人工智能在银行的最后一公里：AI赋能与落地实战

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com

课程背景：

人工智能正以前所未有的力量重塑银行业格局，从风控、营销到运营、服务，AI已成为银行决胜未来的核心引擎。然而，多数银行在AI落地应用中陷入“技术概念火热、业务价值模糊”、“试点项目易做、规模推广困难”、“模型精度尚可、生产部署滞后”的“最后一公里”困境。政策层面，“人工智能+”已上升为国家战略；技术层面，大模型与智能体技术飞速迭代；竞争层面，AI能力正迅速分化“全能银行”与“小白银行”。如何跨越从“拥有AI”到“用好AI”的鸿沟，将技术势能转化为业务动能，成为银行当下最紧迫的命题。本课程直面AI落地“最后一公里”的挑战，为银行提供从认知到实践、从规划到实施的全链路解决方案。

《人工智能在银行的最后一公里——AI赋能与落地实战》是一门面向银行中高层管理者、科技与业务骨干的实战课程。课程围绕“认知-特色-实践-洞察”四大模块，深入剖析AI核心概念、全球格局、国家战略、银行应用场景、落地工艺流程、组织变革以及未来趋势。课程拒绝“技术空谈”，聚焦“业务价值”，融合政策解读、案例解析、工具模板与互动研讨，提供从AI战略规划、模型选型、智能体构建、组织适配到文化塑造的全方位指南。旨在帮助银行将AI从“概念”转化为“生产力”，真正跑通AI赋能业务的“最后一公里”。

课程收益：

构建符合本行战略的AI实施路线图与治理框架，明确投资方向与优先级

掌握AI项目落地全流程关键技术与管理要点，降低试错成本，提升项目成功率

推动业务与技术深度融合，打造一批AI赋能的标杆业务场景，提升运营效率与客户体验

培育既懂AI又懂银行的复合型人才队伍，形成与AI相适应的组织能力与文化氛围

系统掌握人工智能的核心概念、技术原理与发展趋势，建立完整的AI知识体系

获得一套涵盖AI战略规划、模型选型、智能体构建、风险管理的实用工具与模板

提升识别AI业务场景、设计解决方案并推动落地实施的实际操作能力

增强在银行数字化转型中引领AI变革的话语权与领导力

课程对象：

总行金融科技部、数据管理部、各业务部门（零售、对公、风控、运营等）负责人及骨干；分行中高层管理人员、业务骨干

课程方式：

讲师面授、案例研讨、实战演练、工具工作坊、互动问答

课程大纲

第一篇：基础认知篇

第一讲：启程——穿越迷雾，感知AI

导语：坐地日行八万里，巡天遥看一千河

互动导入：无处不在的AI（列举生活和工作中的AI应用案例）

一、AI的10个核心概念

——AGI、机器学习、深度学习、自然语言处理、大语言模型、智能体、算法偏见、提示词工程、多模态、具身智能

互动导入：你写的最满意的提示词；如果你拥有一台具身机器人，你想让他做什么？

二、AI的基本原理：一个核心、两个基础、一个过程

1. 两个基础：数据（燃料）、算力（厨房）

2. 一个核心：算法：AI的“菜谱”

3. 一个过程：模型训练——AI的“学习过程”

1）学习（训练）：基于已有数据（训练集）调整参数

2）验证：用另一部分数据（验证集）评估模型表现，防止过拟合

3）测试：用未见过数据（测试集）最终评估模型效果

4）部署与应用：将训练好的模型嵌入业务系统，处理真实世界任务

——提示词（Prompt）与推理（Inference）

三、AI的十大关系

1. AI与数字化转型

2. AI与金融科技

3. AI与自动化

4. 大模型与小模型

5. AI与人

6. 通用大模型与垂类大模型

7. AI投入与商业价值

8. AI模型“大”与“小”

9. AI技术成熟度与业务场景风险容忍度

10. AI开放合作与安全可控

互动导入：请你选出最重要的3组关系，并说明为什么重要

工具：《AI核心概念速查手册》（一页纸PDF）

第二讲：棋局——AI全球争霸图

导语：三十年河东，三十年河西

一、AI成长路径：三起两落，迈向新纪元

1. 起步期（1950s-1970s）

第一次低谷：算力与数据瓶颈，预期破灭

2. 复兴期（1980s-1990s）

第二次低谷：专家系统维护成本高，难以扩展

3. 爆发期（2006年-至今）

新纪元（2023年-）：大语言模型引发生成式AI革命，AI从“感知理解”走向“生成创造”，AGI曙光初现

二、AI的发展格局

1. 国际格局

1）AI公司的竞争格局：领导者、巨头玩家、垂直领域与芯片巨头

2）AI产品的竞争格局

a“操作系统”级模型竞争

b模型即服务（MaaS）竞争

c AI原生应用竞争

2. 国内格局

1）AI公司的竞争格局

a“大厂”领跑（名单及特点）

b“AI独角兽”深耕（名单及特点）

c垂直领域与服务商（名单及特点）

2）AI产品的竞争格局

a通用大模型“百模大战”

