前言

随着人工智能技术的发展和演进，人工智能应用正加速进入实践场景，深刻影响人们的工作生活，但在提供高效便捷的同时，也引发人们对于人工智能安全开发应用的担心和关注（本文中人工智能亦简称“AI”）。此次，国家金融监督管理总局（以下简称“金融监管总局”）于2026年6月18日正式发布《关于银行业保险业人工智能安全开发应用的指导意见》（金发〔2026〕8号，以下简称“指导意见”），这是我国金融行业首份系统性的人工智能监管规范性文件，标志着金融行业AI应用正式从“野蛮生长”的探索期迈入“有规可依”的规范化发展阶段，也为其他行业领域AI应用开发的规范化提供了参考借鉴。本文将对《指导意见》进行系统性深度解读，以期为银行业保险业金融机构的合规落地提供实务指引和参考。

一、适用范围与定位

《指导意见》的适用主体涵盖银行业保险业全谱系金融机构（以下简称“金融机构”），具体包括各政策性银行、大型银行、股份制银行、外资银行、金融资产管理公司、理财公司，各保险集团（控股）公司、保险公司、保险资产管理公司，各金融控股公司。

《指导意见》明确目的为贯彻《中华人民共和国国民经济和社会发展第十五个五年规划纲要》关于加快人工智能技术创新、加强人工智能治理的战略部署，落实《国务院关于深入实施“人工智能+”行动的意见》。从内容和体系定位来看，《指导意见》在金融监管规范体系中具有起承转合的枢纽功能。向上衔接《网络安全法》《数据安全法》《个人信息保护法》三部基础法律及《网络数据安全管理条例》等行政法规，将网络安全、数据安全、个人信息保护的一般性要求转化为金融AI场景下的具体合规义务；横向一方面衔接《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》等AI治理专项规范，将通用AI监管要求嵌入金融业务场景；另一方面则与《银行保险机构数据安全管理办法》（2024年12月27日发布，以下简称“《银保数据安全办法》”）形成互补，《银保数据安全办法》从数据安全维度规范金融机构数据处理活动，《指导意见》从AI应用维度规范模型开发与使用行为，二者共同构成金融行业“数据安全+AI治理”的双轨监管格局。虽然《指导意见》在法律渊源上属于规范性文件，其法律效力层级低于部门规章，但作为金融监管总局的正式发文，对金融机构具有实质性的合规约束力，将作为监管机构的监管检查依据，违反《指导意见》所规定的治理要求将面临监管风险，乃至作为认定法定义务履行情况以及承担法律责任的情形标准。

二 、治理架构与原则

（一）四项基本原则是合规主线

《指导意见》在“总体要求”部分确立了金融机构安全开发应用人工智能应遵循的四项基本原则，四项原则并非简单的政策口号，而是贯穿全文所规定的监管逻辑主线，对理解具体条文具有提纲挈领的指引价值。

1.“谁使用谁负责”原则。该原则的核心要义在于压实金融机构作为“金融服务提供方”与“人工智能技术使用方”的双重主体责任。在金融机构大量采用外部AI技术供应商的背景下，部分机构试图以“技术外包”为由规避风险责任，而《指导意见》通过“谁使用谁负责”的明确表述，彻底封堵了责任转嫁的空间。金融机构无论采用自研模型还是外部引入模型，无论技术来源如何，一旦应用于金融服务，即由金融机构承担最终的合规责任与风险责任。

2.“自主可控”原则。该原则在当前国际科技竞争背景下具有特殊意涵，特别是在第十二条算力建设中进一步要求“建设自主可控、安全高效的算力底座，助力高水平科技自立自强”，在第十九条供应链管理中强调“确保应用自主可控，防范对个别技术服务过度依赖引发的集中度风险”。我们倾向于认为，“自主可控”并非意味要求金融机构实现技术的全面国产替代，而是要求在关键平台、关键软硬件层面具备自主决策能力和风险可控能力，避免对单一外部技术供应商形成深度依赖。

