△点击上方卡片关注我，回复“实践”，即可获得 AI Agent、RAG、多模态大模型相关的案例资料
作者 | 付晓岩
将经营思路全面调整到“一路两性八坚持，五章六素六体系”的完整要求上来，摒弃“规模情结”，改变“卷”式管理，服从整体定位和治理目标，完成基础性行业承担的“回升向好”重任，重建银行的专业性经营理念。达成上述经营理念，构建符合新质金融特征的银行，需要持续塑造银行价值链，本文强调的并非是银行都要打造相同的价值链，而是强调新质金融下银行价值链应关注的重点。金融机构的发展需要服从政策定位，功能性与营利性兼顾，而政策影响的不仅是银行业，影响的更是各行各业，比如，“战略腹地”建设可能会牵动多大规模的金融需求，就是很值得考量的，因此，银行对政策的解读，不能仅是集中学习，而是要将政策落实到业务跟进中，落实到数字能力中，以数字化方式学习政策，具备政策的数字学习能力、贯彻能力。重大国家政策一般可以按照行业、地区、核心企业、生态链、贸易链等多种维度进行标签化拆解，其基本原理类似于业务架构对企业战略的拆解，但区别在于，拆解的结果应该以业务标签为主，而非业务架构以能力需求为结果的拆解。政策也分为国家级、部委级、省级、市级等多个层次，按照五年计划、行业规划、地区规划等类型，由银行各级机构通过逐级地收集、学习、分解，转化为具有体系化的业务分类标签，并最终与具体业务建立关联。关联的好处在于，一来可以观察政策分级落实的情况、地区差异，包括实际落实力度，通过对这些内容的持续观察、积累，可以形成更好的政策敏感度，比如，哪一类政策、哪一类要求触发的金融需求更大、更快等；二来可以更好地观察机构特征，哪些机构适配哪些业务，哪些政策的还有一定落实空间，哪些政策的落实能力已经逼近上限。政策既是国家要求，也蕴含商机，比如大型政策如何通过金融工具调整支出节奏，使长期政策获得更灵活的释放节奏，从而转换为金融需求。体系化的政策标签，也更有利于统计银行业务对国家要求的真实响应。标签化设计本质上也是文本解读，也可以尝试更多的人工智能应用。既然对银行有功能性要求，银行自身就必须对功能性有更好的测量，既观察好自身的任务执行，也要从银行的视角观察好国家的政策执行进展，两相适应。形成业务标签体系，也方便各级银行机构的有关人员快速了解与自身岗位、业务相关的国家、地区政策具体条款，方便政策信息的上下汇集。银行在政策学习方面的投入到集体精力绝对是不小的，也需要通过数字化手段进一步提升学习效率和执行效率以及度量能力。从政策延伸开来的则是对地区、企业经济数据的收集，及其与国家、地区政策间的关联关系分析、评估能力的建立，这些不是秘书性工作，而是持续的研究分析类工作。学习政策当然不是刻板地学习条文，而是将其与带来的影响建立关联和持久的分析，以形成真正的政策理解、政策效果预期能力。目前国家政策关注对市场失灵的弥补，又有对 2029 年改革落地的要求，注重预期管理而非相机抉择，政策的密集性、直接性在未来几年中都会表现得更为突出，银行需要对政策有更好的研究、反应、贯彻能力。需求的感知、理解，是人机协同的工作。互联网推动的数字营销兴盛一时，其有效性在一定条件下仍是成立的，但随着对流量经济更为客观的认识，对营销的理解应该逐渐回归到以了解客户真实诉求为核心。“真实”不会完全来自于数据，数据只能反映一部分，这一点在对公业务中表现更为突出，其实在对私业务中也一样，只不过，对私客户的量太大，需要“机”做得更多，而对公业务中，至少在一段时间内，“人”的作用仍是无法降低的。投入更多的人力，在数字化的支持下，人机协同式地发现、验证、转化、交付客户需求，根据不同类型的客户需求，安排不同的人机协同方式。普惠业务，增加人的服务力度，进一步拓展普惠业务，客户真实需求的发现、引导、风险控制，将需要更为强调人的作用。评分模型、大数据乃至人工智能，可以辅助客户经理识别、判断风险，但对客户真实情况的深入了解、与客户深度的关系的建立、对风险可承受幅度的进一步判断，都有赖于人的接触。