2026年A股42家上市银行半年报收官，零售信贷依然「寒意逼人」。

根据半年报，42家上市银行中超六成机构个人贷款余额出现缩表，仅有14家实现个贷正增长；资产质量层面，可统计样本里有30家银行个人贷款不良率较去年年末上行，信用卡、消费贷、个人经营贷普遍承压，透支余额收缩成为行业共性现象。

宏观层面同样印证这一趋势，2026上半年居民部门贷款出现半年度净减少，无论是代表消费活力的短期信贷，还是绑定购房、经营行为的中长期信贷，同比均大幅少增，叠加助贷监管持续收紧，不少银行、持牌消金陷入「不敢放也不太会放」的现实困境。

旧的增长模式已经失效，但适配新时代的业务范式尚未完全建立。当规模扩张的故事讲不下去，行业亟需回答一道现实考题：零售信贷业务还要怎么做？普惠金融如何平衡“可得性”与“风险底线”？

刚刚落幕的2026外滩大会上，来自消费金融、银行、征信领域的一系列实践抛出一个值得深思的问题：在普惠回归理性的当下，AI的真正价值，究竟是继续放大规模，还是修复行业长久以来的结构性矛盾？

很长一段时间里，金融行业对AI的想象停留在“效率工具”：更快的审批、更低的客服成本、更高的触达转化率。但风险持续暴露、监管框架重塑之后，这套逻辑已经失灵。

过去消费金融的增长逻辑简单直接——做大信贷规模，以规模覆盖风险。这套模式在市场扩张期行之有效，却也埋下隐患：授信更多判断用户“能不能借”，较少回答“该不该借”；消保工作大多后置，集中于事后客诉处置；对于缺少标准化征信材料的新市民、职场新人、蓝领群体，传统风控常常陷入简单的标签化判断。

同样的矛盾也存在于小微金融领域。海量小微经营者没有完整的财报，经营波动大，传统信贷模式很难读懂真实经营诉求，常常出现“不需要的给过多，真正需要的拿不到”的错位。

行业的拐点已经到来。监管持续引导信贷业务走向适当性管理，市场环境倒逼机构从“规模优先”转向“健康经营”，普惠的评价标尺，从“覆盖多少人”，迭代为“服务好不好、匹配不匹配”。而AI正在从过去的“效率放大器”，转变为这场转型的“质量基础设施”，渗透进需求识别、风险判断、纠纷调解的全业务链条。

一、风控进化：从“判断还款能力”到读懂“为什么借钱”

风控是消费金融的立身之本，也是AI落地最深的领域。传统风控依靠职业、收入、征信报告等标准化指标，回答用户有没有还款能力；而新一代AI风控试图往前再走一步，识别用户真实资金诉求，做到“在对的时间，给对的人匹配对的额度”。

在外滩大会的分享中，蚂蚁消金披露了场景化风控的实践：

系统可识别教育进修、大件消费、旅游等230余个细分消费场景，针对真实的阶段性需求匹配专项额度。数据显示，2026年场景化提额同比增长30%，而这部分用户的不良率较整体均值低20%。一个典型案例里，用户为职业资格考试产生短期资金缺口，AI捕捉到持续学习备考的行为信号，给到临时额度，满足自我提升的短期资金需求。

更有标志性的变化，是风控逻辑的角色反转。以往用户只能被动接受模型给出授信结果，花呗“小红花”功能尝试打破这一单向模式：

允许用户主动提交千余种非标准化资质材料，未来还将上线对话交互模式，让用户通过自然语言补充自身情况，把非标准化信息转化为风控可识别的结构化数据，形成“信息表达—可信校验—风险决策—结果反馈”的闭环。

视线转向小微金融，网商银行推出的小微普惠金融Agent百灵2.0，则把这套“读懂真实诉求”的逻辑推向更深的经营场景。小微经营者一句模糊的“想要提额”，AI不会直接发起审批，而是通过多轮对话挖掘背后开店扩张的真实资金缺口，结合经营流水、商圈情况给出适配的融资方案，把原本3天办结的复杂业务压缩到10分钟。

但关键的授信、还款方案决策，依旧保留给人工审核环节，AI只承担信息梳理、方案建议的角色。

这两类实践指向同一个方向：风控不再是单纯筛选“好人坏人”，而是理解人真实的资金处境。当然也要看到，这套模式对数据治理、场景理解能力提出极高门槛，对于大量中小机构而言，想要复刻这套场景化能力，算力、样本、业务经验都是现实阻碍，AI的红利天然存在鸿沟。

