监督两大支柱。这种原则层面的高度对应，进一步印证了两份文件在治理理念上的内在一致性，为整合应用提供了坚实基础。
在全球AI治理格局中，指导意见的独特价值还体现在其与国际主流框架的定位差异上。相较于美国NIST《AI风险管理框架》（AIRMF）以风险管理五大功能（治理、映射、测量、管理、监控）为核心的通用框架，相较于ISO/IEC 42001基于PDCA循环的AI管理体系标准，相较于欧盟《人工智能法案》以强制性风险分级为特征的监管框架，银保AI指导意见是目前全球主要AI治理文件中，唯一明确将“金融智能体”作为独立治理对象加以规定的监管文件，这反映了中国金融业智能体应用发展的现实速度。
四、四大支柱在金融场景下的具体化实践
（一）伦理与价值观：以人为本原则的金融场景落地
白皮书强调，以人为本是技术发展的核心原则，要求高风险系统必须能够被人类干预、忽略或停止，确保人类始终掌控技术。在金融场景中，这一原则的具体化体现为：涉及信贷拒批、大额理赔拒赔等对客户权益产生重大影响的决策，须依据银保AI指导意见第17条建立人工监督和干预机制，避免陷入“AI说了算”的自动化陷阱。同时，公平性与反歧视原则要求信贷评分模型、保险核保模型开展系统性的公平性检测，防止对特定群体（如性别、地域、年龄）产生歧视性偏差，这与银保AI指导意见第23条“防止算法在特定群体、地域等方面产生歧视性偏差”的要求直接对应。透明度与可解释性原则要求，涉及客户重大权益的AI决策，须能够以人类可理解的方式解释其依据。这不仅是伦理要求，也是银保AI指导意见第21、22条的明确规定。
（二）合规与法律：全流程管理与数据治理的制度底线
银保AI指导意见第2条要求金融机构建立健全人工智能应用需求分析、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，这一表述与白皮书提出的五阶段全生命周期模型高度吻合，二者可以直接对接。在数据治理层面，第9条要求确保数据的准确性、完整性、一致性、时效性和低偏差性，并强调防范数据分布漂移，这一要求呼应了白皮书提出的战略判断：“数据治理是AI治理的前提条件……数据的合法性决定了AI系统的合规性，数据的质量决定了AI系统的可靠性，数据的多样性决定了AI系统的公平性”。此外，AI生成内容（如智能投顾建议书、AI辅助生成的理赔报告）的知识产权归属与法律责任认定，以及涉及跨境数据流动的AI服务的数据出境安全评估，也是金融机构合规与法律支柱须重点关注的具体议题。
（三）安全与稳健：对抗性攻击防御与系统鲁棒性保障
金融行业是对抗性攻击的高价值目标——反欺诈模型、信贷风控模型一旦被规避攻击、中毒攻击或后门攻击突破，将直接造成资金损失。银保AI指导意见第20条要求确保模型输出的准确性、稳定性，开展对抗测试及压力测试，这与白皮书建议的红队测试、对抗训练等技术工具直接对应。在模型运行期，信贷、理赔等模型须建立数据漂移与性能退化的持续监控机制，防止模型生成结果不可靠风险（第14条）。对于生成式AI应用（如智能客服、智能投顾），须建立“内容过滤—对齐训练—人工审核”三道防线，应对幻觉与有害输出风险。此外，白皮书特别提示的“AI中转站”风险——即介于用户与AI模型厂商官方服务之间的代理层可能存在隐私泄露、模型造假、数据违规出境等问题——对于大量依赖第三方大模型API的中小金融机构而言，是一个容易被忽视但后果严重的供应链安全隐患，应纳入第18、19条供应商与外包风险管理的重点审查范围。
（四）问责与监督：责任闭环的可执行机制
银保AI指导意见总则确立的“谁使用谁负责”原则，为金融机构AI应用的责任认定提供了基本共识起点，但“使用”在智能体自主执行场景下的具体边界仍需机构内部进一步细化，是部署智能体的科技团队负责，还是审批业务上线的业务负责人负责，抑或应根据过错程度按比例分担，这是金融机构在制度落地中必须回答的具体问题。银保AI指导意见第16条要求，涉及资金资产等重大权益、大规模客户影响、业务连续性，或存在直接、间接不可逆后果的高风险应用，须经董事会或专门委员会审议批准后方可实施；第17条则要求在高风险应用关键环节建立人工监督和干预机制，明确紧急停用及模型退出条件，建立备用系统或人工替代流程。这两条要求共同构成了金融机构问责与监督支柱的制度骨架。
五、全生命周期管理模型的金融行业适配