b行业大模型“深耕细作”

c应用层创新加速

工具：《国内外AI生态核心玩家地图》（信息图）

第二篇：行业特色篇

第三讲：国策——当中国遇见AI

导语：多少事，从来急；天地转，光阴迫。一万年太久，只争朝夕

一、国家层面关于AI的整体规划

1. 机构设置

——顶层协调机制、主管与推进机构、“国家队”

2. 政策文件

1）2024年政府工作报告

2）《新一代人工智能发展规划》（2017）

3）《关于支持建设新一代人工智能示范应用场景的通知》（2022）

4）《生成式人工智能服务管理暂行办法》（2023）

5）《关于深入实施“人工智能+”行动的意见》（2025）

3. 对银行的影响分析

小组讨论：请列出国家AI相关的政策对银行将产生的影响

1）战略导向明确

2）创新与合规并重

3）技术自主可控

4）赋能实体经济

5）参与标准制定

二、AI与地缘政治

1. AI与地缘政治的相互影响情况

1）技术制高点争夺

2）供应链安全化

3）数字规则分化

2. 对银行的影响分析

小组讨论：请列出地缘政治对银行应用AI将产生的影响

1）技术选型风险

2）跨境业务合规成本激增

3）地缘政治风险传导至金融风险

工具：《AI政策与银行应对自检表》（Checklist）

第四讲：沃土——当银行遇见AI

导语：问渠那得清如许？为有源头活水来

一、AI对银行的价值

1. 提高效率

2. 增加产能

3. 改善体验

4. 降低风险

5. 降低成本

二、银行是AI的沃土

1. 业务链条长、环节多、规则严谨

2. 大量重复、繁琐、依赖人力判断

3. 数据密度高

4. 准确度要求高

三、AI对银行的影响

互动导入：个人发言-“您认为AI对银行最大的影响是？”

1. 对客户的影响

1）用户对银行的服务诉求会发生变化

2）预期实时智能响应

3）预期主动式服务

4）数据主权与隐私交换价值

2. 对产品的影响

1）产品研发过程被重新定义

2）产品形态将发生变化

3）产品与用户的交互方式将改变

3. 对流程的影响

1）业务流程将被重新解构

2）流程将嵌入AI元素

4. 对渠道的影响

1）客户触达和服务渠道面临革新

2）渠道边界消失

3）渠道功能重构

4）渠道即服务

5. 对竞争的影响

1）产生新的弯道超车窗口期

2）算法效率成为新竞争壁垒

3）竞争焦点从“产品”转向“智能体体验”

