贷款有望“无人”审批 DeepSeek料重塑银行信贷体系

本报记者 张佳琳

凭借高性能、低成本和开源属性，DeepSeek大模型引发金融科技圈的高度关注，多家银行启动了深度研究测试，还有不少银行已完成本地化部署。某城商行董事长向记者直言：“以前由于成本太高，中小银行应用AI技术的程度并不算深，但DeepSeek大模型改变了这一局面，我行正着手部署这款大模型。应用该项技术，未来也许贷款业务能完全做到无人审批。”

中国证券报记者多方调研发现，DeepSeek大模型正为包括银行在内的整个金融行业带来显著改变，包括提高业务效率、降低业务成本、加强风控管理、加快生态构建等。上海金融与发展实验室主任曾刚表示，AI技术在金融领域的应用已从试验阶段步入深度融合阶段，其不仅提供了可复用技术，更将整个行业引入智能化、个性化和高效化的发展轨道。

缩小银行间技术差距

“开源生态下的技术平权，可以让更多银行尤其是中小银行以较低成本应用AI技术，促进数字化转型。DeepSeek大模型的低算力消耗以及成本优势，有助于缩小中小银行与大型银行在金融科技等方面的技术差距。”某中小银行人士说。

恒银金融科技股份有限公司董事长江浩然在接受中国证券报记者采访时表示，DeepSeek大模型强大的自然语言处理能力，能帮助银行自动化处理大量复杂的金融任务，显著提升工作效率。同时，其开源特性以及社区建设促进了金融科技行业生态的构建，吸引更多开发者和合作伙伴加入，共同推动行业发展。

记者注意到，不仅工商银行、建设银行、邮储银行、招商银行等国有大行及股份行已经引入DeepSeek大模型并实现了定制化训练，而且北京银行、江苏银行、青岛农商行、重庆农商行、苏商银行、众邦银行等中小银行也在智能运维、智能招聘、智能决策等方面探索应用DeepSeek大模型。

例如，众邦银行表示，该行以开源大模型为基座，深度融合运维专业知识库，打造了智能IT服务助手——ChatOPS。目前，ChatOPS已升级采用DeepSeek-R1大模型，并集成至企业微信。通过深度思考能力与本地知识库的协同，ChatOPS能精准解析用户问题，结合多维场景推演与知识储备，输出解决方案，人力成本降低30%。同时，该行依托DeepSeek大模型开启智能化人才选拔。基于岗位需求，该行系统可自动生成评价模型，秒级处理海量简历，精准识别候选人的关键技能与相关经验，简历筛选准确率较人工提升30%-40%。此外，该行系统可一键生成个性化面试问题，助力面试官提升评估候选人的核心能力。总体而言，人才匹配效率提升70%，减少人力部门80%的机械性工作投入。

银行内部人士表示：“DeepSeek大模型可以帮助银行部门结合业务场景，自动生成可视化图表及多维度分析建议，大幅提升决策精准度。传统报表需要花费数小时制作，现在可以秒级完成，让数据从静态报表升级为动态智库，驱动决策从经验导向迈向智慧引领。”

清华大学国家金融研究院院长田轩告诉记者：“应用DeepSeek大模型的成本较低。借助强大的逻辑推理能力，其能够帮助包括银行在内的金融机构更有效地作出决策。同时，较低的应用成本也能帮助金融机构设计出个性化的金融产品及服务，满足客户的金融需求。”

在智能研发领域，面对金融科技快速迭代的行业挑战，包括苏商银行在内的众多中小银行正依托DeepSeek大模型，构建智能编程协作平台，通过深度语义解析与推理过程可视化技术，实现从业务需求到代码逻辑的精准转化，有效解决复杂业务系统开发中的需求理解偏差、代码重复率高等难题，为银行业务系统的更新升级注入强劲动能。

或改变银行传统授信体系

谈及DeepSeek大模型会给银行带来哪些业务创新时，多位业内人士均提及：“未来贷款业务无人审批有望完全实现，银行或将更多人力转向高附加值领域。”

当下在进行贷款审批时，银行高度依赖人工处理非结构化数据，不仅耗费大量时间，而且容易出现错误。多家银行表示，通过创新应用DeepSeek大模型，成功破解非标材料处理难题，实现对嵌套表格、影像资料等复杂场景材料的精准解析，大幅提高信贷材料综合识别准确率。