根据最新的“尽职免责”规定，银行应当充分提升业务的标准化程度，建立完整的线上业务流程，做好业务数字化留痕，但应该考虑将模型的审核作用，也就是“机”的作用，定位于辅助，尤其是对“及格线”附近的评分应用，对潜在风险点进行标识和集体评议，做好对普惠业务人员的基本合规保护。评分模型设计、调整能力要进一步下沉，基于能力放宽对模型的使用。单个机构级别的总体风险动态控制能力要具备更快的数字化预警手段，以方便业务政策的及时调整。国家鼓励商业平台发展，监管机构也应多研究商业平台数据的市场化统一开放和交叉比较机制，提供更为真实准确的业务信息评价结果，普惠金融是社会级的普惠。大型对公业务，积极通过提供更为数字化的产品和深度的数字化研究，提供具有时代特征的金融服务，比如，司库系统等，从而加深与客户的价值链衔接。支持大型企业的行业平台建设，并积极走入平台构建的生态链。银行应通过对数字化转型的研究，建立更为广泛的数字化认知，并形成对客户数字化的评估、影响能力，构建结构化、行业级的数字化转型信息库，尤其是对转型动作、效果的结构化分析及其对相关产品的直接、间接影响，判断数字化走向对客户业务、银行业务走向的真实影响，也通过数字化知识更好地服务于客户，将银行自身的数字化与客户的数字化融合起来。关注客户在做什么，永远是了解客户的重点，这也是需求发现、产品创新的源头。银行对客户的评价，应根据客户行为的变化增减维度，在当前的时代背景，银行需要在传统客户分析维度上，增加时代性的内容，数字化评估就是其中的一个方面，毕竟，对于大型公司类客户而言，这里边也有来自国家的发展要求需要落实。数字化既是要用钱的行为，也可能会影响客户今后的用钱方式，银行是必须要关注的，银行在客户的数字化进程中的角色不应只是扮演数字金融中的“钱袋子”。对私业务方面，除了高端客户的特色化服务外，一般客户由于数量庞大，银行无法以人力为主进行服务，数字化服务是对私服务发展的共同选择。作为次生需求，金融业务很难在居民收入增长缓慢的情况下，刺激出过多的消费端金融需求，当前的环境，正是重新梳理客户分群、细化运营能力的时机，目前也有股份制银行统一了一般客户的客群运营部门，这是有价值的一步，构建类似 Capital One 的数据分析和产品设计能力，是对私业务必然的发展方向。但客群运营是个长期性工作，也是要分层级、分地区、分机构建立的能力，没有数年时间，未必能看见能力转换的结果，此处不可求快，树立正确的“业绩观”非常重要，改变运动式营销、强压指标的做法，否则，客户运营能力上不来，随着万亿级银行的增多，对私业务今后只会更加难以拓展。要么，时间换能力，要么，指标换困难。现在应非所谓的零售业务破局之时，而应是能力换挡之时。当然，数字化并非是减少人力之意，银行如何感知不同年龄段的客户心态，这不是数字化可以完全解决的，最终还是由不同年龄段的人多去研究对应年龄段的人比较靠谱，数据的解读结果可能也会有代沟。比如，笔者最近看到一个数据，说是面对人工智能的发展，80 后和 00 后的人都提出要非常注重思考的“独立性”，但相差近 20 年的人所说的“独立性”是否是一个意思呢？如果根据数据设计产品，那对数据以外的东西也需要一定的了解才行，这就是人的部分，也是能力要换档的部分，规模越来越小的客户群化产品设计、服务设计，累积小规模服务来换取总体业绩，与此同时，还要依靠数字化管理能力来保持客户视图的完整性、体验的一致性。摆摊的营销应该越来越少，因为摆摊本身就是盲目的、低效率高成本、等着薅羊毛的。网点目前仍是重要的客户触点，但是银行的线上线下服务融合，以及未来的虚拟化趋势，很难会被逆转。增加视频银行的业务范围，帮助网点逐步适应视频化经营，通过视频化、无纸化、去介质化进一步提升服务效率、降低服务成本，尝试突破一些不必保留的产品形态，其效果可能好于目前网点的智能机具和智能化方向。银行业务数字化程度高，也意味着数字化成本高。比如同样是属于中等规模，一个中等规模的银行，IT 年度支出远远高于其他行业的中等规模企业，这是业务数字化的客观现实需求导致的。但是考虑到对国家政策、客户需求的快速响应能力，跟随业态的灵活变化能力，银行的业务系统不是越多越好，随着降本增效要求的提高，银行的业务系统应该更标准化、更集约化，这是数字化驾驭能力强的表现。