银行服务小微，长期卡在一个结构性矛盾上：大企业有专属团队「围着生意转」，小微只能「围着货架挑」。货架上有什么标准产品，客户就只能用最接近的那一个。原因不复杂——小微服务利润薄，而专业服务能力太贵。9 月 11 日，在上海外滩大会的 AI 支付论坛上，网商银行披露了 AI 银行建设的最新进展，并推出面向小微经营者的普惠金融智能体「百灵 2.0」，向 4200 万小微经营者开放信贷、票据与财税服务。这件事的看点，不在「银行也做了个 Agent」，而在它试图把「围着货架挑」改成「围着生意转」。
先说清楚：为什么叫「智能体」而不是「AI 助手」
据公开报道，网商银行方面对「百灵 2.0」的定位做了四层区分。一是服务对象：它是给小微经营者用的，不是给大企业客户、也不是给银行内部员工的。二是能办事，而不只是回答：客户把生意上的难处说一次，它会追问真实目标、拆解任务，调动经营分析、行业知识、风险判断与业务办理能力，形成一份方案。三是它背后是整家银行的作业方式变了——业务规则、专家经验、客户经营信息被整理成 AI 可读取、可调用的资料，AI 直接嵌入风控、审批、产研等生产线，人负责定目标、定标准、授权把关。四是它有明确边界：授信、放款等关键决策仍由有权系统与有权人员作出，谁授权、出错谁负责、哪些环节必须人工复核，事先定义，全程可追溯、可接管。
这四层里，第四层最容易被忽略，却最关键。把「智能体」和「AI 助手」区分开的，往往不是它能做多少事，而是当它做错事时，责任如何落回系统与人。一个不能界定边界的自动化系统，能力再强也很难进入金融这类强监管的生产环节。
一个案例：一句话背后的真实需求
据公开报道，有一个连锁餐饮店主王老板的案例可以说明这种变化。王老板只对百灵说了一句「想把额度提一提」。传统流程会把这句诉求直接翻译成一次提额申请；百灵则结合他两年的经营记录，追问新店位置、面积、资金用途与自有资金，把「提额」还原为「第二家店开店资金安排」这个更深层的需求：额度从 15 万元提到 40 万元，按开店进度分笔支用，前 6 期先息后本，授信结果由有权系统作出。从提出需求到形成明确方案，全程约 10 分钟；而在过去，这类复杂需求平均需要 3 天来解决。
这个案例的价值在于展示了「任务拆解」在金融场景里的具体含义。用户说出的往往是一个动作（提额），而不是一个目标（为新店筹措分阶段资金）。把动作还原成目标，再为目标匹配产品与还款安排，这正是过去需要客户经理反复沟通才能完成的部分。智能体在这里扮演的角色，不是替客户做决定，而是把沟通成本与信息不对称压低。
银行内部：AI 已经进了生产线
据公开报道，在银行内部，AI 已进入信贷风控、人审、营销、产研四大核心环节。围绕同一项客户需求，分散在各部门的专业能力被组织起来协同响应。以人审环节为例，公开口径称复杂个案的整体处理能力提升近 20 倍，资产质量保持稳定。这个数字需要谨慎解读：它是特定环节、特定口径下的内部指标，并不等于全流程效率同等提升，也不等于风险水平不变。
把视野放宽，网商银行并不是孤例。据公开信息，工商银行已落地 600 余个大模型场景，面向客户经理的「工小财」智能体半年服务调用超 2200 万次，私人银行领域的智能体把客户综合化、个性化服务方案的生成时效从 5 天压缩到 3 小时；建设银行的「惠懂你」平台把小微贷款全流程搬到线上，纳税、流水、结算数据一键授权即可精准测额；招商银行推进「AI First」，对公服务智能体「AI 小招」累计服务企业客户近 80 万户，付款代理业务实现全自动直通放款，客户提交融资申请后最快 15 分钟放款到账。这些案例放在一起，勾勒出的是同一条路径：AI 从演示台被推进生产线。
政策的方向盘已经打好
据公开信息，人民银行等四部门联合印发了《关于「人工智能+金融」的实施意见》，部署以 AI 提升金融服务质效；金融监管总局在《关于做好 2026 年小微企业金融服务工作的通知》中要求银行「加强科技赋能」，提升小微企业信贷尽调、授信评审与风险管理水平。政策给了方向，但方向如何变成服务能力，仍要靠机构自己找路径。这也是为什么「AI 进生产线」这件事，在金融行业的观察价值高于多数行业——它同时受技术能力与监管框架两重约束。
中立思辨
需要客观看待这次发布。其一，文中案例、效率数字与客户规模均来自机构公开披露或媒体报道，属于机构口径，尚无第三方独立审计，用户与行业应区分「宣传数据」与「可验证数据」，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。其二，AI 在金融中的作用需要理性定位。清华大学五道口金融学院金融发展与监管科技研究中心主任张健华在相关论坛上有一个判断：金融机构不用 AI 会被淘汰，但 AI 是必要条件、还不够充分。这句话值得反复咀嚼——技术能提升效率，却无法替代风控逻辑与经营判断。其三，「把关键决策交给有权系统与人员」的边界设计，是这套方案能否长期成立的关键；一旦边界模糊，效率提升就可能以风险敞口扩大为代价。其四，面向 4200 万小微经营者提供服务，意味着模型需要在高度异质的行业与区域数据上保持稳定表现，长尾客户的画像稀疏问题仍是难点。其五，复杂个案处理能力提升近 20 倍这类指标，需明确是「处理量」还是「处理质量」，两者含义差别很大。其六，AI 参与授信评审时，算法公平性与可解释性会持续受到监管与公众关注，如何避免对特定客群的系统性偏差，是行业共同课题。其七，小微经营数据敏感度高，授权、存储、使用与共享的合规链路必须清晰，否则便利性会转化为隐私成本。
趋势研判
短期，AI 会继续在规则明确、数据基础较好的金融环节落地，信贷尽调、审批辅助、客户经营是主要切入点；中期，随着岗位级智能体与评测工具成熟，银行的组织形态可能从「人用工具」转向「人管智能体」，客户经理的角色向目标设定与例外处理迁移；长期，普惠金融的衡量刻度会从「放了多少贷款」扩展到「复杂需求响应时效、老客户留存、首贷户覆盖」等服务成色指标。对中小微经营者而言，真正的变化未必是「更快拿到钱」，而是「说得清自己的生意」这件事，开始被系统听懂。