近年来，金融业AI投入热火朝天：2021至2025年国内六大行累计科技投入超6000亿元，2025年全球银行业AI投入规模达300至400亿美元。但麦肯锡报告数据冰冷扎心，全球80%金融机构的AI投入，无法给利润带来实质增益。

一边千亿资金持续加注，一边盈利成效杳无音讯。在近日播出的《雨珊会客厅》中，邮储银行原行长刘建军、工商银行原首席技术官吕仲涛围绕这一行业痛点深度拆解，探究银行业AI投入与收益不匹配的深层原因。

从投入到创收不是立竿见影

在刘建军看来，AI变现存在天然的价值传导周期：“人工智能从前期投入到全面应用，再到嵌入流程，最后形成价值创造和增长，它有一个传导链条。没有任何一项投入能立竿见影，但是价值会随时间慢慢体现在利润当中，从投入到落地创收本就需要漫长过渡期。”

而当下盈利迟迟不见起色，是三大因素叠加所致：

第一，落地场景局限于后台运营等边缘板块，信贷审批、客户经营、投顾等核心业务AI渗透不足，应用覆盖面有限。

第二，业务流程没有进行重构，“很多人工智能的应用必须和业务流程的重构有机结合，要以人工智能为核心去重构业务流程”。

第三，多数机构AI落地全靠技术部门独自推动，业务条线普遍缺乏主动推进意愿。

束缚科技投入价值释放的深层因素

吕仲涛犀利指出：出现人工智能以前，没有人提出这个问题。为什么现在人工智能出来了，这个问题被提出来了？事实上应该换个问题谈——人工智能作为IT的一个分支对业绩创造的价值，而不能完全偷换概念。银行赖以生存的基础就是IT，没有IT，银行几乎不可能存活，所以它肯定是有创造价值的。

国内银行巨额科技投入收益难兑现，和国内行业环境的特殊性有关：

其一，行业内卷显著。“头部银行之间内卷比较厉害，那种‘你投多少我也要投多少’的心态一直存在”，不少投入是比拼式、避险式投入，并非基于自身发展的战略布局。

其二，大量资金用来补齐过往技术短板，很多投入落在云转型、架构改造、数据治理、技术安全兜底等基建项目上，本质是在“还旧账”：“这些基础性的工作是需要大量的前期IT投入，不能把这些投入都跟人工智能挂钩”，基建投入是AI发展的铺垫，回报周期漫长。

其三，业技融合是困扰行业数十年的老问题，“如何把科技作为一个business，而不是作为成本中心或者技术支持中心”。银行内部缺少统一的分润与核算标准，资金收付天然错配，成本难以精准拆分到各业务线，组织架构壁垒、跨部门协同不畅，持续束缚科技投入的价值释放。

要坚定科技投入信心

面对AI成本与收益难以核算的现状，刘建军坦言：“它的成本和投资的归因分析是比较难，但是不能因为它难，就不去关注这个事。管理层要形成共识、坚定投入信心，不能因为传导链条长，忽视了当前的投入，忽视了现阶段的战略。”

复杂问题简单化，做目标管理

吕仲涛主张不必死磕精细化算账：“我觉得不用太纠结，大家都在探索，都觉得它是一个难点，它确实就是一个难点。”他推崇复杂问题简单化，照搬精细到单据、岗位的精细化核算反而得不偿失，额外消耗的管理成本会远超核算带来的收益。实操中不用拆分到单个岗位的盈亏与成本，改用板块整体业绩KPI打包核算、实行目标管理即可。“没有最好，只有合适自己，能够让自己的企业可持续，我认为就赢了。”

AI是大行的必选项，中小银行的可选项

在中小银行的算账与投入规划上，刘建军明确两类银行AI定位差异：对大银行是必选项，可以全力以赴；对中小银行是可选项，投入要适度，在一些成本比较低的领域，采取跟随战略、拿来主义策略，采购能够适应自己的人工智能。

吕仲涛补充表示，中小银行无需为AI过度焦虑。受自身资源限制，多数中小银行仅会小范围落地AI演示项目，无力完成算力、模型、组织架构全方位的系统性改造。现阶段中小银行更多在观望等待，一边等候监管落地普惠型共享基建，一边静待AI产业生态成熟；行业突破的重任，现阶段落在头部与中型银行身上，待头部跑出标杆案例后，行业才能逐步完成技术下沉孵化。