• 机构：建设银行
• 项目：企业级 AI 技术体系与 398 个大模型场景
• 时间：2026 年披露 2025 年报进展
• 类别：智能运营 / 授信审批 / 数字员工
• 来源：https://m.mpaypass.com.cn/news/202604/02100803.html ↗

国有大型银行业务线极广，既有网点服务、零售客户经理、普惠金融、财富管理，也有对公授信、国际结算、托管、研发测试和运营支持。AI 如果只在单点使用，很难改变整体效率；只有嵌入员工日常工作流和核心审批流程，才可能释放规模化价值。

建设银行披露的大模型 398 个场景，适合观察“人 + 数字员工”的协同模式。它不是把人替换掉，而是让柜面员工、客户经理、审批人员、研发人员都获得垂直智能体或助手，把重复性文案、信息检索、政策比对、单据识别和测试生成交给 AI。

建设银行构建覆盖数据、模型、算力、安全的全链条企业级人工智能技术体系。算法层面引入 DeepSeek、千问、智谱等生成式大模型，形成大模型和小模型协同、生成式与决策式 AI 混合模型体系；数据层面清理非结构化和历史存量数据，建成具备智能检索能力的企业级知识库。

具体应用包括“网点员工问题响应 AI 助手”、零售 AI 工具“帮得助理”和“授信审批全流程 AI 应用”。授信审批应用基于涵盖公私域数据的专业知识库，依托多模态大模型自主感知规划能力，从历史审批案例和专业研究中提炼风险点和授信策略，并生成评级审查意见初稿、比对融资政策遵循性。

建设银行大模型技术累计赋能 398 个场景应用。网点员工问题响应 AI 助手覆盖率达到 99.42%，日均访问量超过 10 万人次。授信审批全流程 AI 应用可在 1 分钟内生成包括 5 大模块的评级审查意见初稿，自动撰写十余页审查意见初稿，最高生成比例达 90%。

该授信审批功能已在境内外广泛应用，月均生成超过 5 万份，覆盖对公客户超过 11.3 万户；2025 年人工审批业务量同比实现两位数增长，审批平均净用时下降超过 30%。另据披露，建行通过 500 项智能判断应用实现信用证自动核查，AI 代码生成率贡献达到 64%，功能测试案例采纳率达到 48%。

• “数字员工”应围绕岗位设计，例如柜员问题响应、客户经理营销支持、审批员审查初稿、研发测试助手。
• 授信审批 AI 最适合生成初稿、提取风险点、比对政策，而不是自动审批。
• 企业级知识库要覆盖制度、案例、行业研究、产品规则和历史审批经验。
• 大模型与小模型结合：大模型负责理解与生成，小模型和规则负责评分、校验和边界控制。

• 授信审批初稿必须明确为“草稿”，最终意见由审批人员确认。
• 历史审批案例可能包含旧政策和偏差，需要持续更新和清洗。
• 境内外应用要考虑不同司法辖区的审批制度和数据边界。
• AI 代码生成进入生产前必须经过安全扫描、代码审查和测试验证。

用一段虚拟企业授信材料，让 AI 生成“审查意见初稿”：必须分为经营情况、财务情况、行业风险、担保情况、需人工核查事项五部分，并标注所有不确定信息。