产品的灵活设计，本质上是业务能力的标准化设计，也就是业务系统的整体化、标准化，不是有个需求就做个系统，导致重复能力一大堆，系统数据不一致、协同变化难，这方面需要业务和技术都有更强的自我约束能力。“尽职免责”规定中对业务标准化的要求也提高了，业务标准化、流程合规性、制度完整性，这些是业务人员自我保护的必要手段，这些要求也应落实到系统层面，提升业务运行效率，提升数字风控、数字合规保护能力。IT 建设已经达到一定规模的银行，应该考虑朝向系统集约化、整体化方向发展，减少系统数量，提升架构设计能力，这是提升产品结构化能力的基础，也是应对下一次渠道升级的基础。可以考虑以大运营为核心推动业务整合、业务标准化，带动降本增效，并根据大运营格局进行业务流程、业务数据、业务系统整体规划，降低单个业务部门对开发布局的话语权，业务部门应专注于业务能力的结构化定义和数据应用。提高业务部门的结构化思维，提升业务与 IT 的沟通效率，这也是业务人员理解客户数字化工作的基础，而非仅适用于内部开发。做好自身内部的系统集约、整合，也有利于更好地向外对接客户的价值链，提供深度链接的金融服务，有更好的设计、实施能力，也才能提供类似司库之类更为升级的数字金融服务。数字人民币应该是银行有效履行今后一些定向刺激政策的合适工具，数字人民币具备的属性设置能力，以及智能合约、资金管理方面的应用潜力可以成为一种有效执行刺激政策的金融手段。数字合规、数字风控能力在前文中已有一定介绍，在此之外，数字风控能力，包括人工智能技术，笔者认为当慎重对待其在风险安全边界以外的应用，多增加评分模型的灵活使用、辅助使用，多增加银行的信息源，多增加多头业务来分散风险。数字合规一直是数字化方面的弱项，随着大模型的出现，人工智能支持的数字合规应当可以有更好的发展空间，当前发展数字合规的可行性应该略好于发展自然交流的数字客服。笔者对大模型当前的应用方向，首推一直是用在 IT 开发方面，其次就是用在合规上，这至少比用在客服上容易产生违规来得更好。从政策、感知到产品到风控合规，最后自然是业绩评价。当前是改变业绩观、经营观的时期，业绩评价也需要新的维度，比如，客户成长，如何将客户成长及其与客户业务规模、国家政策、数字化评价、影响力评价等方面的指标、标签综合起来衡量银行对客户的价值，而不是只看客户对银行的价值，这是以客户为中心的表现之一。对营销的评价也应该重新设置，减少不必要的营销成本。资产结构转换必然有成本，对机会成本，也就是经济增加值角度的转换成本的衡量也是检验分支机构经营能力的方法之一。银行做好“五篇大文章”，做到“新质金融”，也必然有一套新的衡量标准，规模不再是衡量业绩的唯一标准，根据政策方向转换资产结构的速度、成本，客户成长、工作真实时长、员工满意度等指标的权重变化，新考核指标的设计、数据采集能力的客观性，都是检验管理层思路调整结果的“试纸”。银行价值链的重塑一直在动态进行，到 2029 年，银行在哪些方面切实增强了自身的能力，让我们拭目以待吧。付晓岩，天润聚粮执行董事总经理，原国有大型商业银行资深业务架构师。《银行数字化转型》、《企业级业务架构设计：方法论与实践》和《聚合架构：面向数字生态的构件化企业架构》三书作者。中国计算机学会软件工程专委会委员、数字金融分会首批执行委员；国家工程实验室金融大数据应用与安全研究中心研究员；CIC 金融科技与数字经济发展专家委员会成员；信通院企业架构推进中心、组装式推进中心技术专家；中华全国数字化人才培育联盟专家委员会特聘专家；工信部中小企业发展促进中心产教融合产业实践教授；国家互联网数据中心产业技术创新战略联盟专家委员会副主任专家委员。金融行业凭借相对完善的数据和技术基础，以及丰富的业务场景，成为智能技术的实践场。在智能时代背景下，包括银行、保险、证券等在内的金融机构正在借助 AI 大模型、大数据、云计算等数字化技术不断完善和迭代自身的产品和服务，同时通过向外赋能，加速其它行业数字化，完成数实融合。关注「InfoQ 数字化经纬」，回复「实践案例」领取相关资料。