银行Agent的下一道门槛：构建可信任的数据底座丨系列文章连载

2026-07-26 · gysnbl.com

一个理财经理智能助手，如果只是回答“这款产品的起购金额是多少”，它需要的是一套准确的产品知识库。但如果它要回答“这位客户是否适合推荐这款产品”，问题就完全不同了。 它需要理解客户风险等级、资产结构、历史持仓、交易偏好、近期沟通记录、产品风险等级、适当性规则和销售禁入条件；还要判断哪些数据可以用，哪些数据不能用，哪些结论只能提示客户经理，哪些动作必须由客户亲自

一个理财经理智能助手，如果只是回答“这款产品的起购金额是多少”，它需要的是一套准确的产品知识库。但如果它要回答“这位客户是否适合推荐这款产品”，问题就完全不同了。

它需要理解客户风险等级、资产结构、历史持仓、交易偏好、近期沟通记录、产品风险等级、适当性规则和销售禁入条件；还要判断哪些数据可以用，哪些数据不能用，哪些结论只能提示客户经理，哪些动作必须由客户亲自确认完成。这时，Agent 好不好用，已经不只取决于模型能不能生成答案，而 取决于银行的数据底座能不能支撑它做出可靠、合规、可追溯的判断。

过去，银行的数据主要服务于报表、分析、风控模型和经营决策。数据被存储、加工、查询，最终由人来理解和使用。而在智能体环境下，数据不仅要被读取，还要被理解、被调用、被持续更新，并在复杂任务中支撑多个智能体协同工作。

这意味着，银行需要的数据基础 不再只是一个技术平台，而是一套围绕“自主运行”设计的能力体系 。智能体会主动访问数据、调用工具、生成行动方案，并在执行过程中持续调整。如果缺乏清晰边界、统一语义、记忆机制和运行监控，智能体越自主，风险就越难治理。

银行 Agent 要从试点走向规模化应用，必须先回答一个底层问题：数据能不能被智能体安全、准确、持续、可追溯地使用。

一、受控数据访问：让智能体在边界内行动

银行智能体不能直接接触所有原始数据。 在传统系统中，数据访问通常基于静态角色和预设权限进行控制。客户经理能看哪些客户，审批人员能看哪些材料，运营人员能处理哪些工单，这些规则相对稳定。

但智能体的工作方式更加动态。同一个智能体，在不同任务中可能承担不同角色；同一个客户，在不同业务场景下也对应不同的数据访问边界。客户经营时可以读取客户画像和产品偏好，财富管理建议时还要受到适当性规则约束，涉及敏感信息或关键动作时则必须触发更严格的校验。

因此， 银行需要把数据访问从“固定授权”升级为“任务驱动、策略驱动”。

更合理的方式，是在智能体和银行数据之间 建立统一的数据访问与调用治理层。 智能体不直接访问底层库表，而是通过标准化的数据产品和受控接口获取信息。系统根据智能体身份、任务目标、业务场景、数据敏感级别和风险等级，动态判断它能访问什么、不能访问什么、只能读还是可以写、是否需要人工确认、是否必须留下审计记录。 这不是为了限制智能体，而是为了让它可以在清晰边界内行动。

二、统一语义与知识体系：让智能体真正理解数据

银行不缺数据，真正难的是让智能体理解数据。 人可以凭经验判断语境，智能体却可能把相似但不同口径的数据混在一起。因此， 银行需要把传统数据目录升级为面向智能体的语义体系。

工具和服务也需要语义化注册。智能体执行任务时，不仅访问数据，还会调用内部系统或外部接口，比如查询客户信息、生成补件清单、发起工单、调用审批流程、读取制度文件、写回处理结果。每个工具都应说明能力边界、输入输出、适用场景、调用条件和风险等级。

当银行进入多智能体协同阶段，语义一致性会更加关键。客户经营智能体、产品推荐智能体、风险审核智能体和合规检查智能体，如果对客户、产品、风险、适当性这些概念理解不一致，协同就会变成冲突。语义体系不是锦上添花，而是银行智能体可规模化的前提。 只有在统一认知框架下，智能体才可能做出稳定、可解释、可复盘的判断 。

三、记忆与上下文管理：让智能体持续而连贯地工作

智能体要完成复杂任务，就必须有记忆。一个客服智能体如果每次对话都从零开始，就无法处理连续问题。一个贷后管理智能体如果不能记住前一次跟进结果，就无法判断下一步动作。但 在银行里，记忆不能简单理解为“把历史都存下来”。

智能体记住的信息，可能涉及客户身份信息、交易记录、风险偏好、营销触达记录、投诉内容、审批意见和内部判断。如果没有清晰规则，记忆机制本身就会成为新的风险点。因此， 银行需要分层管理智能体记忆 。

第一类是工作记忆，用于当前任务中的即时状态，比如本轮对话、临时材料、中间判断结果和工具调用返回信息。它强调低延迟和快速更新，但任务结束后哪些保留、哪些清除，要有规则。

第二类是短期记忆，用于一次会话或一段流程中的上下文连续，比如一笔贷款申请、一个投诉工单、一次客户经营活动。它帮助智能体保持任务连贯，但也需要有效期和刷新机制。

第四类是企业级共享记忆，用于多个智能体之间共享必要上下文。比如客户经营、风险预警和合规审核智能体需要看到同一客户状态，但共享的范围、粒度和权限必须被控制。

更重要的是，记忆必须被治理 。银行需要定义记忆的生成、更新、过期、删除和回滚规则，并确保能够根据监管、隐私保护和内部审计要求精确修正或清除历史记录。记忆访问也应受到权限控制，避免不同智能体之间产生不当数据流动。只有当记忆成为结构化、可治理的数据资产，智能体才能持续而连贯地工作。