二、消保向前：从事后救火，走向全流程的温度治理

很长一段时间，消费者权益保护在不少机构内部，是典型的“成本中心”。客服用来解决已经发生的投诉，纠纷调解聚焦矛盾爆发后的处置，黑灰产治理疲于被动拦截。而生成式AI到来之后，消保正在从后端补救，嵌入业务全流程。

但AI介入消保同样充满矛盾。一方面它可以提升服务效率，另一方面黑灰产也在利用AI批量制造虚假申诉材料、篡改证件、生成伪造录音，制造新型欺诈风险，给识别工作带来新挑战。

面对这样的双面性，行业的解法不是拒绝技术，而是让AI与业务深度耦合。蚂蚁消金的实践颇具样本意义：

智能客服不再只根据知识库机械回答问题，而是打通用户画像、风险、行为多维信息，感知用户所处处境，匹配差异化服务策略，实现AI客服服务占比与用户满意度双双突破90%；

在纠纷调解领域，行业首个驻场调解工作站落地“AI全流程伴随”模式，AI辅助梳理交易事实、识别情绪诉求、输出调解参考方案，由调解员把控最终沟通与判断，2025年AI辅助化解3.6万件金融纠纷，纠纷化解率达到99%；多模态识别结合关系图谱挖掘，捕捉团伙欺诈线索，协助公安打掉14个黑灰产团伙。

这套业务背后的垂类大模型“江小豚”，也提出了一个反常识的观点：金融大模型，不是参数越大越好，核心是懂金融、懂用户、解决真实业务问题。通过粒球计算、多智能体协同等技术，在不盲目扩张参数的前提下，优化多模态识别、复杂任务拆分的能力，把算力集中于业务高价值信息上。

技术再强大，终究只是辅助工具。论坛上多位业内专家反复强调同一个底线：

AI可以拥有建议权、有限执行权，但金融业务关键决策权必须保留在人的手里，不能交给算法自主决定。大模型幻觉、算法黑箱的风险真实存在，一旦把调解、授信的最终判断完全交由AI，消保就会滑向新的风险点。

三、冷静看待金融AI：技术是解法，不是万能药

外滩大会上，清华大学五道口金融学院张健华有一句判断值得回味：“金融机构不用AI肯定要被淘汰，但AI是必要条件，还不够充分。”

当下，金融AI热潮滚滚，大模型、Agent概念层出不穷，但拨开概念迷雾，真正的难点从来不是部署一套大模型，而是把技术能力转化为可审计、可解释、可纠偏的业务机制。

从这次大会释放的信号可以总结出几个行业共识：

第一，金融AI的评价标准正在改写。不再比拼参数量、炫酷的演示效果，而是看能不能落地真实业务，解决行业老问题：能不能识别用户真实需求而非一味放大授信；能不能在普惠覆盖的同时守住过度借贷的防线；能不能在效率提升的同时守住消保底线。技术角色正在从进攻性的增长催化剂，转向防御性的行业稳定器。

第二，人机权责边界必须划清。AI擅长信息整理、线索挖掘、方案推演，但面对复杂人性、情绪纠纷、高风险授信，人的专业判断不可替代。技术提供辅助，人承担最终责任，这是金融AI不可逾越的红线。

第三，普惠AI不能只成为头部机构的游戏。头部机构可以投入资源打磨垂类模型、搭建AI工作台，但大量中小消金、中小银行，面临成本高、数据不足、人才短缺的困境。如何降低AI应用门槛，避免技术带来新的行业分化，是整个行业需要回答的命题。

回望消费金融与小微金融的发展历程，每一轮技术浪潮，都会带来一轮行业的狂热想象，随后回归业务本质。AI不会凭空解决行业所有顽疾，它不能逆转信贷周期，不能消灭不良风险，更不能绕过金融最底层的风险逻辑。

但它提供了一套全新工具：让风控看得更懂普通人，让消保不止于事后补救，让小微经营者复杂的经营诉求，被金融系统看见。

行业已经走出“跑马圈地”的时代，比起追求规模数字，如何用好AI，实现“普”和“适”的平衡，让金融服务回归人的真实需求，才是下一阶段真正的大考。