银保AI指导意见第2条提出的“需求分析→数据准备→训练开发→部署运行→维护迭代→评估退出”六阶段表述，与白皮书提出的“需求与设计、数据准备、模型训练、部署与监控、退役与更新”五阶段全生命周期模型，在实质内容上高度一致，可以合并为统一的治理检查点体系，如表3所示。
这一合并后的模型对金融机构的实践意义在于：既满足了银保AI指导意见的强制性合规要求，又获得了白皮书在每一阶段提供的具体、可操作的技术检查清单，避免了“合规两张皮”——即制度要求与技术实践相互脱节的常见问题。
六、智能体专属治理：自主性风险的识别与分级管理机制
银保AI指导意见首次在监管文件中正式提出“金融智能体”概念，这是最具前瞻性、也最亟需理论与实践支撑的部分。白皮书虽未专门针对金融场景展开，但其关于AI Agent风险的分析框架具有高度的普适性和迁移价值，将其与银保AI指导意见相关条款结合，形成金融行业智能体治理的专门讨论。
（一）智能体作为新型委托-代理关系的四类特有风险
白皮书指出，AI Agent作为一种全新的委托-代理关系，被授权代表机构在真实环境中规划、决策、执行，其风险特征与传统AI模型存在本质区别，具体表现为四个方面。其一，自主权边界风险：智能体的自主权一旦从咨询建议延伸到签约付款等实质性操作（如自主完成放款审批、自动执行理赔支付），极易引发法律与资金风险。其二，权限粒度风险：被恶意劫持或因故障出错的智能体，会以其被授予的过高权限造成难以预料的破坏，这意味着权限设置必须遵循最小必要原则，而非“一次授权、长期有效”的粗放模式。其三，上下文实时性风险：智能体在某一时刻被授权执行某类行动，不代表它在所有时刻都应当执行同类行动——授权失效后，智能体仍有可能在过时的上下文中执行已不再适当甚至危险的动作。其四，操作可逆性风险：智能体产生的效果有些是可逆的，有些则完全不可逆（如资金已经划出、保单已经生效），在缺乏人工监督的情况下，这类不可逆操作可能造成无法挽回的损失。
（二）智能体自主性的分级管理机制
针对上述四类风险，白皮书提出的管理建议与银保AI指导意见第15、16、17条的分级管理、高风险准入、人工监督要求高度契合，有五项具体机制。第一，自主权分级授权：基于智能体的自主权等级和潜在效果风险进行分级，对咨询类、建议类、执行类智能体实施差异化的权限管控，严格遵循最小必要原则。第二，建立AI Agent资产台账：金融机构应建立全机构范围内的智能体资产台账，明确记录每一个智能体的权限范围、责任人、上线时间及风险等级，避免出现“账外智能体”这一新型治理盲区。第三，设置不可绕过的人工检查点：对于涉及资金划转、大额理赔支付等高等级授权场景，须设置不可被智能体自身绕过的强制性人工检查点，这是落实银保AI指导意见第17条“人工监督和干预机制”要求的具体技术手段。第四，构建智能体行为审计链：完整记录智能体每一次工具调用的输入、决策依据和执行结果，形成可追溯、可审计的行为链条，既满足问责与监督支柱的可追溯性要求，也为事后责任认定提供技术证据。第五，明确紧急停用机制：依据第17条要求，明确智能体的紧急停用及退出条件，并建立备用系统或人工替代流程，确保在智能体出现异常时，业务连续性不受根本性影响。
智能体治理是银保AI指导意见与白皮书整合应用中价值最高、也最具紧迫性的领域。这不仅是因为“金融智能体”是银保AI指导意见的制度创新点，更是因为智能体“自主执行”的能力特征，使得传统围绕“AI给出建议、人做决策”设计的治理体系，其基本假设已经不再成立——风险敞口已经从“内容风险”实质性地扩展到了“操作风险”，这要求金融机构的治理框架必须做出相应的结构性调整，而非简单套用既有的模型风险管理经验。
七、技术治理工具箱在金融场景的优先级选择
白皮书提供的17项技术治理工具，覆盖了从对抗性防御到隐私保护的广泛领域，但金融机构在资源有限的现实约束下，需要根据自身业务特征进行优先级排序，而非全面铺开，结合金融行业信贷、理赔、投顾等核心场景的特点，建议优先部署以下六项工具（见表4）。
需要指出的是，这一优先级排序并非固定不变，而应随着金融机构AI应用场景的扩展动态调整。例如，当机构大规模开展跨境业务或涉及敏感健康数据处理（如健康险核保）时，差分隐私、同态加密等隐私增强技术的优先级应相应提升。
八、治理成熟度评估与分阶段实施路线图
