我主要从细分领域、运营体系角度，与大家做一次深度探讨，我的分享课题是《驱动未来：全面建设银行业数字化运营体系》。
首先，无论是银行业还是保险业，相信大家在 2025 年底至 2026 年初，都收到了国家金融监督管理总局印发的《关于银行业保险业数字金融高质量发展实施方案》。此前监管部门也发布过各类指导意见，近期我们对这份实施方案进行了深入研究，认为其内容制定得十分完整。其中明确提出 “建设数字化运营体系”，并将其放在方案第一章。该方案共六个章节，第一章中，数字化运营体系与组织体系、架构体系、人才体系被置于同等重要位置，足见其是一项关键的基础性工程。这也反映出监管部门对银行业发展现状有着深刻认知，并且在持续跟进行业变化。
数字化转型已推进多年，但实际成效仍较为有限，大多仅实现单点突破，未能形成体系化成果，根本原因就在于数字化技术与业务流程、与银行各类业务的融合不够深入，而这恰恰需要通过运营体系的重构来实现。方案中提到几个核心关键词，强调以数字化能力支撑银行业务流程再造，用生产工具推动生产关系变革，这也是我们的理解。
近期，作为南京银行的数字管理技术部门，我们与运营部门、前台业务部门共同复盘梳理了多年来的运营工作。在科技支撑下，我们的运营建设主要围绕三个方向：前台线上化服务、中台智能化运营、后台集约化处理。
其中一个核心思路，是要将资金流、信息流和业务流的数据打通，构建完整的数字化体系。
下面我分别简要介绍：
【前台】线上服务已推行多年，自互联网发展初期便开始推进，我行也紧跟国有大行及股份制银行的步伐不断优化。线上服务是客户最直观感知银行服务的触点，核心在于提升客户操作体验，涵盖网点、手机银行 APP 及其他各类渠道。互联网企业在这方面表现突出，我们也在持续学习借鉴。
【中台】核心在于智能化，要实现业务流程再造与重构，就必须对银行内部各流程、各业务进行智能化拆解，后续我再详细展开。
【后台】传统运营以操作为主，核心目标是降本增效，各家银行运营管理部门主要承担后台集中处理类工作。
在前台线上服务方面，随着 AI 尤其是多模态技术的发展，多模态数字人已广泛应用于咨询、业务交互等场景。但金融行业监管严格，对 AI 直接面向客户服务的管控较为规范。即便如此，招商银行、工商银行等头部银行已完成大模型对客服务备案，相关应用即将落地。中小银行大多也上线过数字人，但以往主要基于预设话术的对话机器人，通过匹配话术调用通用服务，这仍是当前行业主流。大模型出现后，传统数字人开始接入大模型能力，但目前主要用于信息预处理与判断，直接由大模型独立对客服务的案例仍较少。南京银行于 2021 年在手机银行上线了数字人，并持续迭代优化。数字人的话术与知识体系仍需人工梳理，若梳理不完善，极易引发客户投诉，这也是金融行业技术创新必须在监管合规、政治性与人民性之间做好平衡的体现。不过，随着 AI 能力快速发展，我们认为监管层面也在逐步探索，未来对客 AI 服务的应用空间将逐步放开。为此，我行持续迭代数字人，整合了文本客服、智能对话、数字人等能力，打造了完整的智能服务体系，可实现咨询问答、信息查询、转账汇款等基础功能。
前台另一项重要服务是搜索与推荐。互联网平台的 “千人千面” 推荐已发展多年，而银行业受限于金融产品体系相对单一，相关应用起步较晚。近期，我行借鉴互联网模式，在手机银行上线了搜推平台，实现 “搜索即推荐、登录即推荐”。该平台整合客户存量数据与实时交易行为数据，通过召回排序算法，实现基于客户行为的个性化产品推荐。该平台两年前上线时，业务部门仅提供了非核心栏位进行测试，实际效果多项指标实现翻倍。后续业务部门逐步增加展示栏位，甚至在理财首页 banner 划出一半流量交由算法推荐。经对比，算法推荐客户的交易量显著高于传统经验推荐，目前我行手机银行各类 banner 与入口已逐步向搜推算法开放。这一过程也体现了运营工作中技术与业务相互认可、协同推进的必要性，相关点击率、人均 GMV 等指标表现良好，也获得了业务部门的充分认可。