四、安全治理与合规保障：为自主运行设定规则

智能体的自主性越强，银行对其行为的约束就越重要。

安全、合规和内控不能是上线前的最后一道检查，而应嵌入智能体运行全过程。特别是在客户服务、授信辅助、财富管理、合规审核、反欺诈和反洗钱等场景中， 智能体一旦参与判断或触发动作，就必须纳入银行既有的治理框架。

首先，智能体要有清晰身份。它不能只是某个员工账号背后的隐形调用者，而应有可识别、可认证、可追踪的身份。尤其在多智能体协作中，智能体之间可能互相调用服务、共享上下文、写入数据，如果身份不清，就很难追责。

其次， 权限模型要支持任务级授权 。智能体在分析阶段可能只允许读取数据，在执行阶段可能需要写入系统，但关键动作必须经过人工确认。比如发送客户通知、调整客户标签、生成理财建议、提交审批意见，都不能只靠模型自由执行。

第四， 数据保护要延伸到上下文、记忆和跨智能体数据流 。过去很多安全控制关注数据存储和传输，但智能体会把信息带入提示词、上下文窗口、缓存、中间结果和长期记忆。如果这些环节没有脱敏、访问限制和自动清理机制，就可能形成新的泄露风险。

五、可观测与运行管理：让智能体可度量、可优化

智能体进入生产环境后，银行需要看见的不只是系统是否在线。传统监控更多关注响应时间、错误率、资源占用。但智能体的核心风险往往不是系统崩溃，而是行为偏差：它是否调用了正确数据，是否理解了上下文，是否重复进入循环，是否越过权限边界，是否在成本上失控，是否在多智能体协作中产生冲突。

因此，银行需要建立端到端的智能体可观测体系。

首先，要能追踪调用链路。智能体访问了哪些数据、引用了哪些知识、调用了哪些工具、触发了哪些动作，都要有结构化记录。

其次，要能观察推理和任务过程。智能体的任务步骤、关键判断、置信度、异常分支和人工介入点，需要能够被追踪和复盘。只有这样，银行才能判断问题来自数据质量、语义冲突、权限配置、模型能力、提示词设计，还是工具调用失败。

第三，要监测语义解析和记忆使用情况。智能体是否基于正确信息作出判断，是否命中了正确上下文，是否读取了过期记忆，是否写入了未经验证的信息，这些都需要持续观察。

第四，要建立成本与效果的度量体系。每一次智能体执行都涉及模型调用、算力、存储和工具资源。银行需要知道哪些场景真正创造价值，哪些场景成本过高，哪些流程应该优化或停止。

第五，要记录人机交互数据。人工在哪些环节频繁接管，哪些输出经常被修改，哪些任务需要反复确认，这些反馈不仅有助于改进模型，也有助于优化业务流程和权限设计。

可观测的目的不是为了监控，而是为了形成持续优化闭环。当出现异常时，银行应能够快速定位是数据问题、语义冲突、策略失效、权限配置错误，还是模型和工具调用问题，并通过持续反馈完成修正。没有可观测，就没有可运营；没有可运营，智能体就很难从试点走向规模化。

银行建设智能体，表面上是在建设智能应用， 深层看是在重塑数据、知识、权限、流程和治理之间的连接方式。

如果数据只能被查询，智能体最多是一个更自然的搜索入口；如果数据能够被理解、被调用、被记忆、被追踪，并在清晰规则下支撑行动，智能体才可能进入真实业务流程，成为新的数字化生产力。

受控访问决定智能体能不能在边界内行动；统一语义决定智能体能不能真正理解数据；记忆管理决定智能体能不能持续工作；安全合规决定智能体能不能被信任；可观测能力决定智能体能不能被运营和优化。

最容易被看见的是模型、界面和应用场景。 但真正决定它能走多深的，是底层数据能力。

BCG董事总经理兼全球资深合伙人，25年金融与咨询行业经验，擅长战略与转型、组织与管控、数字化转型与创新，曾任职于大型金融机构总部、香港、纽约分部，芝加哥大学MBA，著有《银行转型2035》、《银行转型2025》及近百篇BCG报告、文章

BCG董事总经理兼全球合伙人，成功领导多个大中型银行的整体数字化转型项目，为客户创造超预期的业务价值。深耕产业金融、交易银行、财富管理、消费金融、手机银行、多渠道协同、智慧决策等领域，经验丰富。著有《银行转型2035》及多篇BCG报告、文章。

BCG全球智库资深顾问，曾任国有大型银行副总工、互联网银行前行长，擅长大型商业银行IT架构，银行数字化转型资深专家，银行数字化转型资深专家。著有《银行转型2035》。

(本文作者介绍：波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG金融机构专项中国区负责人。)

新浪财经意见领袖专栏文章均为作者个人观点，不代表新浪财经的立场和观点。

欢迎关注官方微信“意见领袖”，阅读更多精彩文章。点击微信界面右上角的+号，选择“添加朋友”，输入意见领袖的微信号“kopleader”即可，也可以扫描下方二维码添加关注。意见领袖将为您提供财经专业领域的专业分析。

波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG金融机构专项中国区负责人。

新浪财经意见反馈留言板 电话：400-052-0066 欢迎批评指正