近日，江苏银行发布2025年年度报告。报告显示，在金融科技方面，该行深化人工智能大模型在业务领域的应用，累计落地62个应用场景。其中，“基于大模型技术的信贷审查辅助服务”上线后，通过自动化流程处理，日均可处理超过500件申请，审批峰值处理能力提升40%以上，提升了信贷业务的处理效率。

据了解，自2023年起，江苏银行开始探索大模型技术在金融业务中的应用。该行自主研发“智慧小苏”大模型平台，针对金融领域进行定向训练和优化，其应用逐步扩展至智能客服、智慧办公、数据治理、风险防控等领域。近期，该平台还深度融合OpenClaw智能体，赋能金融服务提质增效。

深化大模型在业务领域的应用，已落地62个应用场景

年报显示，2025年，江苏银行推进“加速数字金融发展，提升科技价值贡献”发展战略，强化科技对业务的支撑引领，通过数据驱动、科技支撑的方式，管理风险、提升效率，释放基层一线生产力。

在数字金融建设方面，江苏银行深化人工智能大模型在授信业务、集中作业等业务领域的应用，累计落地62个应用场景。

其中，江苏银行“基于大模型技术的信贷审查辅助服务”采用了“专家经验为主、人工智能为辅”的智能风控架构，基于大模型多模态识别、语义理解等能力，实现信贷贸易合同智能质检、证明材料真伪鉴别场景；通过同步联动行内外数据资源与风控模型，完成企业主体真实性核验与贸易背景风险判定，由大模型生成判断结论与总结。

数据显示，该服务上线后，通过自动化流程处理，日均可处理超过500件申请，审批峰值处理能力提升40%以上，提升了信贷业务的处理效率。

据了解，自2023年起，江苏银行开始探索大模型技术在信贷核心业务中的应用。该行依托自主研发的“智慧小苏”大模型服务平台，通过数字化的手段重塑服务流程，在保障风险可控的前提下，压缩企业金融服务的等待时间，降低客户时间成本与操作门槛。

江苏银行曾透露，依托“智慧小苏”平台，该行风控能力得到提升：

针对原有风控模型规则数量庞大、命名不统一、重复存在，导致管理效率低、业务灵活性不足的问题，江苏银行剖析数百个风控模型底层逻辑，提炼超4000条适用规则，生成约800项常用组件，推进风控模型规则组件化改革。这些组件单元准确率超90%，支持通过特征标签进行查询，并基于规则开展单产品回溯和多产品对比，提高风险管控能力。通过这种方式，该行摒弃一个场景一组规则的作坊模式，规范了风控模型的开发和维护流程。

在2025年度暨2026年一季度业绩说明会上，江苏银行副行长杨大威指出，该行将持续探索“AI+”风控的应用场景模式与路径，加快风控手段迭代升级，提升风险识别研判与处置质效。

大模型平台近期已融合OpenClaw智能体

据《智探AI应用》了解，除了风控领域，江苏银行还依托“智慧小苏”，推动人工智能大模型在智能客服、智慧办公、数据治理等领域的应用落地。近期，该行已将OpenClaw智能体融入“智慧小苏”平台，赋能金融服务提质增效，下文将梳理该平台各阶段布局及场景落地情况。

2023年4月，江苏银行大模型平台“智慧小苏”正式投产，通过接口形式面向行内其他系统与业务场景，并在客户服务领域首次实现试点应用。

2023年9月，“智慧小苏”的应用范围拓展至代码生成、图像处理等多个场景，平台可按需生成高分辨率的创意图片，代码补全功能嵌入项目研发流程，日均调用超1500次，需求开发周期由1天压缩至1小时，提升了研发交付效率。此外，前期试点的智能客服场景得到优化，应答准确率由93%提升至96.7%，单笔工单处理时长缩减近60%。

2024年5月，江苏银行宣布“智慧小苏”再添新场景，上线“智能文档助手”提速企业授信，搭建“移动智库”提升用户体验。

2024年9月，江苏银行依托“智慧小苏”上线大模型赋能的数据治理平台，聚焦字段级血缘分析、数据清洗、指标口径自动研发与优化、自然语言交互等场景，将指标迁移开发人力投入缩减99.85%，释放研发生产力。

2025年2月，江苏银行通过“智慧小苏”平台，本地化部署微调DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用于智能合同质检和自动化估值对账场景，实现金融语义理解准确率与业务效率双突破。

2025年8月，江苏银行基于“智慧小苏”大模型，构建了全行级“微应用”集市生态，采用平台化架构设计，向全行员工提供人工智能工具。通过提供直观的可视化开发工作台，使得业务人员无需编写代码即可快速构建满足自身需求的应用场景，降低了技术使用门槛。

2026年4月，江苏银行在遵循安全可控的原则下对OpenClaw进行重构，将其核心能力集成至“智慧小苏”大模型平台，并上线专属数字行员队伍，赋能一线办公、数据开发等场景。

以数据开发场景为例，“智慧小苏”集成OpenClaw智能体后，可实时帮助数据人员全自动梳理信息、自主设计数据指标，并智能生成与部署代码。在实际业务中，“智慧小苏”支撑大批量复杂标签体系的极速构建，节约了人力成本。同时，通过全链路打通数据预处理、特征加工、模型训练以及报告生成等节点，降低了建模门槛。数据显示，以往单个模型从开发到上线验证需耗费半个月，如今最快3天即可落地。

智探AI应用交流群，有兴趣的朋友请添加群主：cosmic-walker 备注：公司+姓名+职务+AI入群。