媒体观察 | 当AI成为研发主力，金融业的软件工程正在被重新定义
今年下半年，麦肯锡发布的《2025年技术趋势展望》中谈到，“人工智能（AI）不仅本身是一项具有革命性和战略性的技术创新，更是驱动和增强其他技术趋势的倍增器。”
在这场变革中，金融业的业务逻辑亦在不断重塑。从早期的智能客服、人脸识别等单点应用，到如今覆盖营销、风控、运营、研发全链条的系统赋能，AI能力向金融科技的核心业务场景不断渗透。
与之相应的则是，业务增长与技术投入成本之间的“对立”，AI创新与竞争逻辑的交融，以及如何跨越从“AI赋能”到“AI原生”的鸿沟。
当然，智能化的时代，并非每家银行都具备强大的自主研发能力，银行业同样需要能够赋能智慧金融的“推手”。
业务发展、竞争驱动
金融业站上AI转型的十字路口
首先，是业务复杂性“倒逼”技术革新。智能营销、智能客服、信贷审批、智能投研等场景不断深化，传统的“人海战术”和流程化作业已难以为继。
中电金信研究院副院长、数字银行事业部总经理胡汝道分享了一个案例：“在某头部股份制银行，引入AI技术后，其单据审核部门工作提效80%，效果立竿见影。” 而这仅仅是冰山一角，比如在信贷风控领域，AI与IoT技术的结合，使得通过图像识别、自动采集企业生产状况成为可能；券商利用AI投研工具，基于海量市场数据与行业研报自动生成投资策略报告，让分析师的工作效率提升数倍……业务需求的洪流，倒逼金融机构向AI要效率、要产能，以提升服务响应速度。
其次，行业的竞争逻辑正向“AI”靠拢。在预算更趋理性、资源配置更为审慎的环境中，金融机构开始比拼的不再是单纯的“规模优势”，而是如何用更少的投入，创造更高的产出。
而AI技术的引入，使得部分先行者在开发效率、客户响应和风险控制上实现了跨越式提升，这本质上改变了行业的竞争格局。未能跟上AI创新步伐的金融机构，可能面临客户流失、成本高企、风险累积的多重压力。竞争已从业务层面延伸至底层技术架构与智能化应用的深度与广度。
第三，AI带来的创新驱动，打开了新业务的想象空间。胡汝道提出一个有趣的例子，“未来的手机银行将不再是一个被动的操作工具，而可能是一个具备‘超级助理’属性的主动服务入口，它能理解你的意图，主动提供财务建议甚至完成交易。” 这种体验重构的背后是AI能力的深度融入。
市场研究机构的数据也佐证了这一趋势。Gartner预测，到2028年，约75%的企业级软件工程师将使用AI代码辅助工具；IDC预计，全球AI软件市场到2027年将增至2790亿美元，AI正从辅助角色，走向系统性的核心生产力。
第四，是面向未来的必由之路。从电子化、线上化到智能化，金融科技的每一次迭代都伴随着底层技术的突破。如今，银行业已明确“技术驱动”的发展方向，而智能化正是下一阶段的核心命题。今天的IT架构与研发能力，将决定明天业务创新的天花板。
然而挑战依然艰巨，正如胡汝道的观察，“并非每家金融机构都具备强大的自主研发能力”。一个既能提供标准化工具、又能定制化解决方案的合作伙伴，成为金融行业数智化转型的迫切需要，中电金信正是基于此，以“数字构建 AI 平台”为核心，成为为金融机构系统性赋能行业智能化的“推手”。
从“AI赋能”到“AI原生”
软件工艺重塑的实践路径
事实上，无论是业务需求的助推，还是架构转型的驱动，最终都指向一个关键：软件开发。《技术趋势2025》中也提出，“AI技术正在重塑企业IT部门，从编码、软件测试到人才能力建设。当更多智能化能力被内置到企业运营之中，软件工程将继续作为跨行业的战略支点发挥核心作用。”
我们知道，银行业的研发体系因为严苛的监管要求、复杂的系统搭建历程和漫长的流程而显得格外沉重。胡汝道坦言：“如果研发链路本身存在大量断点，即便引入单点AI工具，整体效率仍然难以提升。”
对此，中电金信的数字构建AI平台提出了一个更务实的路径。它将庞大的研发工程拆解为无数个具体的场景，针对痛点最突出、价值最显著的环节优先引入AI能力，最终汇流成河，驱动完整的开发工艺转型。
不难发现，这套方法论，既能服务于拥有成熟自有平台的国有大型银行，通过模块化嵌入“AI助手”实现能力增强；也能为中小银行直接提供数字构建AI平台，降低其接入先进AI研发能力的门槛。
在“2025金融行业科技交流大会暨1024程序员节”的活动中，胡汝道发表了题为《AI重塑软件工艺、企业工具链平台建设实践》的演讲，系统介绍了源启·数字构建AI平台的落地路径以及AI驱动的软件工程新体系。
