2026年4月23日，南京师范大学“数智领航，征信致远”社会实践团队延续对金融科技前沿的探索热情，开展了一场深度的线上调研活动。继此前实地走访无锡多家银行后，团队此次将目光聚焦于国有大行省级分行的风控中枢，通过线上访谈的形式对话中国银行江苏省分行授信管理部资产质量监控团队负责人，深入探讨大模型技术在省级分行层面的应用现状、数据治理痛点及未来规划。
中国银行江苏省分行：大模型赋能风控的“广度”与“深度”
访谈伊始，团队重点关注了大模型在银行授信风控中的定位。受访负责人表示，中国银行江苏省分行高度重视数智化手段在授信全流程的运用，目前的整体定位是“辅助提效”而非“全流程机器闭环”。大模型主要用于提升传统模型效率及处理非结构化信息，但最终的信贷决策仍需结合专家经验和行内风控政策，由人工审批完成。
在应用场景方面，该行已将大模型应用于客户信用评级、拨备计提及贷后风险管理等环节。特别是在非结构化数据处理上，目前已接入外部采购的舆情数据用于风险预警，而对于企业合同、招投标文本等高价值数据的深度挖掘，目前仍处于技术评估阶段。
数据治理：合规为基，打破壁垒
针对小微企业数据稀疏及评估难的问题，负责人介绍了该行在数据整合方面的努力。除了传统的财务数据，该行还整合了税务、海关、水电费及诉讼信息等替代数据。特别是自2024年起，该行大力推广“全国中小微企业资金流信用信息共享平台”的运用，有效解决了无征信记录小微企业的评估难题。
值得一提的是，该行已接入江苏省“金融可信数据空间”试点。负责人指出，通过区块链和隐私计算技术，实现了数据“可用不可见”，显著提升了银政企之间数据共享的合规性与效率。但在数据应用障碍的排序上，负责人坦言目前最大的挑战仍是“合规限制”，其次是“数据质量”，最后才是“技术适配性”。
因地制宜：差异化风控与产学研共建
在谈及区域风控策略时，负责人强调了“因地制宜”的重要性。大模型在江苏省内不同城市的应用需进行区域化参数调整：苏南地区（如苏州、无锡）侧重高新技术与制造业，关注技术专利与产业链位置；苏中苏北地区则更侧重农业与基础制造业，关注土地厂房与原材料价格。
展望未来3-5年，该行计划推动大模型从“感知风险”向“预测风险”乃至“自动处置”演进，构建“大模型+专家知识+自动化流程”的下一代智能风控中台。此外，负责人明确表达了与高校团队开展产学研合作的意愿，希望通过联合课题研究、算法竞赛及实习基地建设，共同探索科技型中小企业信用评估模型的优化路径。
从线下实地走访到线上深度对话，此次社会实践调研不仅让团队成员掌握了国有大行省级分行在数字化转型中的一手资料，更深刻理解了金融科技创新背后的制度约束与技术逻辑。团队成员表示，将继续整理调研成果，以青年视角为金融科技助力实体经济高质量发展贡献智慧与力量。
图1 团队与中国银行江苏省分行负责人进行线上访谈
团队成员：南京师范大学彭思媛、张小蕊、章子卓、曹睿哲、赵一宁、陆昱含、秦方成