3.“务实高效”原则。该原则以“提升业务价值为导向”为核心，要求“科学规划人工智能开发应用投入，有效平衡成本与效益”，《国家金融监督管理总局有关司局负责人就<关于银行业保险业人工智能安全开发应用的指导意见>答记者问》（以下简称“答记者问”）中进一步点明要摒弃“为新而新、为用而用”的倾向。这一原则的设立是对金融行业AI应用中“为AI而AI”的跟风式创新的明确纠偏，体现了监管层对技术投入产出比的审慎态度，也呼应了数据安全治理中“合规投入与风险匹配度”的成本意识。

4.“安全发展”原则。该原则意味着金融机构AI应用不仅要遵守《指导意见》的专项要求，还须同时满足网络安全法、数据安全法、个人信息保护法及网络数据安全管理条例等法律法规的一般性合规义务。

（二）三层治理架构

《指导意见》第二章以三条构建了金融机构AI治理的“顶层设计—生命周期—场景流程”三层架构。

1.顶层治理设计，要求“董（理）事会应指定专门委员会对人工智能开发应用管理负责，统筹制定发展规划，推进能力体系建设，制定制度规范，明确牵头部门和跨业务、科技、数据职能部门的协同机制”。这一规定将AI治理的决策权上提至董事会专门委员会层面，与《银行保险机构数据安全管理办法》中“党委主体责任”的治理要求形成呼应，确保AI治理获得足够的组织层级支持。

2.全生命周期管理体系，覆盖“需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出”六个生命周期阶段，要求“规范模型研发、应用及资产管理，加强数据安全评估、算法风险筛查、伦理审查评估、责任追溯机制建设，实施人工智能应用风险分类分级管理”。

3.应用场景与业务流程管理，要求按照“应用场景与技术适配原则”将合适的技术应用于适当的业务场景，并“完善人机协同的业务管理流程，科学设定人工智能的功能边界、系统和数据权限”。

三层架构层层递进，从战略决策到技术执行到业务落地，形成了完整的治理闭环。三层架构从组织运行的维度将“谁使用谁负责”原则进一步落实到体系建设和流程管理：决策层面由董（理）事会指定专门委员会统筹战略规划与重大事项，确保人工智能应用与机构风险偏好、发展战略保持一致；执行层面由业务、科技、数据、风控跨部门协同机制落实全流程责任，实现各环节责任到人、可追溯；结合《指导意见》中第十六条的要求，审批层面将高风险应用的审批权上收至风险管理委员会，从源头把控重大应用的风险底线。

三、六大核心制度要求

《指导意见》在八章三十二条的制度架构中蕴含了多项具有开创性的制度安排，以下聚焦六项核心制度要求进行深度剖析。

（一）风险分类分级管理

《指导意见》第十五条要求金融机构“根据业务场景重要性、应用规模、对客影响度、模型依赖度、模型复杂度等因素”实施风险分类分级管理。具体要求建立管理制度，制定应用清单，实施分级管控措施，落实管理责任。

同时，在第十六条首次在金融行业规范中明确界定了“高风险应用”的范畴，并设定了专门的准入程序。对于高风险应用的要求包括：其一，以列举加兜底的方式清晰界定了高风险应用场景的边界，为金融机构的风险分类提供了明确锚点，高风险应用场景包括涉及资金交易、资产评估、信贷审批、承保理赔、风险管理等，以及与客户利益直接相关、直接影响金融合约达成的生成式人工智能场景应用；其二，将准入审批权收归“风险管理委员会”而非业务部门或技术部门，确保审批的独立性和审慎性；其三，与第十七条“在高风险应用关键环节建立人工监督和干预机制，明确紧急停用及模型退出条件，建立备用系统或人工替代流程”形成程序闭环，针对高风险应用构建了“准入审批—运行监测—人工干预—紧急熔断”的全链条管控机制。

（二）明确禁止个人信息和隐私数据用于训练

《指导意见》第二十四条在数据安全与个人信息保护部分设立禁止性规定：“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，有效防止客户隐私泄露”。相较于《个人信息保护法》以及《生成式人工智能服务管理暂行办法》第七条关于训练数据“涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形”的合法性基础要求，《指导意见》采取了更为严格的禁止立场，体现了金融行业对客户个人信息保护的最高标准。

