银行业作为金融体系的重要组成部分，必须将防控风险贯穿各项工作始终，牢牢守住不发生系统性金融风险底线。当前，银行业大力发展数字金融，不断丰富数字化转型实践，在促进工作质效显著提升的同时，也使得银行业风险防控面临新形势新要求。为此，我国银行业亟须用新的技术理念和手段有力有效应对新的任务要求。而当前先进大模型技术的快速发展为我国银行业研究探索进一步提高风险防控能力提供了全新思路。

　　强化数字化风险防控能力建设　筑牢稳健发展根基

　　近年来，我国银行业立足实际，主动作为，大力推动数字化转型，持续深化新技术运用，以数字化手段重塑风险防控模式、强化风险防控能力。

　　一是实现了数据大集中和整合分析。数据是银行业的宝贵资产。银行深化内部数据治理，持续加强对内部相关数据的收集、集中存储和整理分析。同时，积极探索运用大数据分析技术，强化内外部数据融合分析，全面分析、准确反映客户综合风险和信用状况，有效打破传统风险防控依赖人工审核与经验判断的局限，助力银行更准确地评估信用风险、市场风险和操作风险。

　　二是实现了业务场景数字化。近年来，我国银行业持续加大信息化投入，综合运用光学字符识别（OCR）、自然语言处理、文本摘要、知识图谱、区块链等技术，推进智能合同审查、智能授信审批、智能风控、智能交易和结算等一批系统建设。这不仅实现了关键业务场景的数字化，提升了银行业生产力，也产生了大量可信可用的高质量数据，有力支撑各类服务风险防控的数据分析，赋能风控体系。

　　三是实现了对外部海量非结构化数据的分析利用。因数据质量参差不齐、数据存储整理复杂、中文语义处理难度大等诸多困难，海量非结构化数据应用在较长一段时间没有取得突破性进展。近年来，随着自然语言处理和大数据分析技术的突飞猛进，针对海量非结构化数据的应用也在不断涌现。我国银行业将其成功应用于互联网舆情分析和声誉风险防控，不仅能够及早发现自身客户的舆情风险，为制定相关预案奠定基础，也能强化对宏观、行业的风险研判，提高风险预警的前瞻性和精准性。

　　银行业风险防控面临新的困难挑战

　　在看到成绩的同时，也应清醒看到，我国银行业在持续提升风险防控能力方面也面临一些挑战。

　　一是风险成因复杂。内控合规风险与外部信用风险交织，金融创新产品风险与金融科技伴生风险交织，全球经济波动与宏观政策因素交织。随着上述因素发生动态变化，风险呈现高度不确定性。这使得银行难以全面准确实时捕捉风险信号并进行针对性处理。

　　二是风险表现隐蔽。一方面，企业财务数据粉饰手段日趋变化多样，股权关系和关联交易日趋复杂频繁，这使得银行难以短时间内准确评估信用风险。另一方面，在数字经济、绿色金融等新兴业务领域，由于业务模式新、缺乏历史数据和成熟的风险评估模型，风险本身具有一定隐蔽性。

　　三是风险传导迅速。从形成主体看，不同金融市场之间的关联性增强，信用风险能够迅速在货币市场、债券市场、股票市场等之间传递；不同企业属于产业链上下游关系，一家企业的信用风险可能迅速传导至整个产业链。从传导渠道看，一旦出现风险，将通过高度发达的社交媒体快速传播、快速发酵，银行要在短时间内积极有效应对存在较大难度。

　　四是技术应用风险日益加剧。从技术使用过程看，人工智能等技术频繁使用，导致银行大量涉及个人和企业的核心信息可能存在泄露和篡改风险。从技术本身看，人工智能等技术的本质是从数据中寻找规律，存在一定的概率性，这导致存在可解释性缺陷，决策过程难以追溯，可能引发合规争议；而生成式AI的合成数据在反洗钱、客户画像等场景中应用时，可能因监管标准不明确而触发法律风险。

　　有效应对困难挑战，我国银行业必须进一步运用先进技术，深化内外部、各类型数据智能融合分析，实现风险防控质效的关键性跃升；必须加强全球视野下的风险防控体系建设，有效克服业务遍及全球和机构网点设置不足之间的矛盾；必须前瞻性防范新技术应用导致的各类数据安全风险。

　　推动大模型技术向金融领域渗透应用

　　以DeepSeek等为代表的国产大模型以其高效的海量、多源、异构数据处理能力、类脑的自然语言处理和深度推理分析能力以及相对低成本的部署，将大力推动大模型技术加速向金融领域渗透应用。展望未来，先进国产大模型技术为我国银行业在自主可控前提下建设更加智能高效的风险防控体系提供了新思路新手段。

　　一是更加突出准确全面，打造全行视角下的风险防控智能“中枢”。依托先进大模型技术，实现全业务流程、全管理维度、全数据类型、全风险类型的融合智能分析，实现对各类风险信号的前瞻性研判、及早发现、智能调度和有效应对，为我国银行业安全稳定运营保驾护航。比如，在银行信用风险管控中，通过对结构化、非结构化、半结构化、流数据等各类数据，按照自定义维度、自定义对象、自定义流程进行融合智能分析，实现将贷后阶段监测到的信贷资源流入限控领域的风险信号自动及时向贷中授信审批部门反馈，提示审查合同风险，向贷前尽调部门反馈，提示审核客户信用等，以智能风险传导打破信息壁垒困境。

　　二是更加突出全天候、多语种，打造全球风险防控“驾驶舱”。一方面，借助大模型自学习和深度推理能力，融合业务专家定义的规则特征模板，智能生成境内外一体业务风险知识图谱，后续不断通过数据更新、模型迭代等，实现业务风险体系自动构建和自动优化。另一方面，在符合国家相关规定前提下，对海量多语种数据网站，开展自动抓取、存储、去冗、多语种分词、文本摘要、情感分析等全流程智能分析，支持按照客户、行业、区域、国别等自定义维度全景可视化展示和实时舆情风险防控与研判，为保障我国境外资产安全、高质量服务经济外交大局提供决策支撑。

　　三是更加突出数据安全、技术安全，打造新技术发展浪潮下的安全“底座”。着力强化应用大模型技术的安全合规设计，确保根据数据安全等级分类，确保实现传输和存储加密，确保精细管控数据使用权限，确保完整记录数据操作日志，有力保障金融敏感数据安全。着力强化对大模型本身的安全测评，建立健全大模型测评架构，科学评估大模型在巩固壮大主流舆论、网络空间法治、国际传播等意识形态领域的安全性和鲁棒性。着力打造基于生成式AI内容安全的监测能力，支持对文本、图片、视频等多模态内容的合成检测。

　　（作者单位：北京金融街服务局）