数字员工未来已来， 技术革新稳中求进。
未来10年，大模型会遵循点、线、面、体法则，加速在智慧金融领 域深化应用。在智慧金融的浪潮中。数字员工正逐渐成为金融机构的核 心竞争力。其应用范围之广，层次之多，潜力之深，将给客户带来全时 空、专享化、拟人化的极致体验金融服务。 一是数字员工突破时空限制，为客户提供随时随行的金融服务。从 零售银行到投资银行，从保险到资产管理，银行将通过数字员工为客户 交易支付、投资咨询、贷款融资等各类金融服务，极大化金融的可及性 普惠性。
二是应用数字员工，金融机构将真正实现以客户为中心的“千人千 面”的专享化客户服务。例如，数字员工能够识别并快速响应特殊需求 群体，通过精准分析客户数据和行为模式，为小微企业主、大学生、老 年客户等传统银行服务难以惠及的客户，打造专属的“口袋银行”。 三是数字员工以其拟人化形象和高级交互技能，为客户提供多元服 务。结合多模态、具身智能等技术，数字员工在智能咨询、银行品牌宣 传、实体和虚拟网点等对客服务领域和渠道将展现更为重要的价值。
同时，在银行的内部运营中，数字员工的作用也将日益凸显。一是拥 有自然语言入口的数字员工将成为银行IT系统的统一入口，这将极大优 化银行内部资源配置和运作效率。二是以数字员工为辅助，银行全员自 助分析时代即将到来。大模型驱动的数字员工3.0，不仅可以缩短BI分析的报表设计、数据建模等交付周期，更可以自动生成最佳决策方案，实 现“问答即洞察”，帮助所有人从数据中获取价值。三是数字员工在智 能化决策和管理层面上展现出巨大潜力。比如：在智能体等技术加持 下，数字员工通过与先进的风险预警系统集成，能够实现风险监控的动 态化和智能化，提高风险管理的精准度和响应速度。
数字员工的技术创新与人工智能技术的发展和进化密不可分，未来 算力、数据、算法将进一步夯实数字员工发展的基石，同时具身智能、 多模态、多智能体、端云协同等技术创新，将数字员工演进成一个高度 智能化、成本效益优化、与人类思维高度对齐的金融伙伴。
算力等基础设施发展将进一步降低数字员工的应用成本。例如目前大 模型推理算力投入较大，业界正在采用以存代算等新技术方案降低算力 开销，通过将大模型推理结果存储到高性能存储系统中，已处理过的问 题优先从存储系统中匹配回复，减少AI芯片的算力开销，提升响应速 度，并大幅增强数字员工“长记忆”能力以支撑处理复杂任务。又如， 考虑到异构AI算力演进快速，需要推动业界推进同厂商不同型号、不同 厂商异构算力的兼容性适配建设和治理，通过提升算力集群异构芯片的 兼容性、高中低性能AI算力混合部署等方式降低整体算力投入成本，实 现数字员工更高效、更经济的规模化应用。
数据合成技术将助力数字员工突破上限。数据是数字员工能力进一步 提升的核心要素，数据合成技术的发展将为数字员工提供更加丰富和多 样化的信息输入，突破真实数据用尽的限制。比如在需要复杂金融任务 推理且真实数据不足的场景中，合成大量长序列、高质量的思维链数 据，可显著提升数字员工自动理解并完成长周期规划和推理的高阶复杂 任务能力。
超大规模模型和强化学习技术推动数字员工向通用人工智能水平逼 近。随着模型架构、训练方法、推理形态、知识密度等手段的持续完善， 通过思考学习、人类监督、AI辅助和主动对齐等方式最终“控制”人工智 能主动向人类对齐，使其行为具有伦理性、可解释性、透明度和可信性。 可以预见，未来“超级模型”将数字员工智力提升至类人脑水平。
多模态AI帮助数字员工凿穿物理和数字世界。传统上。受技术限制， 我们主要依赖结构化等低维度数据进行分析和决策。多模态AI技术的飞速 发展，通过利用自各种传感器、摄像头和其他物联网设备的文字、图像、 视频、音频等，打破物理和数字世界之间的界限，让数字员工能够有效地 理解和交互于复杂的现实世界。 具身智能让数字员工从虚拟走向实体。具身智能为数字员工提供“身 体”，使其能够在物理世界中执行任务，如客户服务、交易处理等，实现 更加直观和人性化的交互体验。
多智能体让数字员工更加稳健高效地参与业务协同。智能体是模型的 分身，根据用户提出的目标请求，多智能体会调用多个大模型分析推理， 并选择最佳路径完成用户任务，实现成本效益最大化。 端云协同让数字员工为用户打造个性化专属智能服务。端侧计算的优 势在于响应速度快，数据处理在本地完成，避免数据上传至云端可能带来 的延迟。如利用端侧AI进行文档智能分类、自动摘要或是日程管理，不仅 能快速响应用户需求，还能保护数据隐私，避免敏感信息外泄。同时，通 过端侧智能和云上智能的协同，为探索更复杂的金融数字员工应用打下坚 实基础。
