专题：金融视角·聚焦2026年两会

　　原标题：专访央行原副行长李东荣：要加快制定大模型技术金融应用安全规范，避免技术异化带来的算法歧视、精准排除

　　3月5日，十四届全国人大四次会议开幕会在北京人民大会堂举行。

　　国务院总理李强在政府工作报告中介绍了“十五五”时期主要目标指标、重大战略任务和重大工程项目。

　　此前，“十五五”规划建议明确提出，加快建设金融强国；大力发展科技金融、绿色金融、普惠金融、养老金融、数字金融。

　　在全力做好金融“五篇大文章”的背景下，金融机构应如何避免“为了数字化而数字化”？当前的监管框架，能否跑赢这轮AI金融的迭代速度？如何避免因为数据画像的“精准”，而将灵活就业群体等最需要金融服务的人“精准排除在外”？

　　带着这些问题，在全国两会召开期间，《每日经济新闻》记者（以下简称NBD）对中国人民银行原副行长李东荣进行了专访。

　　自大学毕业后，40余年来，李东荣始终扎根在金融领域，历任中国人民银行广东省分行副行长，国家外汇管理局副局长，中国人民银行行长助理、副行长等职，参加了自1997年开始的5次全国金融工作会议。2015年6月，李东荣负责筹建中国互联网金融协会并担任首任会长达7年，见证了行业从野蛮生长、风险整治到规范发展的过程。

　　1

　　金融机构数字化要坚持问题和效果导向

　　NBD：你在多个场合提到，数字金融是金融“五篇大文章”的“纽带和助推器”。在当前全力做好科技金融、绿色金融、普惠金融、养老金融的背景下，很多人担心数字金融会被“工具化”。你认为金融机构应如何避免“为了数字化而数字化”，真正让数字技术穿透这四篇大文章，解决实际痛点，而不是仅仅停留在表面的流程线上化？

　　李东荣：要解决好这个担心的问题，我认为关键是始终不能偏离金融服务的宗旨，在遵循金融运行基本规律的前提下正确把握好数字技术的应用。

　　首先，理念要清晰明确。金融机构推进数字金融要坚持以客户为中心的理念，就是要主动站在客户视角审视业务全流程，聚焦客户在办理业务中的痛点、难点与堵点，深入理解不同客群的差异化需求，推动服务模式从“以产品为中心”向“以客户为中心”深度转变。

　　这其中，线上化和智能化是数字金融推进过程中的体现，其根本目标是增强客户的获得感、满意度与信任感，以数字化转型赋能金融服务提质增效，更好地服务实体经济发展与人民美好生活需要。

　　其次，要坚持问题导向、效果导向，坚决避免为了数字化而数字化。只有坚持靶向发力、精准破解的问题导向，才能保证数字化转型的质效。当前，有的金融机构在推进数字金融过程中仍面临诸多问题。比如，缺乏对客户需求痛点的精准研判，导致技术投入与实际需求有脱节；调研不充分，重技术搭建、轻落地应用，系统上线后难以适配业务场景，无法有效解决服务效率低、风险管控弱等核心问题。

　　坚持问题导向，就是要针对传统金融服务中存在的信息不对称、资源配置不合理等难点问题，风险管控识别不精准等弱点问题，以及服务效率低、普惠覆盖不足等痛点问题，将数字化技术与实际问题深度绑定，提供更好的解决方式，避免“大水漫灌”式转型。

　　同时，效果导向则体现在数字化举措要以提升服务质效、增强核心竞争力、实现可持续发展为目标。只有将问题导向与效果导向有机结合，才能推动金融机构数字化转型走深走实，真正实现提质增效、赋能业务发展，夯实数字化转型根基。

　　最后，要守牢安全、合规发展的底线。要坚持创新应用与风险管理能力相匹配，坚守风险底线。强化客户隐私保护与风险防控，严格遵守金融监管、数据安全、个人信息保护等相关法律法规及监管要求，确保数字化转型在安全稳健、依法合规的轨道上有序运行。

　　2

　　加快制定大模型技术金融应用安全规范

　　NBD：你曾多次提及“十五五”时期智能金融将成为数字金融的重要方向，且当前AI智能体、行业大模型已开始渗透金融核心业务。结合你提到的AI存在可解释性不足、算法偏见等问题，你认为金融机构尤其是中小机构，应如何平衡技术应用与风险防控，找到适合自身的智能化发展路径？现在的监管框架，能跑赢这轮AI金融的迭代速度吗？监管层是否需要出台专门的智能金融治理框架？

　　李东荣：从三个方面介绍我对这个问题的看法：

　　第一个方面，与大型机构相比，中小金融机构在智能金融应用上存在资源投入差距大、数据量规模相对小且维度少、数字化基础相对弱、人才储备不足等明显短板。但同时，中小金融机构存在机制灵活、决策链条短、贴近实体、场景聚焦等优势，必须找准定位、扬长避短，走符合自身实际的差异化、特色化发展道路。

