银行AI上岗，8号文划红线

5.5 万人年、600 万次、99.42%。这些不是模型发布会上的概念词，而是银行业 AI 已经进入日常业务的公开数据：工行 AI 数字员工年承担工作量达 5.5 万人年，邮储银行大模型日均调用超 600 万次，建行 AI 助手内部覆盖率达 99.42%。1

这也是金融 AI 需要被重新审视的原因：它处理的不只是普通对话，还有交易、信贷、理赔、资产评估、客户身份和账户信息。

6 月 18 日，国家金融监督管理总局发布《国家金融监督管理总局关于银行业保险业人工智能安全开发应用的指导意见》，明确要求金融机构建立 AI 全生命周期管理体系，把 AI 风险纳入全面风险管理，并对资金交易、资产评估、信贷审批、承保理赔、风险管理等高风险应用实行准入管理。2

最值得注意的是数据红线。监管原文写明，姓名、身份证号、手机号、银行卡号等个人信息和隐私数据，不得用于生成式人工智能模型训练和优化。2

这条红线提醒企业：AI 风险不是「回答错」这么简单。敏感数据一旦以明文进入模型调用、日志、知识库、外包系统或训练优化流程，后续就很难再靠人工流程完全收回来。

所以高敏感行业真正需要的，不是少用 AI，而是让数据在使用中尽量不暴露明文。公开资料显示，AI 加密平台的思路是把用户输入本地加密，在密态传输、密态推理、密态存储和本地密钥等机制下，降低平台、模型和服务端接触明文数据的风险。3

银行 AI 已经不是「试试看」了。

工行 AI 数字员工年工作量 5.5 万人年，邮储大模型日均调用超 600 万次，建行 AI 助手内部覆盖率 99.42%。这些数字背后，是金融数据正在更深地进入 AI 流程。

但金融场景和普通问答不一样。交易、信贷、理赔、资产评估、客户身份、银行卡号、征信信息，都可能带来更高的隐私和合规风险。

这次金发〔2026〕8 号把几件事说得很清楚：

这不是反对金融机构用 AI，而是提醒大家：越靠近核心业务，越不能让敏感数据以明文裸奔。

对高敏感行业来说，更现实的方向是 AI 加密平台、全链路加密、密态推理、密态存储、本地密钥和私域部署。数据可以参与计算，但明文不该在不必要的环节里被看见、被保存、被流转。

你所在的行业，AI 已经进到核心流程了吗？

#AI 隐私观察 #AI 安全 #数据安全 #金融科技 #人工智能治理 #隐私保护 #企业数据安全 #AI 加密平台 #密态计算