当前，人工智能正以前所未有的广度与深度，重塑金融行业的生态与逻辑。从风险定价到普惠信贷，从智能监管到生态构建，AI在赋能金融提质增效的同时，也带来了算法黑箱、数据鸿沟与新型系统性风险等深刻挑战。

2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，明确指出要大力推进人工智能的规模化、商业化应用，推动其与金融等重点领域深度融合。2025年12月召开的中央经济工作会议又提出，要深化拓展“人工智能+”，并完善相关治理。而金融作为数据密集型行业，正是这一战略部署的关键落点。

在此背景下，金融业与人工智能将碰撞出怎样的火花？其发展的未来空间与治理边界何在？围绕上述问题，21世纪经济报道记者专访了清华大学五道口金融学院金融安全研究中心主任、北京市“十五五”规划专家咨询委员会专家周道许。

周道许认为，AI在金融领域的应用远未触达天花板，其角色正从辅助工具向协同乃至自主决策演进，并将推动行业从“经验驱动”迈向“数据驱动+算法驱动”的新范式。正如开车需要交通规则，“AI+金融”的发展也需要清晰、灵活、前瞻的监管框架。

以治理促发展，为“AI+金融”铺设更稳健的跑道

《21世纪》：中央经济工作会议连续四年提到人工智能，今年的提法是要深化拓展“人工智能+”，并完善相关治理。在您看来，金融业的人工智能治理具体应从哪些方面展开？

周道许：AI已从技术探索阶段进入系统性融合与规范发展的新周期。金融业作为数据与科技双密集型行业，其AI治理应围绕“可控、可信、可持续”展开。具体而言，可以从几个关键维度着手。

首要任务是构建“算法合规与透明”机制。AI决策不应成为“黑箱”，尤其在信贷审批、风险评估、投资建议等环节，需建立算法备案、解释性说明与第三方审计制度。事实上，自2024年起，我国已在部分金融机构试点“算法说明书”制度，要求关键AI模型具备可追溯、可解释、可验证的特征。

其次是数据治理与隐私保护。AI的效能依赖高质量数据，但数据滥用、泄露、歧视性使用等问题也相伴而生。这要求我们严格执行数据安全法和个人信息保护法，推动金融数据分类分级、授权使用与脱敏处理，并积极探索“数据可用不可见”的隐私计算技术在金融场景的落地。

再者，需要建立一套动态的风险监测体系。AI可能引发模型同质化导致的顺周期行为、舆情驱动下的算法共振等新型系统性风险。我们建议，监管机构与金融机构可共建“AI风险仪表盘”，以实时监测模型偏差、数据漂移、异常决策等关键风险指标。

最后，伦理规范与责任认定的完善至关重要。当AI决策造成损失时，责任主体如何界定？应推动建立“人类最终负责”的基本原则，明确AI开发、部署、使用各方的法律责任，并探索制定金融AI伦理指南，从源头上防止算法歧视与公平缺失等问题。

总而言之，治理不是限制发展，而是为“AI+金融”铺设更稳健的跑道。我们的理念正在从“先发展后治理”转向“边发展边治理”，甚至是“以治理促发展”。