4）“小白”银行与“全能”银行的分化

6. 对监管的影响

1）穿透式监管

2）综合监管

3）实时监管

四、银行AI发展状况

1. 银行AI投入情况

——战略重视程度、费用投入情况、人力投入情况

2. 银行AI能力建设情况

1）能力成长类型：外包依赖型、共创成长型、自主研发型

2）核心能力：模型调优、智能体平台研发、智能体构建、智能体迭代运营

3. 监管要求及能力评价模型

1）Gartner的AI成熟度模型

2）中国银保监会AI监管指南

4. AI服务商生态图谱

个人问答：你所在的部门，接触过哪些与AI有关的服务商，他们做什么的？给银行解决什么问题？

1）AI大模型服务商生态

2）Agent服务商生态

3）AI小模型服务商生态

4）AI算力服务商生态

工具：《AI对银行影响评估矩阵》（框架图）

第三篇：落地实践篇

第五讲：生根——让AI落地银行

导语：纸上得来终觉浅，绝知此事要躬行

一、AI在银行落地的阶段划分

1. AI应用的两种部署模式

1）公共平台：特点、限制

2）本地部署：隔离、安全、制约

2. 银行应用AI的四个阶段

——通用型→智能体→业务系统嵌入→大模型调优

3. AI落地的四个层次

1）数据层：基础、数据标准、数据标注、数据共享

2）系统层：承载、基础层、模型层、应用层

3）业务层：应用、产品新形态、服务新模式、利润新来源

4）组织层：生产关系、新部门、新岗位、新协同

4. 银行AI部署/应用情况

1）完成本地化部署的银行清单

2）银行部署的大模型的分类及特点

3）智能体平台的构建情况

4）智能体建设情况

二、AI在银行落地的条件准备

1. 算力引入

小组讨论：如果行里只给500万预算启动AI，你会优先选择哪个部署模式？为什么？

1）算力部署模式：本地化模式、公有云算力、混合云模式

2）算力部署方案选择：监管要求、财务预算、科技基础、必要性

3）本地化和云算力优劣比较：合规性、灵活性、节约性

2. 大模型矩阵

1）银行可选择的大模型分类及特征

2）大模型尺寸和参数规模

3）大模型调优

3. 智能体平台

1）智能体平台的组成构件及工作原理

2）单平台和多平台模式选择及优劣势分析

3）多智能体平台的联动与协同

4. 知识库

1）知识库的定位及工作原理

2）知识库的分类及应用

3）知识库的构建

4）当前知识库面临的挑战

5. AI中台

1）AI中台的构成单元：大模型、小模型、工具

2）AI中台的工作原理及协同机制

3）行业AI中台的探索案例：招商银行AI中台解析

三、AI在银行落地的工艺流程

1. 准备阶段

目标：评估需求、组建资源，确保项目可行性。避免盲目投入，聚焦银行痛点如效率低、风险高

1）关键步骤：需求调研、团队组建、算力准备、数据治理、合规审查

2）实施主体：AI牵头部门、IT部门、业务部门

3）风险及应对：数据质量差、超预算

4）交付物：项目需求报告、团队组织图、算力采购合同

2. 模型与平台选择阶段

目标：选型大模型和智能体平台，确保技术匹配银行场景；优先国产模型

2）关键步骤：大模型选择与接入、智能体平台选择与接入、联调测试

3）实施主体：AI牵头部门、IT部门

4）风险及应对：模型黑箱（应对：解释性AI工具如SHAP）、兼容性差（应对：沙箱测试环境）

5）交付物：选型报告、接入API文档、PoC demo代码

3. 智能体构建阶段

目标：基于选型，开发自定义智能体

1）关键步骤：需求分解、智能体构建、训练与迭代、测试

2）实施主体：AI牵头部门、业务部门

3）风险及应对：过拟合（应对：交叉验证）；安全漏洞（应对：渗透测试）

4）交付物：智能体代码仓库（Git）、测试报告、Agent架构图（UML图）

4. AI中台搭建与集成阶段

目标：构建AI中台作为共享基础设施，支持全行复用

1）关键步骤：中台设计、搭建实施、权限管理、扩展性测试

2）实施主体：AI牵头部门、IT部门、业务部门

3）风险及应对：集成失败（应对：API gateway如Kong）；scalability不足（应对：弹性扩容）

4）交付物：中台部署手册、架构蓝图、集成测试日志

5. 上线运营与优化阶段

目标：正式上线，持续监控，实现闭环优化。确保AI项目融入银行日常运营

1）关键步骤：上线部署、运营管理、绩效评估、扩展复制、持续优化

2）实施主体：AI牵头部门、IT部门、业务部门

3）风险及应对：采用率低（应对：激励机制，如KPI绑定）；模型漂移（应对：定期retrain）

4）交付物：上线报告、运营报告

6. AI项目与传统科技项目的区别

1）费用投入点不同

2）研发环境不同

3）实施路径不同

四、行业案例解析

1）工商银行：AI中台建设逻辑及实施路径

2）恒丰银行：AI专业团队落地实践

3）北京银行：1213 AI技术架构

互动导入：个人互动-请根据以上知识点，对同业案例进行点评

工具：《大模型选型对比Checklist》、《银行AI项目可行性快速评估清单》、《AI智能体需求说明书（模板）》

第六讲：发芽——构建与AI相适应的生产关系

导语：上下同欲者胜

一、设置与AI相适应的专业机构

1. 基本原则：专业化、敏捷化、生态化

2. 企业级领导小组：一把手行长+分管行长+领域首席或总监

案例：北京银行-金融科技管理委员会；恒丰银行-AI领导小组

3. 部门设置

1）专属部门模式

2）二级部门模式

3）联合团队模式

案例：工商银行、招商银行、北京银行

4. 协作单元

——数据工程组、算力工程组、知识工程组、模型工程组、应用工程组、组织工程组

二、打造与AI相适应的岗位能力

1. 新岗位设置

个人互动：请你说出3个因为AI的出现可能新增的新岗位，名称、职责、能力要求

1）AI标注员：业务理解力、工具熟练度、合规意识

2）AI培训师：教学能力、技术敏锐度、跨部门协作

3）AI模型工程师：技术深度、业务融合力、工程能力

4）语料架构师：知识管理、技术工具、合规风控

5）AI业务分析师：数据分析、业务洞察、沟通能力

6）AI合规官：法规知识、风险评估、审计能力

2. 能力矩阵

1）组织能力矩阵：数据治理能力、技术实现能力、业务应用能力、组织推动能力

2）个人能力矩阵：技术素养、业务融合、伦理合规、创新协同

三、形成与AI相适应的制度体系

1. 数据治理与安全制度类

2. 模型治理与风险管理制度类

3. 算力与基础设施规范类

4. 业务与操作规范类

5. 组织与人才管理制度类

6. 监管与合规报告制度类

7. 应急预案与持续改进制度类

四、构建与AI相适应的评价体系

1. 价值效益评价

2. 能力成熟度评价

3. 安全合规评价

4. 创新与进化评价

5. 平衡计分卡综合视角

——将以上维度纳入平衡计分卡体系，形成综合评分，避免单一指标导向

工具：《AI组织架构设置建议》、《AI岗位说明书模板》

第七讲：开花——十大场景，让AI赋能业务

导语：AI要钻进具体场景，解决真实痛点。百花齐放，春满园

一、AI赋能场景

1. AI赋能风控场景

价值：从“事后防御”到“实时预警”

1）建成企业级一体化智能风控中枢

2）风险交易实现毫秒级识别与拦截

3）风控模式完成从"规则驱动"到"规则+模型双驱动"的演进

实施要点：

基石-构建高质量风险数据仓库与标签体系

核心-建立"业务专家+数据科学家"混编团队

保障-搭建成熟的ModelOps体系

案例：北京银行“5全4化”；农业银行实时反欺诈、信用评分；中原银行风险识别时间从“小时级”压缩至“秒级”

2. AI赋能零售营销场景

价值：从"标准化服务"到"个性化交互"

