导读：在近期举办的金融街论坛系列闭门会上，中国民生银行信息科技部副总经理李晓东围绕智能体技术分享了关于AI原生发展理念的思考，并介绍了民生银行在大模型领域的布局和探索。从治理角度，他提出未来应建立数字员工管理体系，对于每一个智能体应引入监护人机制。

　　第一，智能体是AI原生当下的一种技术实现，AI原生是智能体背后的内核理念。过去谈到云原生，多围绕容器化、CICD、云服务等概念，但其本质围绕着“高效容错、弹性收缩”展开。对照AI原生，其外在表现为AI的内置深度集成、自适应的自主决策、数据驱动的基于知识服务的基础设施应用、自然语言交互等。但讨论其内核，离不开以下五项基本能力。一是目标驱动的执行模式和能力。传统AI的应用是面向过程的，而现在的AI应用要让大模型、智能体等面向目标去寻找解决方案。二是持续学习的能力。无论是智能体还是大小模型应用，需要具备类似人类的学习能力。三是经验积累、知识沉淀和融会贯通的能力。未来，需要更多自动化过程为大模型灌输实时的企业级、领域级知识。四是流程、工具使用和执行能力。五是价值判断和行为约束能力。

　　第二，AI原生化发展形态分为两大类。一类是“+AI”，通过插件、内嵌化的方式，将AI嵌入传统的企业流程中。这一嵌入AI支持的过程包括智能体的支持，也可能一部分来自于AI协同后的结果。在未来很长一段时间内，“+AI”模式将长期存在，且在一定程度上最大限度地将企业现有资产发挥到极致。另一类是“AI+”，这种以AI主导、企业能力协同的模式，需要企业拥有全面服务化的能力。智能体平台体现了这种模式，以硅基大脑为主，使企业级的能力与其深度集成，形成新的“AI+”应用。从目前金融领域的探索来看，“AI+”模式的探索还在相对初级的阶段，且在风控安全等领域的探索相对保守。

　　第三，民生银行在智能体应用方面的探索。在研发层面，民生银行建立了前端框架、后端框架、基础云平台、APaaS/IPaaS标准体系，以及推进 AI Workflow 的演进。在工程体系中，在门槛、代码、评审、门禁检查、测试等环节深度使用AI能力，进一步向需求侧前移。在基础设施层面，一方面，进一步加强AI中台能力，形成企业级的AI服务标准；另一方面，进一步降低AI消费门槛，包括构建 AI Agent 平台，进一步降低AI实验台、试验场的应用门槛等。在场景层面，民生银行通过财富管理助手实现大模型和智能体协同，提升银行服务的专业性和效率；通过 AI4SE&AI 安全风险管理的尝试，对AI生成代码质量进行闭环评测和监控，确保AI输出符合工程标准。此外，民生银行于2018年提出BioFaaS（仿生金融服务）的愿景，认为IT在金融领域的建设应围绕用户感知能力、金融智能能力、金融核心能力、金融生态能力四类展开。未来，民生银行智能体技术建设将围绕这些关键能力，持续强化金融科技建设。

　　第四，民生银行在AI探索中的经验和教训。从行动角度，一是要充分明确数字化部署和行动的目标与价值，避免形成浪费；二是要协同行业共同构建良好的生态；三是提供AI应用公共化平台，降低AI使用门槛，支持分散化建设；四是业务团队要具备基础的AI认知能力和数据能力。从治理角度，未来应建立数字员工管理体系，对于每一个智能体应引入监护人机制。此外，要避免类似RPA陷阱问题，应充分考量跨系统处理是采用工程化集成还是流程自动化技术方案；在各领域做好知识工程、数据就绪准备；在技术投入方面，充分考虑技术快速迭代下的合理决策、成本管理等。

　　（作者系中国民生银行信息科技部副总经理）