江苏银行推出信贷审查智能体，最快2小时即可完成尽调报告

正文：

最近，江苏银行向外界展示了其在信贷管理领域应用人工智能技术的最新进展。该行利用“智慧小苏”大模型平台，开发了一款数字风控审批助手，构建了信贷审查智能体，将大模型的能力嵌入到授信业务的各个环节，实现了对贷前、贷中和贷后传统作业模式的智能化升级，目前相关功能已正式投入使用。

据了解，随着金融行业数字化和智能化转型的深入，授信业务的全流程正在面临各种挑战。在贷前阶段，业务人员的专业能力与精细化风险控制要求之间存在脱节。在细分行业的分析阶段，信息采集往往碎片化，验证过程耗时较长，且容易产生主观偏差；在贷中阶段，授信业务量的增加与传统人工核查模式之间存在矛盾，关键数据验证和资料真实性核查等环节面临人力投入与效率之间的平衡压力；在贷后阶段，尽管整合了各业务线的预警信号，手工处理量依然庞大，且信号分类模糊，导致风险处置的协作性不足。

基于这些挑战，江苏银行依托“智慧小苏”大模型平台，开发了风控审批数字助手，构建了信贷审查智能体，针对授信流程的每个环节部署了相应的技术能力：

在贷前阶段，通过梳理授信审查要点，构建行业化尽调要素矩阵，可以根据客户类型、行业特点及债项特征，由大模型自动匹配标准模板并生成尽调框架。同时，搭建了调查报告智能体，自动获取企业关键业务、财务数据及上下游关系等信息，通过大模型进行交叉验证与产业链分析，辅助业务人员形成尽调结论。

在贷中阶段，利用光学字符识别和多模态大模型技术，提取并比对放款流程中的合同与发票信息，实现了贸易合同的智能质检、电子流水及印章真伪鉴别功能，帮助审批人员在审核过程中准确识别伪造文件，快速核对放款信息；同时支持财报与流水文件的自动识别与分析，显著提高了审批人员的数据导入与分析效率。

在贷后阶段，整合分散的预警信号和任务入口，通过机器学习算法对信号进行降噪，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，帮助业务人员开展贷后检查与风险核查，实现授信全流程的闭环管理。

江苏银行表示，嵌入大模型能力后，业务效率、风险识别能力和流程协同水平均得到提升。

数据显示，贷前阶段需手动填写的尽调报告字段从990余项减少至90余项，单份报告的人工完成时间从2至3天缩短至仅2小时。调查报告智能体的落地后，日均调用次数超过3000笔；

在贷中阶段，贸易合同智能质检功能上线后，合同与发票信息的识别成功率从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，累计处理审批材料达90万份，财报与流水文件识别分析功能日均处理任务1500余笔；在贷后阶段，通过风险信号的归集与降噪处理，风险核查的执行效率得到了显著改善，人力资源可以更多地倾斜到重点企业、重点区域及重点预警事项上。

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

近期，该行还将OpenClaw智能体集成到“智慧小苏”平台中，以提升金融服务的质量和效率。

例如，在数据开发场景中，集成OpenClaw智能体后，“智慧小苏”能够实时帮助数据人员全自动梳理信息、自主设计数据指标，并智能生成和部署代码。在实际业务中，“智慧小苏”支持了大量复杂标签体系的快速构建，节省了人力成本。同时，通过全链路打通数据预处理、特征加工、模型训练与报告生成等环节，降低了建模的门槛。数据显示，以往单个模型从开发到上线验证需要耗时半个月，现在最快3天即可完成上线。

来源：移动支付网