1）构建“一人一策”的个性化智能营销体系；

2）营销响应率、转化率及客户生命周期价值（LTV）显著提升，营销成本大幅下降；

3）形成“洞察-触达-反馈-优化”的增强闭环

实施要点：

基础-构建360°客户视图

关键-设计科学的A/B测试与效果归因体系

闭环-将营销执行结果数据实时反馈至AI模型

案例：工商银行智能客服；韩国KaKaoBank的AI助手提供“情绪化”陪伴服务

3. AI赋能行业分析场景

价值：提升投研决策效率与深度，赋能产业金融创新

1）AI每日自动生成覆盖全行业的动态研究报告与风险预警

2）对公业务团队能够实时洞察产业链上下游变化

3）银行对宏观经济、区域发展、行业趋势的研判能力成为其核心竞争优势

实施要点：数据源、人机协同、应用集成

案例：招商银行运用知识图谱技术构建企业关联关系网络；高盛利用AI平台Mosaic进行全球宏观经济预测

4. AI赋能内控管理场景

价值：实现从“人防”到“技防”的智能化转型，大幅提升合规效率与准确性

1）建立智能合规机器人，7x24小时自动监测

2）合规检查工作量下降70%，检出率和准确率显著高于人工抽查

3）能够快速响应外部监管新规

实施要点：规则化、平衡、伦理与隐私

案例：汇丰银行利用AI系统监控数百万笔日常交易；摩根大通开发COIN程序解析商业贷款协议

5. AI赋能智能客服场景

价值：提供7x24小时、高效、精准的个性化服务，极大释放人力并提升客户体验

1）智能客服一次性问题解决率（FCR）超85%，客户满意度（CSAT）媲美甚至超越人工客服；

2）复杂业务实现"智能体初步处理+人工专家无缝介入"的人机协同模式；

3）客服中心从成本中心转型为价值中心

实施要点：知识库建设、流程设计、持续优化

案例：招商银行多轮次对话智能客服系统

6. AI赋能数据治理场景

价值：将数据治理从“成本负担”变为“价值创造”，为AI应用提供高质量燃料

1）AI工具自动发现、标注、清洗、关联数据

2）数据资产目录清晰可视

3）数据治理效率提升，成本下降

实施要点：治理前置、人机结合、价值导向

案例：工商银行建设企业级数据中台；平安银行利用AI构建企业级知识图谱

7. AI赋能法务场景

价值：大幅提升合同审查、法规跟踪效率，降低法律风险与运营成本

1）合同智能审查工具能在几分钟内完成上百页合同的审阅

2）AI系统实时监控海量法律法规、监管政策的变动

3）法务人员从繁琐的文书工作中解放出来

实施要点：样本积累、专家校验、流程整合

案例：Kira Systems、Luminance等AI合同审查平台；国内领先银行试用AI合同审查工具

8. AI赋能财务场景

价值：实现财务流程自动化、智能化，提升核算效率与决策支持能力

1）RPA+AI实现费用报销、发票处理、往来对账、报表生成等流程的全自动处理

2）AI进行智能财务分析，自动生成管理报表

3）财务团队的角色转向财务预测、控制分析和战略支持

实施要点：流程标准化、异常处理机制、价值延伸

案例：众多大型企业应用RPA+AI于财务共享中心；恒丰银行利用AI对全行费用支出进行实时监控和分析

9. AI赋能公文写作场景（是不是漏了一个场景呀）

价值：提升行文效率与质量，解放员工创造力

1）AI助手快速生成工作报告、会议纪要等初稿

2）生成的文稿文通字顺，符合银行要求的正式文风

3）全行公文写作的整体质量和水准得到提升

实施要点：模板与知识库建设、质量控制、培训推广

案例：微软、Google在办公套件中集成AI写作助手；国内多家银行试点AI辅助写作功能

10.AI赋能零售客户智能投顾场景

价值：从“高门槛专业服务”到“普惠化个性配置”，赋能财富管理业务增长

1）构建“AI驱动的全天候智能理财师”