《指导意见》第二十四条还要求“将人工智能数据安全纳入企业数据安全管理体系，严格落实数据分类分级保护要求”“规范开发过程和数据访问权限，防范数据投毒，完善数据脱敏规范，避免使用可直接识别出个体的数据”“加强模型安全护栏建设，加强内容过滤及脱敏管理”“严格管理外包过程中的数据安全”，共同构建了AI场景下的数据安全防护网。

（三）外部模型的准入管理

《指导意见》第五条在推动新一代人工智能技术应用部分明确规定，“金融机构对生成式人工智能模型要实施准入管理，评估模型效能及安全合规性。外部引入的生成式人工智能模型需经过网信部门备案”。这一规定实现了金融监管与网信监管的跨部门衔接。金融机构作为AI技术的“使用方”而非“服务提供方”，虽不直接承担《生成式人工智能服务管理暂行办法》下的备案义务，但通过“外部引入模型备案”准入管理机制，将网信部门的监管要求嵌入金融机构的采购合规流程，实现了监管效力的跨部门穿透。此外，《指导意见》第十八条进一步要求金融机构“对外包合作机构实行名单制管理，对引入的外部模型建立严格的内部评估框架，有效评价模型的优缺点和适配性”，与第五条形成“备案+评估”的双重准入机制。

（四）透明性与人工复核

《指导意见》第二十二条围绕AI应用的可解释性设立了三项递进式要求。首先要求建立可解释性方法，加强推理解释和决策分析；其次，对可解释性不足的技术设定使用限制，仅能做辅助工具，由人工进行最终决策；最后在关键决策环节强制设置人工复核节点并保留完整的决策溯源记录。

作为透明性要求的另一方面，第二十一条要求“对人工智能生成内容应进行显著标识，并向金融消费者主动说明”，这一要求直接衔接了《人工智能生成合成内容标识办法》（2025年9月实施）关于显式标识的规定，将通用AI标识要求转化为金融场景下的消费者保护义务。可解释性与人工复核机制的组合设计，实质上为高风险AI应用建立了“技术解释+人工把关+留痕追溯”的三重保障，有效防范“模型黑箱导致关键业务流程难落责”的治理困境。

（五）公众服务或高风险应用须主动报告

《指导意见》第二十九条设立了金融机构的主动报告义务：“金融机构面向公众服务或高风险场景应用使用生成式人工智能技术的，应向金融监管总局或其派出机构报告”。这一报告义务的设立意味着金融机构在部署面向公众的生成式AI应用（如智能客服、智能投顾）或高风险场景应用前，须主动向监管部门履行报告程序，接受监管部门的监测预警与分析处置。

此外，《指导意见》第八章“保障与监督”可以归纳为“报送—监测—处置—评估”四个环节的监管闭环：除了前述主动报告之外；监测环节一方面要求金融机构落实人工智能运行全流程可追溯管理、系统日志留存期限不低于业务存续期，另一方面要求监管部门建立常态化监测机制对行业风险态势持续跟踪；处置环节明确违规应用的查处机制与风险事件的应急处置流程，形成监管震慑；评估环节建立年度监管政策评估机制，结合技术迭代与行业实践动态优化监管规则，避免监管滞后于技术发展。四环节首尾相扣，构成了覆盖事前、事中、事后的全链条、动态化监管保障机制。

（六）大机构带动中小机构

《指导意见》在多处体现了对金融机构差异化发展路径的制度安排。第七条要求“鼓励大型金融机构发挥示范作用，向中小金融机构输出人工智能技术和管理经验。支持中小金融机构加强协作，共同推进应用场景落地”；第十条要求“支持金融机构间依法合规开展数据集共享”；第十二条要求“鼓励有条件的大型金融机构向中小金融机构输出算力服务，支持同业探索基础设施共建共享”。这一系列安排体现了监管层对金融行业AI发展中马太效应的审慎考量，大型金融机构具备技术研发和算力投入的优势，而中小金融机构在AI能力建设上面临资源约束，通过“大带小”的技术输出、算力共享和数据集共建机制，可以在一定程度上缓解中小机构的合规与能力压力，避免行业AI能力的过度分化。

