2026 年 6 月 18 日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，面向开发应用人工智能的银行业保险业金融机构，对 AI 安全开发应用提出系统要求。

为什么金融行业先出细则

金融行业是 AI 应用最密集、风险最敏感的行业之一。信贷风控、投顾、客服、反欺诈等场景大量引入模型，而金融业务的特殊性——涉及资金安全、消费者权益、系统性风险——决定了它不能仅靠通用规则来约束。

因此，在网信部门的通用治理框架之外，行业监管部门出台了更贴合金融业务的细则。这是"通用规则 + 行业细则"双层结构在 AI 领域的又一次体现。类似的行业化路径，此前也出现在人社、交通运输等领域。

指导意见的几个支点

第一是"全生命周期管理体系"。指导意见要求建立健全人工智能应用的全生命周期管理体系，意味着管理不只覆盖上线环节，而是贯穿设计、开发、测试、部署、运行、退出的全过程。这与人工智能安全治理框架解读中强调的风险管理理念一致。

第二是"高风险应用准入管理"。指导意见提出强化高风险应用的准入管理，即对不同风险等级的 AI 应用采取差异化管控。高风险场景需要更严格的评估与审批，而非"一视同仁地上线"。

第三是"数据安全与个人信息保护"。金融业务天然处理大量个人信息与敏感数据，指导意见对此作出专门要求。金融机构往往同时构成大型个人信息处理者，相关义务可参见大型个人信息处理者新义务。

第四是消费者权益保护与适当性管理。AI 在投顾、营销等场景的应用，需要防止误导性输出、不当推荐，这与金融消费者保护的要求相衔接。

对金融机构的落地含义

一是把 AI 治理嵌入既有风控体系。金融机构已有成熟的风险管理与内控机制，AI 治理应当嫁接其上，而不是另起一套。

二是建立风险分级与准入清单。明确哪些 AI 应用属于高风险，对应的评估、审批与监控要求是什么，形成可执行的清单。

三是打通模型输出与合规审查。AI 输出的内容是否合规、是否可解释、是否留痕，需要纳入日常监控。

四是数据合规要具体到场景。训练数据、推理数据、客户数据的使用边界不同，需按场景逐一厘清，相关边界可参见AI 企业数据合规。

对 AI 服务商的意义

指导意见约束的是金融机构，但其影响会传导到为金融机构提供 AI 服务的科技公司。作为供应商，你需要证明自己的产品满足客户的合规要求——模型可解释性、数据来源合规、安全评估材料、退出机制等，都可能成为采购与准入条件。

这意味着 AI 服务商在与金融机构合作时，应提前准备合规材料包，把安全评估、数据合规与知识产权安排做成可交付的文档。需要就金融 AI 安全评估、数据合规与供应商合规材料获得支持的，可参见数据合规服务与商业合同服务。

本文依据国家金融监督管理总局 2026 年 6 月 18 日发布的《关于银行业保险业人工智能安全开发应用的指导意见》公开信息编写，仅供参考，不构成法律意见。