2）极大降低专业投资顾问的服务门槛

3）通过市场实时洞察与组合再平衡，提升投资组合的抗风险能力和收益稳定性

实施要点：

1）核心：用户画像与风险偏好评估模型，并与合规的投资策略库、产品库深度耦合

2）关键：人机责任边界与干预机制，对重大市场波动或复杂需求确保人工顾问能及时介入

3）保障：学习与反馈闭环，不断优化推荐策略，并确保所有推荐符合监管要求

案例：招商银行“摩羯智投”：早期探索者，利用AI算法为客户提供基金组合配置建议

二、速赢项目与战略项目

1. 项目四象限定位模型

1）高价值低难度-速赢

2）高价值高难度-战略

3）低价值低难度-速赢

4）低价值高难度-放弃

2. 速赢项目的推进与管理

——项目发起与需求管理、项目团队组建与考核、项目快速交付与复制

3. 战略项目的推进与管理

4. 项目团队组建与考核、项目阶段投入与评估、项目上线后的协同运营

互动导入：小组工作坊-请每个小组设计一个AI应用场景

工具：《十大业务场景AI应用创意库》、《速赢项目选择器》

第四篇：思考洞察篇

第八讲：结果——文化为核，让AI融入血液

导语：随风潜入夜，润物细无声

一、顶层设计

1. 明确AI战略地位

2. 塑造全员AI认知

案例：招商银行-AI First战略；平安集团-AI in All；北京银行-All in AI

二、执行保障

1. 构建敏捷型AI组织

1）建立专责推动组织

2）优化绩效与激励机制

2. 培养复合型AI人才

1）内部孵化AI复合型业务专家

2）外部引进AI算法、产品人才

3）鼓励业务人员参与AI产品共创

三、落地路径

1. 构建标准化的AI基础设施

1）打造AI中台：统一数据与模型管理

2）打造智能体平台：鼓励全员探索智能体

3）推动数据共享：建立数据共享机制

4）健全权限机制：适当匹配数据和平台权限

案例：平安集团-员工自建智能体已超2.3万个，覆盖11万名员工

2. 分步推进AI应用场景

1）明确AI场景试点策略

2）强化AI落地成果可视化

案例库构建：收集成功项目，促进跨分支行复用

四、安全边界

1. 健全AI治理制度

2. 推动AI与合规文化融合

五、创新引擎

1. 多渠道营造AI文化氛围

1）利用内网、视频号等平台推送AI故事

2）设置“AI之星”表彰机制

3）发布AI文化手册与行为指引

2. 建立AI文化观察与反馈机制

工具：《AI文化氛围内部调研问卷（模板）》

第九讲：险峰——AI在银行的挑战

导语：雄关漫道真如铁，而今迈步从头越

互动导入：小组互动-请每个小组列出5条银行应用AI可能面临的挑战

一、数据质量制约

问题点：业务系统分散，数据标准不统一，跨部门调用难，可使用数据量不够

1. 建设企业级数据中台

2. 制定数据共享激励政策

3. 推广联邦学习

4. 知识库沉淀+生成式技术

二、算力资源制约

问题点：大模型训练需百卡级GPU集群，成本高且运维复杂；国外芯片存在供应风险，国产芯片在性价比、性能、适配性、生态成熟度上还有差距

1. 混合云模式

2. 采用模型压缩技术

3. 参与算力共享联盟

三、文化冲突

问题点：传统信贷流程依赖人工经验，与AI的"数据驱动"理念存在冲突

1. 设计“人机竞赛”活动验证AI有效性

2. 将AI指标纳入绩效考核

3. 高管带头推进AI文化宣导

四、准确性问题

问题点：每个环节95%准确率，20步之后，准确率跌至35%左右

1. 流程再造与冗余校验

2. 不确定性量化与置信度传递

3. 集成学习与模型投票

五、不可解释性

问题点：逻辑索源困难导致问题排查、系统迭代、监管解释等问题

1. 部署可解释AI（XAI）工具包

2. 构建模型事实库（Model FactSheet）

3. 采用“白盒”模型优先原则

