江苏银行构建信贷审查智能体，最快2小时完成尽调报告

点击关注→
点击关注→

智探AI应用

2026年6月25日 19:02
广东

在小说阅读器读本章

去阅读

近日，江苏银行对外披露了AI技术在其信贷管理领域的最新应用情况。该行依托“智慧小苏”大模型平台，打造风控审批数字行员助手，构建信贷审查智能体，将大模型能力嵌入授信业务全流程，对贷前、贷中、贷后各环节的传统作业模式进行智能化升级，目前相关功能已投入使用。

据悉，随着金融业数字化智能化转型深入推进，授信业务全流程正面临多重挑战。在贷前环节，业务人员专业能力与精细化风控要求存在脱节。在企业所属的细分行业分析环节，存在信息采集碎片化、验证耗时长、易出现主观偏差等问题；在贷中环节，授信业务量的增长与传统人工核查模式存在矛盾，关键数据验证、资料真实性核验等环节面临人力投入与产出效率的平衡压力；在贷后环节，整合各业务条线分散预警信号后，仍存在手工处理量大、信号分类模糊等问题，风险处置的协同性不足。

基于此，江苏银行依托“智慧小苏”大模型平台，打造风控审批数字行员助手，构建信贷审查智能体，围绕授信流程各环节部署对应的技术能力：

在贷前环节，梳理授信审查要点，构建行业化尽调要素矩阵，可根据客户类型、行业属性及债项特征，由大模型自动匹配标准模板并生成尽调框架；同时搭建调查报告智能体，自动获取企业主营业务、财务数据及上下游关系等关键信息，通过大模型完成交叉验证与产业链分析，辅助业务人员形成尽调结论。

在贷中环节，运用光学字符识别与多模态大模型技术，提取并比对放款流程中的合同与发票信息，实现贸易合同智能质检、电子流水及印章真伪鉴别功能，辅助审批人员在审批流程中精准识别造假文件，快速核对放款信息；同时支持财报与流水文件的自动识别分析，有效提升审批人员资料导入与数据分析效率。

在贷后环节，整合分散的预警信号与任务入口，通过机器学习算法对信号进行降噪处理，结合空间分析、任务地图与路径规划能力生成结构化检查清单，辅助业务人员开展贷后检查与风险核查，形成授信全流程的闭环管理。

江苏银行表示，将大模型能力嵌入授信业务环节后，该行的业务效率、风险识别能力和流程协同水平均有所提升。

数据显示，在贷前环节，尽调报告需手工填写的字段由990余项压缩至90余项，单份报告的人工完成时长由2至3天缩短至2小时。调查报告智能体落地后，日均调用超3000笔；

在贷中环节，贸易合同智能质检功能上线后，合同与发票信息识别成功率从84%提升至96%，放款审核处理速度提升约20%。电子流水及印章真伪鉴别功能日均调用约900笔，累计处理审批材料90万份，财报和流水文件识别分析功能日均处理任务1500余笔；在贷后环节，经风险信号归集与降噪处理，风险核查的执行效率有所变化，人力配置可更多向重点企业、重点区域与重点预警事项倾斜。

据《智探AI应用》了解，自2023年起，江苏银行便开始探索AI技术在业务场景的应用。除了信贷管理领域，江苏银行还依托“智慧小苏”，推动人工智能大模型在智能客服、智慧办公、数据治理等领域的应用落地，截至2025年末已落地62个应用场景。

近期，该行还将OpenClaw智能体融入“智慧小苏”平台，赋能金融服务提质增效。

以数据开发场景为例，“智慧小苏”集成OpenClaw智能体后，可实时帮助数据人员全自动梳理信息、自主设计数据指标，并智能生成与部署代码。在实际业务中，“智慧小苏”支撑大批量复杂标签体系的极速构建，节约了人力成本。同时，通过全链路打通数据预处理、特征加工、模型训练以及报告生成等节点，降低了建模门槛。数据显示，以往单个模型从开发到上线验证需耗费半个月，如今最快3天即可落地。