白皮书提出的五级成熟度模型（初始级、意识级、定义级、管理级、优化级），为金融机构自我评估治理水平提供了标尺，其评估维度覆盖治理组织架构（权重10%）、政策与流程（权重15%）、技术工具与自动化（权重35%）、监控与审计（权重30%）、文化与培训（权重10%）五个方面，其中技术工具与自动化、监控与审计两项合计占比65%，这一权重分配本身即体现了白皮书“技术保落地”的核心理念，也与银保AI指导意见强调“务实高效”的原则相呼应。
结合成熟度评估结果，建议金融机构采取三阶段实施路线图。第一阶段（0—6个月）为基础建设期，重点是对信贷、理赔、反欺诈等高风险AI/智能体应用开展风险分级评估，组建跨部门AI治理委员会，并建立本文提出的整合框架下的基线制度。第二阶段（6—18个月）为能力构建期，重点是部署可解释性、公平性检测等技术工具，建立智能体资产台账与行为审计链，并开展面向管理层、技术团队和全体员工的分层培训。第三阶段（18—36个月）为体系完善期，重点是将治理检查点嵌入AI开发的CI/CD流水线，实现自动化治理，并参照ISO/IEC 42001等国际标准开展治理体系认证，建立持续改进与成熟度对标机制。
九、展望
展望未来，我们提出三点研判。其一，随着更多金融子行业（如资产管理、证券）专项人工智能监管指导文件的陆续出台，金融集团层面的AI治理框架将需要具备更强的跨条线整合能力。其二，智能体自主性风险的分级管理标准，有望在实践检验的基础上逐步走向行业标准化，形成类似银保AI指导意见第16条所要求的、具有可操作性的行业统一分级基准。其三，技术治理工具箱与制度性治理要求的深度融合，将成为金融机构AI治理能力建设的主要方向，单纯依赖制度约束或单纯依赖技术工具，都难以实现有效、可持续的AI与智能体治理。
参考文献
[1] 国家金融监督管理总局． 关于银行业保险业人工智能安全开发应用的指导意见[Z]. 金发〔2026〕8号， 2026年6月18日．
[2] 国际数据和人工智能管理协会（DAiMA）. 2026治变：人工智能治理白皮书[R]. 北京： 国际数据和人工智能管理协会， 2026.
[3] 国家金融监督管理总局． 银行业保险业数字金融高质量发展实施方案[Z]. 2025年12月．
[4] National Institute of Standards and Technology. AI Risk Management Framework (AI RMF 1.0)[S]. Gaithersburg: NIST, 2023.
[5] International Organization for Standardization. ISO/IEC 42001: Information technology — Artificial intelligence — Management system[S]. Geneva: ISO, 2023.
[6] European Commission. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act)[Z]. Official Journal of the European Union, 2024.
[7] United Nations Educational, Scientific and Cultural Organization. Recommendation on the Ethics of Artificial Intelligence[R]. Paris: UNESCO, 2021.
[8] 国家互联网信息办公室． 生成式人工智能服务管理暂行办法[Z]. 2023.
[9] 全国人民代表大会常务委员会． 中华人民共和国个人信息保护法[Z]. 2021.
[10] European Commission. General Data Protection Regulation (GDPR)[Z]. 2018.
[11] 中国信息通信研究院． 人工智能治理蓝皮书（2024年）[R]. 北京： 中国信息通信研究院， 2024.
[12] 世界互联网大会． 全球人工智能治理研究报告[R]. 2024.
[13]《2026年中国银行业大模型应用跟踪报告》[R]. 2026.