四、与既有法规的衔接与补足

（一）与银保数据安全办法互补

《银保数据安全办法》从主体维度规范银行保险机构的数据处理活动，并将“一般数据”细分为“敏感数据”和“其他一般数据”。《指导意见》在数据治理层面与该办法形成衔接：一方面，《指导意见》第二十四条要求“将人工智能数据安全纳入企业数据安全管理体系，严格落实数据分类分级保护要求”，直接援引了《银行保险机构数据安全管理办法》的数据分类分级框架；另一方面，《指导意见》第八条要求“建立覆盖数据全生命周期的管理流程”“构建企业级数据模型和数据资产地图，强化元数据管理”，与《银行保险机构数据安全管理办法》关于数据全生命周期管理的要求形成呼应。二者的差异化定位在于：《银行保险机构数据安全管理办法》规范的是金融机构所有数据处理活动，而《指导意见》聚焦于AI应用场景下的特殊数据风险，如训练数据投毒、隐私泄露、数据分布漂移、生成内容泄露等，属于在通用数据安全框架之上的“AI场景化叠加”。

（二）较AI领域专规更为严格

与近年针对AI领域出台的相关规范性文件相比，《指导意见》在多个维度上对生成式AI治理专项规范进行了更聚焦银行保险行业机构的特征的延伸与强化。《指导意见》在诸如备案要求、内容标识、模型训练等方面均作出比AI领域通用规范更加严格要求的根本原因在于，银行业保险业金融机构提供的服务与涉及的个人信息一旦遭到泄露或不当利用，将对客户财产安全构成直接威胁，其风险量级远超一般AI使用场景，因此有理由采取更为严格的禁止性规制。

五、如何分步落实合规

基于上述分析，我们理解金融机构在《指导意见》落地过程中面临的核心挑战在于：如何在有限的合规资源约束下，系统性地建立覆盖治理架构、风险分类、数据合规、模型准入、人工干预、报告义务的完整合规体系。以下从五个维度提出实务建议。

（一）内部综合管理架构

《指导意见》要求董事会专门委员会对AI开发应用管理负责，金融机构应首先完成组织架构的调整，明确专门委员会的职责边界、议事规则和决策权限，避免形式主义。我们建议，专门委员会统筹组织应对AI应用发展规划、高风险应用准入、风险评估报告等核心事项进行定期评估。同时可考虑建立跨业务、科技、数据保护的协同工作机制，明确从业务需求到技术搭建再到数据安全各环节的责任分工和交接标准。需要注意的是，管理架构的建立只是起点，避免合规风险的关键在于架构的有效运转，保证专门委员会的决策质量、协同机制的执行效率和责任追溯的可操作性。

（二）高风险应用动态清单机制

金融机构应根据《指导意见》第十六条的界定标准，对存量及拟部署的AI应用进行全面盘点，建立高风险应用清单并实施动态管理。清单内容应至少包括：应用名称、业务场景、AI技术类型（生成式/判别式）、是否涉及资金交易/资产评估/信贷审批/承保理赔/风险管理、对客影响度、模型依赖度、模型复杂度、准入审批状态、人工干预机制配置情况、模型退出条件等关键要素。所有列入清单的高风险应用，必须在部署前完成风险管理委员会的审批程序，审批文件应完整记录风险识别结论、管控措施、人工干预方案和退出条件。此外，金融机构应建立清单的动态更新机制，当业务场景变化、模型迭代或监管要求调整时，及时更新清单内容并重新履行审批程序。

（三）训练数据合规审查机制

我们建议，金融机构应立即启动训练数据的合规排查工作：第一步，全面盘点存量训练数据集，识别其中包含禁止性信息的字段和记录；第二步，对禁止性信息进行匿名化处理或特征化转换，如将身份证号转换为年龄分组特征、将手机号转换为地域特征等；第三步，对于无法通过脱敏实现业务目标的场景，探索采用合成数据、联邦学习、隐私计算等替代技术方案；第四步，建立训练数据的合规审查机制，在模型训练前由数据合规部门对训练数据集进行合法性确认。需要注意的是，数据合规改造不仅是技术问题，更是制度问题，金融机构应同步修订数据管理制度，明确AI训练数据的采集标准、脱敏规范、审查流程和留存期限，确保合规改造的制度化可持续。