我们预计数字员工将掀起生产力变革浪潮，人机协同的工作模式将 成为企业人力资源发展的重要方向。在这一浪潮冲击下，银行的人员结 构、管理模式和组织架构都将发生深远的变革。一是人机协作模式将成 为银行的主要工作方式，例如，数字员工可以处理数据统计和报告生 成，人类员工则基于这些报告进行战略规划和决策。二是数字员工将与 人类员工相互促进、共同进化。一方面通过与数字员工协作，人类员工 也能学习到新的技术知识和工作方法。例如：数字员工可以作为人类员 工的陪练，指导人类员工掌握算法和数据处理技术，启发人类员工创新 灵感等；另一方面通过与人类价值和行为对齐，数字员工的人格将更为 完善；三是数字员工将推动银行全面升级员工技能需求和人才梯队建 设。这促使银行重塑人才策略，培养数字化复合型人才，强化人机协作 能力，以适应数字金融时代的新挑战。
在上述冲击下对于未来的银行业而言，强化人才队伍建设和促进人 机协同至关重要，我们认为银行机构应当尽快布局人才梯队建设，构筑 人机协作下的智慧银行数字基因。 第一，银行应当规模与质量双并重，构建“人工智能+金融”人才布 局，尤其应当聚焦“技术核心、应用范式、场景赋能”三种人才的选 育。其中，技术核心人才聚焦算力、算法、数据、平台、安全等技术支 撑能力研究和建设；应用范式人才聚焦业务共性需求，提炼业务综合解 决方案；场景赋能人才聚焦金融业务具体需求，业务科技融合实现赋 能。 第二，银行应当强化数据要素价值，着力打造数字化人才队伍。一 是研发测试人才，建立高效科技人才队伍，实现需求、研发、测试一体 化端到端全流程的数字员工研发模式；二是业务运营人才，与数字员工 开展协同联动的业务运营支持；三是产品运营人才，在数字员工的协助 下加大对客户对同业赋能力度。
第三，银行应当加强内部人才培养和外部人才引进。对内，围绕数 据科学、数据安全、数智产品、数据治理等领域建设数字化人才队伍； 对外，通过与高校、科研院所、各地区行业的人工智能基地合作，挖潜 青年骨干，同时提供多样化的职业规划、发展路径、培训机会、资源支 撑，吸引顶尖人才。
随着数字员工在金融领域的应用日益广泛，我们必须清醒认识到其 潜在的应用风险和监管挑战。这些风险如果处理不当，可能对金融稳 定、客户权益和社会公平造成严重影响。 一是数字员工依赖的生成式人工智能技术存在固有风险，如算法歧 视、数据安全、幻觉现象等问题，将导致输出结果不可控、服务质量不 稳定、可解释性和可审计性不强等情况，造成操作风险、声誉风险、法 律风险等隐患。同时，也要防范外部黑、灰产利用技术缺陷给银行带来 业务风险，如伪造身份欺骗数字员工形成交易风险、引导数字员工做出 不当言论等声誉风险等等。
二是系统性风险不容忽视。比如，广泛使用训练有偏的信贷审批助 手可能会导致金融领域风险评估和信贷决策的同质化，为系统性风险的 积累创造条件。一旦发生极端风险事件，人工智能可能会迅速扩大和传 播整个金融系统的冲击，并削弱政策应对的有效性。 三是传统的监管框架可能难以应对数字员工带来的新问题，比如， 对于数字员工应用的伦理准则和责任界定，以及银行数据安全和隐私保 护等，制定适应性强、前瞻性强的监管政策成为当务之急。 为应当上述风险带来的不确定性和冲击，银行和监管机构需要采取 积极措施：
第一，在银行机构内部，应当建立针对数字员工全面风险治理体 系，包括但不限于：1）建立强大的数据治理框架，确保数据安全和隐私 保护；2）定期审核和优化算法模型，消除潜在偏见；3）增强系统的可 解释性和透明度，提高决策的可追溯性等。 第二，在金融机构之间，应当针对数字员工进一步打磨最佳实践和 行业标准，对于数字员工的应用成本、隐私保护、系统性安全防范、对 客服务风险等问题需要进一步凝聚行业共识，协同解决。 第三，监管机构应统筹发展和安全，根据行业共识制定针对数字员 工的监管框架。数字员工的发展需要平衡创新与风险控制，既不能扼杀 技术创新，又要确保金融稳定和消费者权益，如科技风险和业务风险如 何审核，数据运营机制和体系如何构建等。