前台建设主要围绕数字人服务、差异化千人千面推荐等展开，这些也是行业长期关注的重点。
【中台】的核心是生产关系变革。金融行业 “以客户为中心” 的理念已提出二十余年，落地关键在于客户旅程管理。我们将客户旅程梳理为三大流程：体验流、价值流、运营流。体验流是客户在各渠道、各平台操作留下的行为触点与实时体验数据；价值流核心在于产品本身，产品竞争力直接影响客户评价；运营流则涵盖账户管理、KYC、产品定价、支付管理、安全合规、隐私保护，以及销售、风控、体验等所有后台部门的制度、规程与业务流程，是决定客户体验的根本。例如开户环节若采集信息过多，便会直接降低客户体验。以往互联网企业客户体验更优，一定程度上源于监管要求差异；未来随着金融业务全面从严监管，金融机构与互联网平台将处于同一监管框架下，这更凸显出数字化运营体系与业务流程再造的重要性 —— 底层运营流直接决定客户体验与价值创造。
以银行贷款业务为例，我们将其划分为产品意向、审批、放款至续贷等七大核心环节，每个环节又包含多个节点，部分节点需客户线下办理、面签或人脸识别，易造成体验断点。我们的工作重点，是站在客户视角打通全流程节点，梳理断点与重复操作环节，减少对客户的不必要打扰，例如避免同一业务中多次人脸识别等问题。
实现这一目标，我行内部搭建了 “三驾马车” 底层架构：
一是流程总线，相当于业务流转的 “高速公路”；
二是流程服务平台，从客户视角提供个性化流程导航；
三是流程管理体系，从全局视角开展流程分析与优化。
同时建立流程评价体系，从办理时长、一次性通过率、NPS、环节投诉量等维度进行评估，相关指标直接对应运营成本。银行经营主要涉及资金成本、风险成本、运营成本三大类，通过上述体系可实现运营成本的量化管理。
随着线上渠道普及，柜面业务量持续下降，我行推动柜面人员转型为潮汐岗，走出柜面开展现场客户服务，并借鉴互联网平台调度模式，开展人员路径规划与产能效能度量。基于客户地址、任务类型等数据，构建智能评价与调度模型，精准测算外勤人员路途耗时、业务办理时长及每日服务客户数量，相关能力均依托流程管理平台的海量数据支撑实现。
【后台】是 AI 技术应用的核心场景。各家银行均存在大量凭证录入、审核等操作性工作，目前普遍通过 OCR 识别实现智能录入，为确保准确性仍需人工复核。我行创新采用多模型交叉验证方式，若多套模型识别结果一致，约 99% 的业务可免人工审核；对于涉及关键金额等高风险业务，仍保留人工复核环节，兼顾效率与风险防控。
随着大模型技术应用，信息识别与提取能力进一步提升，可广泛应用于各类审核场景。例如未成年人代理开户业务，需比对出生证明与户口本信息一致性，此类简单规则类审核工作，完全可由大模型自动完成。传统 RPA 技术在我行已应用多年，成效显著。大模型时代，我们为 RPA 叠加 AI Agent 能力，实现操作后的智能审核，在批量开户等场景已实现部分人工替代。
在知识体系建设方面，大模型在通用对话领域表现优异，但在银行业务专业知识领域仍有不足。构建行业本体论成本较高，我行采用更务实的 RAG 方案，通过人工切片梳理行内制度、知识与操作文档，搭建面向运营人员的学习与知识体系。该模式落地难度较低，各家机构均可参考实施；若要实现更深层次的本体论应用，则需持续加大技术投入。
最后，面对各类新技术快速迭代，银行业难免产生焦虑。但我们认为，AI 技术存在应用边界，银行人多年积累的业务经验难以被简单替代，人的创造性与对业务的深度理解，短期内无法被 AI 全面超越。构建成熟的世界模型需要海量数据与实践投入，对中小银行而言并不现实。我们的核心策略是紧跟技术趋势，清晰认知 AI 能力边界，将成熟技术与银行业务流程、操作体系深度融合，实现客户体验提升与运营成本下降，这也是银行业数字化运营体系建设的核心能力。
我的分享到此结束，谢谢大家！