（四）外部模型准入管理机制

我们建议，准入审查应包括以下核心环节：其一，资质审查，核实供应商是否具备合法经营资质，其生成式AI模型是否已完成网信部门备案，备案信息是否与实际提供的服务一致；其二，安全评估，对模型的安全合规性进行独立评估，包括训练数据来源合法性、模型输出内容安全性、算法歧视风险等；其三，合同管控，在采购合同中明确供应商的数据安全义务、知识产权归属、责任分担机制和违约后果，特别要约定供应商在模型更新迭代后的重新备案义务；其四，持续监测，建立外部模型的运行监测机制，定期评估模型效能和合规性，发现风险及时启动退出程序。同时，金融机构应按照《指导意见》第十八条要求，对外包合作机构实行名单制管理，建立“白名单+黑名单”的动态管理机制。

（五）人工干预熔断机制

人工干预机制的核心不在于人工监查，而在于建立可执行的熔断方案。具体而言，金融机构应为每个高风险应用设定明确的干预触发条件，如模型输出异常率超过阈值、客户投诉率异常上升、监管风险预警触发等；设定干预的执行权限和操作流程，明确谁有权触发熔断、熔断后如何切换到人工流程或备用系统、熔断后的恢复程序如何启动；定期开展干预机制的演练，确保在真实风险事件发生时能够快速响应。需要注意的是，人工干预机制的建立应避免两个极端：既不能因过度依赖自动化而形同虚设，也不能因过度干预而丧失AI应用的效率价值，应在风险可控与业务效率之间寻求最优平衡。

结语

《指导意见》以八章三十二条的系统架构，构建了我国金融行业首份覆盖人工智能应用全生命周期的监管框架，其核心制度创新集中体现为高风险应用准入管理、个人信息保护红线、生成式AI模型备案、可解释性与人工复核机制、风险报告义务及行业生态共建六大支柱。从上述分析可以看出，《指导意见》在制度定位上既非单纯的“促进发展”文件，也非纯粹的“风险防控”文件，而是在发展与安全之间寻求动态平衡的治理框架：一方面通过“务实高效”原则鼓励金融机构积极拥抱AI技术，另一方面通过高风险应用准入、个人信息保护红线等制度为技术应用划定安全底线，使合规红线为行业更安全更长远的发展划定安全区。同时，《指导意见》也为其他行业AI安全治理的规范化提供了有效的参考借鉴。

展望未来，我们理解《指导意见》的出台只是金融AI治理制度建设的起点而非终点。《答记者问》中明确，金融监管总局将会同相关部门积极推动构建银行业保险业生成式人工智能安全开发应用技术框架，规范分类分级管理，明确安全开发标准规范，这意味着后续将有更具操作性的技术标准与实施规范陆续出台。同时，第三十条建立的“监管政策和监管效果的年度评估机制”也为制度动态调整预留了空间，金融机构应密切关注监管政策的迭代演进，保持合规策略的弹性与适应性。在跨境维度上，随着欧盟《人工智能法案》等域外AI监管规则的逐步落地，涉及跨境业务的金融机构还需关注中外AI监管规则的差异与协调，特别是在数据出境、模型跨境部署等场景下的合规义务叠加问题。

我们建议，银行业保险业金融机构应以《指导意见》的施行为契机，抓住制度落地初期的合规窗口期，主动开展治理架构调整、风险盘点、数据合规改造和模型准入审查等基础性工作，避免在监管执法趋严后被动应对。对于资源相对有限的中小金融机构，应积极借助大型金融机构的技术输出和算力共享机制，以较低成本完成合规体系建设。只有在合规与发展的双轨上稳健前行，金融机构才能在人工智能技术变革中真正实现行稳致远，为数字金融高质量发展提供可持续的技术支撑。

（实习生李佳璇亦有贡献）