2025 年 10 月，金融稳定理事会（FSB）发布题为《金融部门 AI 采用及相关风险监测》的报告，为各国监管机构监测金融机构的 AI 采用情况、风险管理实践与潜在脆弱性提供建议。

为什么金融业需要专门的 AI 风险监测

金融业对 AI 的采用具有三个特征：渗透快、链条长、外部性强。

渗透快意味着风险暴露的累积速度超过传统监管节奏；链条长意味着模型风险、数据风险、网络安全风险与第三方依赖风险相互交织；外部性强意味着单家机构的风险可能通过同业与市场传导放大。

因此，监管机构需要的不是对 AI 的静态规则，而是一套持续监测的方法——这也是本报告的重点。

报告关注的风险维度

模型风险。 包括模型偏差、可解释性不足、模型漂移以及模型在极端市场条件下的行为不确定性。

数据风险。 包括数据质量、数据来源合规性，以及训练数据与业务数据混用带来的隐私与安全风险。

网络安全与第三方依赖。 金融机构大量依赖外部模型供应商与云服务，供应链集中度本身构成系统性风险。

治理与问责。 谁对 AI 决策负责、董事会如何监督管理层的 AI 采用、风险管理部门是否有能力评估 AI 系统。

软法为什么有实际约束力

FSB 报告不具法律强制力，但其约束路径清晰：监管机构会据此调整监管预期与检查重点，金融机构会将报告建议纳入内部治理与报送口径，同业实践会形成事实标准。参见金融 AI 安全指引。

对面向金融机构提供 AI 服务的供应商而言，这意味着客户的安全评估问卷会越来越细，尤其在模型可解释性、第三方依赖与事故响应方面。

企业的应对方向

其一，把 AI 风险纳入既有的风险治理框架，而非另设独立的 AI 合规体系。参见AI 安全治理框架的三层结构。

其二，建立模型台账与模型风险管理流程，覆盖开发、验证、上线、监测与退役。参见算法备案全流程操作指南。

其三，关注供应链集中度风险，避免对单一模型供应商或云服务的过度依赖。参见G7 网络专家组的 AI 供应链建议。

其四，准备面向监管报送的数据能力，把 AI 采用情况与风险指标纳入可提取、可核验的数据结构。参见多法域 AI 合规的协调框架。

金融 AI 的监管正在从「是否允许使用」转向「如何使用、如何监测」。对企业而言，可监测性将成为合规能力的核心指标之一。

本文依据金融稳定理事会《金融部门 AI 采用及相关风险监测》报告及公开信息编写，仅供参考，不构成法律意见。