六、AI地缘政治带来的不确定性

问题点：中美科技脱钩风险；全球AI技术标准、数据跨境流动规则分化；外资云服务商在国内金融市场的业务可能受到限制

1. 技术栈国产化替代

2. “双轨制”技术布局

3. 积极参与行业标准制定

七、AI的共享属性与监管合规条款差异

问题点：AI要求数据集中共享与数据安全法规存在内在张力；监管政策滞后于技术发展；多部门监管要求可能存在不一致

1. 前沿合规研究

2. 隐私增强技术（PETs）应用

3. 建立内部AI合规审计体系

工具：《AI风险应对策略清单》

第十讲：远方——AI在银行的未来

导语：“东方欲晓，莫道君行早。踏遍青山人未老，风景这边独好”AI不是取代人，而是让人去做更有价值的工作

互动导入：个人互动-请你说出未来10年，AI可能会变成什么样？

一、功能：从感知理解到主动生成

1. 多模态无缝融合，形成底层工具基础

2. 构建高度逼真的人类生存的物理世界

3. 从“分析推荐”向“规划执行”演进，执行多序列任务

影响：重塑银行产品与服务；超个性化金融产品实时生成；金融营销与投教内容全面AIGC化；代码与系统自动生成

二、交互：智能体架构的崛起和普及

1. 从“下指令”到“下目标”多个智能体自动协作完成

2. 个人电脑和手机的操作系统将被重新定义，其核心是调度和管理AI智能体为用户服务

影响：重构银行运营与交互模式；从“App银行”到“智能体银行”后台运营全面自主化；开放银行API被智能体交互取代

三、形态：具身智能将实现：从数据驱动到物理交互

1. 人工智能将拥有“身体”，能够感知、理解和交互物理世界

2. 将数字信息与物理世界无缝叠加，创造新的交互体验

影响：突破物理与数字服务边界；实体网点的机器人化与智能化再造；远程全息交互与沉浸式金融服务；供应链金融深度嵌入实体物流

四、聚焦：效能和可信度

1. 能源革命

2. 算法效率

3. 可信度

影响：奠定银行新核心竞争力；算力与算法成为核心资本；“可信AI”成为品牌基石；绿色计算能力纳入ESG评级

五、目标：更超级的智能

1. AGI

2. 不同流派

3. 顶层治理

影响：引发战略与生存级思考；系统性风险预测与监管能力；终极形态的竞争格局；参与全球AI治理与标准制定

工具：《银行AI战略规划思考框架》

江老师

江浔楷老师 金融数字化落地专家

22年银行/金融科技公司实战经验

中级经济师

山东财经大学产业导师

多层级成长：跨越网点、支行、省分行、总行

【传统银行→金融科技→数字化转型→AI落地】

曾任：某全国行股份制银行丨数据资源部、总经理助理

曾任：平安金融壹账通（上市金融科技公司）丨高级运营总监

曾任：中国工商银行总行丨高级经理

曾任：中国工商银行湖北省分行丨客户经理

多技术科研：数字化转型科研成果/技术输出

→1部专著：参与行业首部数据资产入表专著《数据资产入表全流程解析》；

→2项发明专利：《一种金融行业数据标准对标的方法、系统、设备及介质》《元数据管理方法、系统、设备及存储介质》

多维度认可：获得多项高含金量奖项

→荣获中国人民银行颁发的“金融科技发展奖”三等奖

→获得工商银行总行颁发的“产品创新奖”

→被中小银行互联网金融联盟评为“最具魅力讲师”

→入选中国下一代教育基金会年度微公益个人优秀案例

多银行实践：为多个银行实现数字化转型提升

→中国工商银行：策划“人脉挖宝”活动，开创社会化营销先河；获客成本0.22元/人，获评《每日经济新闻》年度最佳案例等十多项年度大奖；

→恒丰银行：主导数字化赋能平台矩阵，带领团队搭建“模型工场、BI数据分析平台、自主用数平台、数字化协作平台”四大数字化底座，支撑全行业务条线数据驱动转型；优化住房按揭贷款系统，建立线上审批机制，业务办理周期缩短2/3，推动业务规模从30亿突破百亿；

