当前，做好金融“五篇大文章”是金融服务实体经济高质量发展的重要着力点，我国高度重视数字技术对金融高质量发展的作用。2025年3月，国务院办公厅印发的《关于做好金融“五篇大文章”的指导意见》提出，“强化科技和数据双轮驱动，加强前沿数字技术研发和创新应用”，“加强数据安全、网络安全、信息科技外包、算法模型、新技术运用等风险管理”。人工智能是继互联网之后最重要的数字技术之一，是金融发展中科技和数据双轮驱动的重要引擎。作为大模型技术落地的重要载体，智能体凭借其在多场景中的集成应用能力，正逐步渗透至金融业务流程各环节，为金融高质量发展提供新的动能。

智能体是具有智能的实体，凭借其自主决策能力、动态学习机制与全天候响应特性，正推动金融机构从经验驱动向认知智能的范式跃迁。在基础能力层面，与通用大模型有所不同，智能体更侧重于聚焦特定场景、围绕任务展开，并且具备突出的垂直属性。智能体基本实现了对重复性以及规律化金融业务的自动化处理。这一变革不仅显著提升了金融业务的效率与质量，还为金融机构在业务设计构思、质量评估审核等关键环节提供了有力支持，引领金融行业朝着智能化方向加速前行。在业务场景方面，智能体在金融机构的应用场景广泛且深入，已在银行、保险等细分领域实现全流程业务落地。例如，在保险领域，实现理赔资料自动核验与欺诈检测，甚至延伸至虚实融合场景，全面覆盖从贷前风控、智能投顾到贷后管理的全生命周期服务。

智能体落地金融业的挑战

人工智能的发展和应用，加速金融行业向智能化转型，提升金融行业运营能力、风险防范能力和监管能力。然而，PB级实时数据流处理、毫秒级决策响应、非线性风险识别等高标准要求也给金融业带来了前所未有的挑战。

第一，智能体在金融领域应用已取得良好进展，但仍面临多重技术瓶颈。在复杂决策逻辑可靠性方面，金融业务场景中多步骤风险评估和动态博弈场景对智能体的长链条推理能力提出极高要求，但现有模型在逻辑连贯性和因果推断精度方面的不足，易导致关键环节误判；在长期持续性记忆方面，早期信息记忆衰减、信息检索困难、上下文压缩不足等问题日益突出，使得智能体难以在长时间交互中保持一致性和连贯性；在多智能体协作方面，智能体之间需要进行信息共享和通信以便完成任务，但信息不对称、延迟、丢失等因素会影响系统的反馈机制；在人机‌交互方面，智能体仍难以及时纠正错误，尤其是在复杂金融业务中，需要多次交互和手动干预才能达到预期效果‌。

第二，随着智能体的应用普及，金融领域数据安全与隐私问题越发凸显。首先，在数据收集环节，智能体需要海量采集信用评估、资金流水、账户动态及支付密钥等核心隐私数据，若过度采集，抑或模型开发、应用环节未对个人隐私数据进行匿名化处理，会严重危及用户隐私安全。其次，在数据存储环节，智能体数据库极易遭到黑客攻击、数据投毒，攻击者可能通过篡改或注入恶意数据来影响模型训练和输出。比如，在量化交易中，若交易模型的训练数据被投毒，可能导致智能体预测失误，造成重大经济损失。最后，在数据传输时，若加密措施缺失或薄弱，金融敏感数据易被窃取、篡改。例如，金融机构与外部数据源进行数据交互时，若未采用强加密技术，可能导致客户敏感信息泄露。

第三，智能体在金融领域应用落地仍存在场景封闭、成本较高、可信度不足等问题。金融业务场景多元，在跨场景协作时，智能体通常以工作流形式存在，其执行路径是预定义的，缺乏灵活性，难以根据实际情况进行动态调整。