胡汝道指出，AI赋能软件开发全过程，关键在于以“场景化智能体+企业知识库”为双轮驱动，对现有研发平台进行全流程AI赋能，从而提升整体研发效率。在AI建模、AI测试和AI编码三个场景，我们也可以一窥平台的能力。
首先在AI建模方面，中电金信正致力于实现从业务需求到业务模型的自动化建立，主要是通过“分步走”策略将其变为现实：第一步，利用AI从需求文档中自动识别和提取关键要素；第二步，构建这些要素之间的复杂关联关系。具体来讲，是将行业已有的成熟业务模型和大量人为建模的范例“喂养”给AI，训练其理解并模仿专家的抽象思维和建模过程。胡汝道透露，“目前，这一自动化建模的准确率已达到约50%，能显著提升专家效率，并可以随着样本积累不断优化。”
其次，在AI测试方面，平台聚焦于提升测试用例生成与执行的智能化水平。金融系统对稳定性与正确性要求极高，测试工作繁重且关键。数字构建平台的AI测试助手，能够基于需求自动生成高覆盖率的测试用例，并模拟各种边界场景，深度语义分析正确率实现85%。同时它能与企业的知识库联动，学习历史缺陷数据，从而更精准地预测潜在风险点。这就可以大幅减轻测试人员的重复劳动，让他们更专注于复杂逻辑和用户体验的验证。
最后，在AI编码方面，中电金信追求的是“工程化可用”，而不仅是代码补全。我们知道，金融级的AI编码难就难在深度理解银行的业务语境、技术规范和合规要求。而中电金信的编码助手融合了金融机构的专属知识库，使其生成的代码不仅是语法正确的，更是符合金融业务逻辑和安全标准的，目前已经拥有行业领先的代码采纳率，依照需求与设计，可生成70%-90%的业务逻辑代码，告别重复编码。
标准化×平台化
驱动金融业数智化跃迁
剖析中电金信数字构建AI平台，可以清晰地看到，背后有两条贯穿始终的核心脉络：标准化与平台化。
标准化的核心在于高质量的数据集。中电金信的底气，也正来源于其作为第三方机构，在国资委指导下参与国家级高质量金融数据集建设的独特角色。2025年4月，中电金信金融大模型数据集入选国资委“首批央企人工智能高质量数据集”。同年6月，在央国企金融领域人工智能高质量数据集推进会上，包括中电金信在内的14家企业共同签署了“央企金融数据产业共同体倡议书”，进一步推动数据与AI的深度结合。
平台化则是能力与经验的集中体现，是实现规模效应的引擎。 中电金信将经过大量实践验证的AI能力，无论是建模、测试还是编码沉淀在“源启·数字构建AI平台”的底座上。对于大银行，它是可嵌入、可融合的“能力插件”；对于中小银行，它则是开箱即用的全栈解决方案。当然，平台化的意义，也在于能够将领先的研发工艺快速向行业内复制和推广，避免了重复造轮子的巨大浪费，从根本上降低了金融业智能化转型的门槛与成本。
当然，这一切的“终局”，是为了实现从 “AI赋能”到“AI原生”的软件工程新范式跃迁。胡汝道的脑海里也有一张清晰的蓝图：“理想状态是，从以人为主，走向以AI为主。”在AI原生的新范式下，AI不再是辅助工具，而是研发过程的主导者，这不仅是技术体系的重构，更是金融行业从“经验驱动”走向“工程驱动”的关键转折。智能体将自动协作，贯穿从需求分析到部署上线的全过程，人类工程师的角色则更多地转向策略制定、关键审批与结果确认。
这虽然是一个长期迭代的过程，但方向已然明确。
当软件工程走向“AI原生”，金融业务的创新速度将发生质变。因为金融科技作为数字经济的核心引擎，其自主创新与安全可控，直接关系到国家金融安全大局，构建在自主可控的AI原生开发体系之上的创新，不仅是效率之争，更是安全之基。与之相应，以“AI重塑软件工艺”将是构建金融新质生产力的新方向，也是金融机构在新一轮数智化竞争中抢占先机的关键一跃。
文章来源：中电金信
2026年3月18日至20日，由北京人工智能学会与北京恒辉国际展览有限公司联合主办的2026全球（北京）AI智能创新与应用博览会（简称“AIS Beijing 2026”）将在中国国际展览中心朝阳馆盛大启幕。作为人工智能领域开年首场重量级盛会，本届博览会致力于推动行业深度交流、加速技术创新突破、全方位展示前沿成果，以构建一个高端、开放、共享的国际交流合作平台为目标，届时，全球顶尖的AI企业、科研机构以及创新人才将齐聚北京，各类先进产品、技术在此交汇碰撞，携手探寻人工智能发展的无限可能。