→平安金融壹账通：带领团队研发“智能外呼、用户画像、在线代理人”等工具，为40多家中小银行提供全链路智能营销解决方案；

擅长领域：金融科技、金融数字化、人工智能等前沿技术，全面赋能银行前中后各环节、总分支各层次业务；策划和组织基于社交媒体的互联网营销；银行零售客户全生命周期经营；银行大型线上线下对外发布、论坛、大赛等活动的策划和现场组织；单位新员工快速融入及个人发展路径规划和设计……

实战经验：

江浔楷老师拥有22年银行/金融科技公司实战经验，从银行基层网点业务筑基逐步跨越到总行数字化转型落地实践，兼具业务、技术、数据三视角，为多家银行从“点-线-面”全域赋能金融科技创新与数字化转型实践，做到“干一行，行一行；一行行，行行行”。

✔【点-单点获客工具创新】——中国工商银行总行

01-【1个社会化营销先河开创】：策划“人脉挖宝”活动，开创银行业社会化营销先河，吸引200万客户、120个国家和地区参与，获客成本0.22元/人，获评《每日经济新闻》年度最佳案例，获得年度社会化营销奖项10余项；

02-【3大平台落地+3大自媒体矩阵】：参与筹建总行互联网金融营销中心，参与“融e购、融e联、融e行”三大平台从0到1落地，构建“支付+投资+融资”三大业务条线，上线“工银e支付、手机银行理财模块”等7大核心产品；策划搭建“丁丁创e、融e说、赵说不误”三大自媒体矩阵，实现H5、图文、音频立体传播，官方微博粉丝从0增长至619万，获中国下一代教育基金会“微公益大奖”；

03-【2万家网点营销系统建设+8条资源线打通】：参与工行母品牌及子品牌架构梳理，升级2万家网点营销传播系统建设，整合网点电视、显示屏、海报等资源，实现宣传素材自动化管理与效果监测，推动品牌传播效率提升；整合个人金融、公司业务、信用卡等8大条线资源，制定年度整合营销方案，统筹亿元级营销预算，实现全行营销活动ROI提升；

✔【线-营销全线模式创新】——平安金融壹账通

01-【30+大营销工具创新+获客模式创新】：开发智能营销产品线，带领团队研发“智能外呼、用户画像、在线代理人”等工具，为贵阳银行、乐山银行等40多家中小银行提供全链路智能营销解决方案，其中鄂州银行用户画像项目使客群精准度提升60%，乐山银行睡眠客户唤醒率达35%；整合电信运营商流量资源，探索“运营商数据+金融科技”获客模式，助力单一北区放款量达东/南/西区总和2倍；

02-【40+中小银行流量支持】：发起“中小银行流量资源池”项目，对接电信部门千万级C端用户，通过API接口实现流量精准导流，项目入选公司年度重点投资计划，为40多家中小银行提供流量资源支持。

✔【面-银行数字化全局落地创新】——恒丰银行

01-【银行数字化转型顶层设计】：参与全行“十四五”战略规划，参与完成全行数字化转型顶层设计，主创全行文化体系数字化表达式，主责“建设一流数字化敏捷银行”战略发布会，开启全行数字化转型序幕；

02-【业务数据驱动转型支撑】：牵头搭建“模型工场、恒数BI、自主用数平台、丰秘协作平台”四大数字化底座，实现模型管理、数据供应、分析决策、流程协作全链路数字化，支撑全行业务条向数据驱动转型；牵头“创新马拉松、建模大赛、恒心活化大赛”三大赛事，培育数据人才，形成可复用数据模型，推动数据资产从技术工具向业务赋能转化；

03-【金融产品敏捷落地+流程数字化改造】：推动花呗落地项目，28天完成系统对接、风控模型嵌入及业务上线，成为蚂蚁集团同类合作中效率最高案例，该产品成为部门贷款余额最重要的支撑；优化住房按揭贷款系统，建立线上审批模型，业务办理周期缩短2/3，推动业务规模从30亿增长至破百亿；