　　要定位于小而精、专而强。应立足自身资源禀赋，聚焦本地产业、供应链金融、乡村振兴等区域特色核心场景，以轻量化、场景化的数字化手段深耕细作，把产品做专、服务做细、风控做精，通过差异化竞争，打造自己的业务“护城河”。

　　要坚持场景优先，从痛点切入。围绕普惠信贷、小微风控、柜面运营、客户服务、合规管理等高频刚需场景，优先选择投入小、见效快、风险可控的环节开展智能化改造，让智能应用直接解决实际问题。

　　要突出区域特色与客群特点。立足本地产业、小微经营、社区金融等差异化场景，将区域信息、产业信息等数据纳入大数据模型，提升风控精准度与服务适配性，形成具有自身特色的场景化智能金融能力。

　　第二个方面，DeepSeek等大模型技术的开源、高性能、低成本为中小金融机构提供了前所未有的技术赋能机遇，快速推动人工智能在中小金融机构中的应用。在此基础上，中小机构的数据质量、合规和风控管理成为人工智能技术能否安全可靠运行的重要因素。

　　因此，中小金融机构在推进智能金融应用时需特别重视以下几点：

　　一是要加强数据治理。数字化时代机构之间的竞争，本质上是数据治理能力的竞争，体现在数据的合理收集、深度挖掘和充分利用等方面。中小金融机构往往存在客户基数较小、数据规模有限，且数据质量不高等难题，因此要在数据治理上下功夫，在确保数据安全的前提下，推进数据体系化和规范化管理，通过数据标准化、建设管理平台等方式，推动数据治理向系统化、自动化、智能化迈进。同时，要注意整合内外部数据的使用，推动数据资产融合共享，加大对数据的使用和挖掘。

　　二是做好风险防控。加强人机协同，发挥人工智能在数据处理、风险识别、模型测算等方面的技术优势，同时牢牢把握风险管理的主动权，建立健全人工复核、分级审批的风险监督与管控机制。明确人机权责边界，强化关键环节、重要决策的人工介入与最终审定，实现技术赋能与风险可控有机统一。

　　第三个方面，要健全智能金融治理体系。要加强监管科技能力建设，加快制定大模型技术金融应用安全规范等标准，发挥标准等规则的示范引领作用，推进以科技强监管、以监管促规范，引导智能金融在合规框架内安全有序发展。

　　3

　　积极运用人工智能

　　提供有温度的智能金融服务

　　NBD：你在最近的演讲中提到，普惠金融正从“有没有”向“好不好”转变，并特别提到对快递骑手、网约车司机等新型从业者的关爱。这类人群的就业和收入具有高度不稳定性，传统风控模型很难覆盖。在利用DeepSeek等新技术降低服务成本的同时，如何避免因为数据画像的“精准”而将这群最需要金融服务的人“精准地排除在外”？这中间的平衡点在哪里？

　　李东荣：首先，在数字金融推进的过程中，我们一直秉持“技术中性”原则，鼓励新技术合理应用创新。“技术中性”原则体现在技术本身的公平性、无善恶、无偏向。技术最终的影响和价值，不是技术本身所固有的，而取决于应用技术的人的设计，也就是最终在什么场景和规则下产生的优劣或偏向性。

　　因此，在数字金融实践过程中，要聚焦于如何更好地规范技术应用行为，让技术更好地服务于更需要金融服务的人，而不是“标签化地精准排除在外”，从而背离了普惠金融“普惠、公平、包容”的核心。

　　其次，监管部门要加强对技术应用行为的规范引导，要坚持以人为本、科技向善。要不断完善智能金融相关制度标准规范，避免技术异化带来的算法歧视、精准排除等问题，让科技成为缩小金融鸿沟、提升普惠金融服务质量的有力支撑。要指导金融机构用技术降低服务门槛，而不是用数据标签设置壁垒。可以通过“监管沙盒”等方式，不断提升监管质效，更好推动创新发展，努力达到效率和安全的平衡。

　　最后，对金融机构而言，要坚守金融服务实体经济和人民大众的初心，与时俱进不断创新产品和服务，积极运用人工智能、大数据模型识别信用，提供有温度的智能金融服务。同时，严格遵守法律和伦理底线，通过开展人工智能伦理治理和教育培训等工作，在数据获取、算法设计、产品研发和应用等工作过程中完善措施，避免产生涉及民族、信仰、性别、年龄、职业等方面的偏见与算法歧视。

　　比如，针对快递骑手、网约车司机等灵活就业群体，金融机构可加强与相关平台的合作，在依法合规的前提下，依托新技术挖掘群体的接单稳定性、账户流水规律等行为信息和场景数据，构建差异化信用评估模型，并进一步整合为可信的信用画像，实现“以行为评信用、以信用授额度”。

　　总之，智能金融应用中要坚持金融服务的政治性和人民性，通过制度、标准等规范智能金融的技术应用行为，借助智能金融技术，更好地满足人民群众对金融服务的需求。