防范潜在的信贷风险对银行而言至关重要。江苏银行表示，运用多模态模型实现合同质检智能化，能够有效筑牢企业信贷防火墙。利用智能识别结果结合外部数据等方式智能检测校验合同信息，可对风险较高的交易发出预警。利用DeepSeek大模型优化后的相关系统，风险识别及预警响应速度提升20%，助力分支行更高效地完成受托支付合规性审核。

“合同质检是当下DeepSeek大模型在银行业的重要应用场景。”曾刚表示，过往金融合同里的风险条款和不合规内容以及错误条款犹如定时炸弹，稍有不慎，就可能带来法律纠纷、监管部门处罚，导致银行遭受严重财务损失。合同质检的准确性与合规性保障，也直接影响客户对银行的信任程度。通过应用大模型，银行合同质检的准确率显著提升。DeepSeek大模型的细粒度文档理解能力，解决了之前的大模型在非制式合同中存在合并单元格、跨页表格等多结构表格内容识别准确率不高、精度局限的问题，将嵌套表格、手写体混合排版等复杂场景的识别成功率提升至新高度。通过降低风险、节约成本、提升效率和支持业务创新，DeepSeek大模型将为银行带来多维度的收益。

江浩然表示：“银行此前往往通过抵押担保等方式向企业放贷。现在数据已成为广泛的生产要素，银行应用好这些数据资源，利用智能化手段给企业精准画像。对于向中小企业提供500万元以下的贷款，若银行能将企业的经营、税务等数据整合起来，那么企业融资难、融资贵的问题就能很好地解决。下一步，金融科技公司会与DeepSeek更加紧密地合作，用更加完善的模型以智能化手段服务银行信贷业务，让银行信贷更加普惠。”

需直面数据安全问题

“部署DeepSeek大模型的先行者中不少是中小银行，一定程度上体现了使用AI技术的成本和门槛下降，或为中小银行数字化转型提供弯道超车机会。”银河证券研报分析称，通过对客户进行多维度画像，DeepSeek大模型可帮助银行重塑业务模式，突破传统金融服务局限，优化信贷结构。

不可否认，目前银行对DeepSeek等大模型的应用仍较为基础，更多体现在业务流程的优化方面，例如智能客服、合同质检、估值对账以及办公流程优化，而在财富管理、投资策略与战略制定等方面存在一定局限性，尚未与银行核心业务实现深度融合。

业内人士认为，对数据安全与隐私保护等问题的担忧限制了这项技术的进一步应用。

某城商行合规部人士向记者表示，随着金融科技快速发展，相关法律法规和监管政策不断完善。当前的金融监管体系主要是基于传统金融业务模式制定的。对于DeepSeek大模型在金融领域的应用，目前尚无明确的监管标准，这可能会限制DeepSeek大模型进一步推广和应用。

关于数据安全与隐私保护等问题，银河证券研报分析称，银行在使用DeepSeek等大模型开展业务时，如果未对客户数据进行脱敏或者加密处理，可能会导致客户的身份证号、账户余额、交易记录等敏感信息泄露。暴露客户隐私将引发客户的信任危机，并给银行带来严重的声誉损失和潜在的法律风险。

因此，银行应对相关数据进行脱敏处理，并大力推广同态加密等隐私计算技术，在保障数据安全的同时，实现数据价值的挖掘与利用。但这些技术在实际应用中成本较高，短期内可能主要被大型金融机构所采用。此外，即便银行对敏感数据进行了本地化、脱敏处理，在数据传输和使用过程中，仍存在潜在风险。

业内人士表示，DeepSeek大模型作为生成式AI大模型，其输出结果可能存在不可解释性和“幻觉”问题，即生成的内容看似合理但并不符合实际情况。若银行过度依赖DeepSeek大模型等人工智能技术，可能导致系统在面对技术故障、网络攻击或突发事件时显得脆弱。

此外，严格的访问控制和操作审计机制也能保障数据安全。而在合规运营方面，DeepSeek等大模型的应用需符合相关的数据保护法律法规和金融行业标准。定期进行性能监控，可确保相关系统的合规性和风险可控。

“客观来讲，DeepSeek大模型面世给金融监管部门提出了更高要求。伴随DeepSeek大模型的广泛应用，数据安全、客户隐私保护，以及交易过程中信息披露的有效性、透明性可能会产生一些问题。下一步，银行需客观评估相关风险，监管部门也需出台相关政策，更好地发挥DeepSeek等大模型的作用。”田轩说。