部分授课案例：

序号企业课题期数

1中国工商银行

总行及各分行《互联网金融的实战案例及思考》50+

2中小银行联盟

北京金融科技产业联盟

中国金融认证中心《零售客户的互联网运营》

《数据资产入表实务》

《数字化转型实践探索》

《互联网金融的实战案例及思考》8

3上海银行、北京银行

昆仑银行

人民银行《互联网金融的实战案例及思考》

《金融科技助力银行零售客户经营》

《互联网金融与金融科技在金融行业应用》7

4佛山农商银行

贵阳银行、广州银行

山东财经大学

武汉工程科技大学

山东大学（威海）

太原大学《数据资产入表实务》

《数字化转型实践探索》

《金融科技赋能银行线上获客》

《数字化转型及人工智能联合赋能银行业务》7

主讲课程：

《数赢未来：银行业数字化转型顶层设计与落地实践》

《人工智能在银行的最后一公里：AI赋能与落地实战》

《技胜未来：金融科技赋能银行新增长引擎》

《智战龙门：用人工智能打造超级个体》

《科技、数据、AI三箭齐发，助力零售客户经营》

《银行零售业务营销新范式》

授课风格：

★ 逻辑清晰、层层递进：以递进式逻辑解构复杂金融业务，梳理故事线，定位关键问题，引导学员快速掌握核心要点。

★ 注重实战、着眼落地：从理论到实操，提供定制化工具和解决方案，确保学员能将知识转化为实际工作成果。

★ 沉浸教学，激发共鸣：从学员视角出发，用通俗语言讲解专业内容，结合案例互动，营造高参与度的课堂氛围。

★ 成果导向，价值交付：针对培训目标设计课程内容，从认知提升到技能落地，助力学员和机构实现业务突破。

部分服务客户：

银行：中国工商银行总行、工商银行长春培训中心、工商银行杭州培训中心、工商银行20多家一级分行、工商银行50多家二级分行/支行、上海银行总行、北京银行北京分行、昆仑银行总行、广州银行总行、佛山农商银行总行

金融机构：中国金融认证中心、人民银行培训中心、北京金融科技产业联盟、中小银行联盟、上海金融信息行业协会、上海湖北商会、北京湖北商会、企商在线

高校：山东财经大学、武汉工程科技大学、山东大学（威海）、太原大学

部分客户评价：

“江老师这课，听得我是又兴奋又惭愧。兴奋的是，他讲的‘北斗七星模型’一下子把我们零散的做法串成了体系，像给了张高清地图。惭愧的是，我们以前确实在‘瞎忙’，数据很多但没用出彩。他最厉害的是，能把‘数字化转型’这种虚词，拆解成‘客户旅程地图’、‘下一个最佳行动’这些我们听得懂、能马上动手的具体动作。课件也是，没一句废话，全是干货和工具，感觉他不是在‘讲课’，是在给我们‘交付解决方案’。两天的课，我笔记本记得密密麻麻，回去就能跟团队开会部署。”

——中国工商银行 零售金融部高级经理 张处

“我组织过很多场培训，江老师的课是少数能让我从头到尾没摸过手机的。他的逻辑层次太清晰了，从国家战略讲到技术原理，再落到银行具体场景，层层推进，像剥洋葱一样，最后让你看到核心。而且他特别风趣。”

——中小银行互联网金融联盟 培训总监 李总

“说实话，我来之前担心这类课程会过分鼓吹技术而忽视风险。但江老师的课非常‘实诚’，也特别透彻。他讲AI落地，花了很大篇幅讲‘最后一公里’的挑战，比如模型偏见、数据隐私、监管合规，这很难得。语言很有穿透力，把技术、业务和监管三者的关系讲得明明白白，让我对如何实施‘穿透式监管’有了更清晰的思路。这才是责任的专家视角。”

——中国人民银行某分行 科技监管处科员 王某

“江老师的课，是典型的‘把互联网金融揉碎了、嚼烂了，喂给学员’。他能把深奥的算法、模型，用‘菜谱’、‘燃料’、‘厨房’这种生活化的比喻讲出来，我的研究生们都听得津津有味。这种‘解构’能力非常强，先把一个复杂系统拆成零件，再用一套严密的逻辑把它拼装回去，让学生不仅能‘知其然’，更能‘知其所以然’。他的课件本身就是一套极佳的研究框架，理论深度和实战案例结合得天衣无缝，我已经跟学院申请，请他做我们的客座教授了。”

——山东大学 金融科技专业 赵老师

“太实用了！江老师讲的‘天地人’三个战场，简直就是我们每天工作的真实写照。他上课方式很轻松，像聊天一样，但句句都点在要害上。比如讲AI写营销文案，他当场演示，效果立竿见影，我们组第二天就试着用上了。没有那些虚头巴脑的东西。全程无尿点，因为讲的都是我们正在头疼的问题，给出的答案还特别透。”

——上海银行 网络金融部产品经理 刘同学

“我这个人实在，就爱听能解决实际问题的课。江老师讲‘科技金融’，没整那些高大上的名词，而是用‘工商银行的产业链孵化贷’、‘招行的科创贷模型’这种活生生的例子，告诉我们银行是怎么具体支持中小企业的。他把一套复杂的风控和产品设计，讲得通俗浅显，让我这个非金融科班出身的人也听得通透。这下我再去跟银行谈合作，心里更有底了，知道关键点在哪。这课，值！”

——中小企业协会 金融服务平台负责人 周总

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com