人工智能进入反洗钱生产环节：约束从检查前移到部署
2026-11-12 00:00:00
本期重点：2026年10月19日，人民银行行长潘功胜在2026金融街论坛年会表示，将继续探索人工智能在辅助开展货币政策形势分析、金融风险识别、支付、征信、反洗钱监管服务等领域的应用，同时指导金融机构防范数据安全、模型应用等风险。同一天，英国金融行为监管局首席数据、信息与情报官杰西卡·鲁苏在伦敦说明，该局正为2028年进入其监管范围的约6万家反洗钱义务机构构建人工智能监管工具，并称该局自身正转向“智能体监管者”。一处把反洗钱写进人工智能应用清单，同时提出防范风险；一处把人工智能嵌入监管机构自身的作业流程。
01 应用端：智能体已进入尽职调查与筛查环节
境外同期的动作集中在筛查与监测两端。菲律宾Security Bank与新加坡金融犯罪科技公司Tookitaki合作部署筛查平台，把制裁筛查覆盖扩大约10倍，延伸至全部相关关联方，用人工智能识别因拼写、语序、语音与书写系统差异产生的变体名称，并支持名单更新后对存量客户反向重筛（10月6日报道）。新加坡金融管理局9月11日宣布测试跨机构人工智能模型，用于实时识别跨多家机构的欺诈支付链，其前提是单个银行看不到支付全链路。哈萨克斯坦央行9月11日披露，人工智能在该国反欺诈中心的应用使可疑交易分析速度提升80倍。
这些材料的落脚点都在环节效率，没有一份涉及结论由谁签发。
02 监管口径：反洗钱进入应用清单，约束与应用同句出现
把反洗钱与支付、征信并列，这项技术不再只是机构端的选择，监管服务一侧也在使用。同一篇演讲里，稳妥推进与防范数据安全、模型应用等风险同时给出，应用与约束一并表述。
8月27日，人民银行副行长陆磊在第十五届中国支付清算论坛提出“智能体支付”概念，并就人工智能代理发起的支付提出四问：是否需要用户明示授权，责任如何归属，清算基础设施如何承载高频小额支付，代理行为数据是否构成新的客户身份识别与可疑交易报告对象。四问的落脚点是责任与可追溯，没有一条落在效率上。
03 部署之前：五条要求分置在三个节点
五条要求分置在三个阶段。场景准入在部署之前，哪些业务可以用模型须先经审批，而不是先上线再报备。人工保留在决策之中，关键环节的结论要有人复核并签署，模型输出只作为输入。数据与日志属于事后可查，训练数据来源须明确边界，运行记录留存不少于5年，为的是在检查或审计时能把一次判断还原出来。
将这五条与第一节的应用对照，变化便清晰了。此前讨论人工智能在反洗钱中的风险，多集中于模型是否准确、数据是否完整；现在的要求是，模型投入使用之前先确定其适用场景与签批主体，给出结论时保留人的判断，运行之后留下可复核的记录。约束的位置从检查环节前移到设计环节。
这五条不是新设的义务，落脚点在《反洗钱法》第二十七条。该条第二款要求金融机构定期评估洗钱风险状况并制定相应的风险管理制度和流程，根据需要建立相关信息系统；第三款要求通过内部审计或者社会审计等方式，监督反洗钱内部控制制度的有效实施。智能体一旦进入监测、名单比对与线索归集环节，它就是第二款所讲的信息系统，上线前的场景审批、运行中的人工保留、运行后的日志留存，都成为第三款要检验的对象。审计因此不必等系统运行一年再评效果，在部署之前即可先行审视其被允许的应用范围。
04 前置难点：可解释性要落在系统结构上
国际清算银行金融稳定研究所所长费尔南多·雷斯托伊9月18日在剑桥大学指出，现有模型风险管理框架多针对相对透明的统计模型，大语言模型等先进模型的有限可解释性，对治理、模型验证与独立审查提出了调整要求。美国金融业监管局在2026年度监管监督报告中把生成式人工智能定性为受监管技术，要求提示词、输出版本、访问控制保持与关键系统同等的合规严谨度与完整日志。
这两处表述指向同一处约束：可解释性不是一份说明文件能够满足的要求，它要求系统在运行时给出评分依据、版本信息与人工干预记录；以文档形式补写的解释，回答不了某一次为什么判为高风险。
05 举证方向：从结论转向过程
国内披露的效率数据同样伴随可复核的要求。山东公安依托省市县三级侦查中心引入人工智能大数据模型，案均研判效率由5至7天缩短至48小时以内；银川公安围绕屏幕共享、应用安装、黄金寄递、远程控制等高危行为搭建38种组合预警模型。效率提高之后，可复核的部分变成规则本身：规则何时新增、阈值何时调整、调整后回溯了哪一段区间。
机构能够出示的举证材料因此分为两层。一层证明结论，说明本笔业务为何被判定为可疑；一层证明过程，说明这条规则为何这样设、何时改过、改后覆盖了哪些存量客户。此前的检查与审计多停在第一层。
06 国际对照：欧盟把约束节点设在投放前，英国把工具交给监管者
第6条第3款设有减损条款，仅执行狭窄程序性任务、不实质影响决策结果的系统可不按高风险处理；同款又写明，系统只要对自然人进行画像，即始终视为高风险。交易监测本身就是对客户交易行为的画像，这一减损路径在反洗钱场景下基本无法适用。按高风险处理时，风险管理、数据治理、日志、人工监督与合格评定都要在投放之前完成。2026年第1744号条例把附件三独立型系统的义务适用日从2026年8月2日推至2027年12月2日，门槛未降，只是留出准备期。
另一侧，监管机构自己成为人工智能的使用者。英国金融行为监管局的监管应用是同类中推进最完整的一例。10月19日，鲁苏在彭博英国政策系列活动上说明该局的安排：为2028年进入其监管范围的约6万家反洗钱义务机构（含法律与会计行业）构建人工智能监管工具；已部署的自动化工具中包括市场第一响应智能体，将用于监管约9000家小型批发市场交易报告机构，目的是把人力释放到更复杂的事项上；该局自身正转向“智能体监管者”。该局8月已上线监管手册应用程序接口，使机构可用自己的人工智能工具读取机器可读的监管规则，目前正研发机器可读的数据采集接口。该局与英格兰银行联合开展的人工智能使用调查显示，86%的金融机构已使用人工智能。
这次演讲的同一天，该局发布的《金融服务中的人工智能：良好与不良实践》围绕消费者结果、问责与治理、运营韧性三条主线提出观察意见，不新增监管要求，但把重大事件报告义务延伸至重大人工智能失效与险兆事件。该文件给出的判断是，智能体系统需要持续且附条件的保证，系统在部署时安全，不等于在规模、压力或底层模型更新后仍然安全。
境内一侧，人工智能在反洗钱监管服务中的应用处于探索阶段，尚未进入同类的工程建设。欧盟将分类管控前置到投放之前，英国把工具交给监管者，境内把要求写进机构的部署环节；三条路径取向并行，不构成因果，也不能相互替代。
07 本期趋势判断
约束从检查环节前移到部署环节。场景审批、人工保留、数据与日志边界分置于上线之前、运行之中与运行之后，三项要求各自对应授权、判断与还原，事后整改难以弥补部署时留下的缺口。
分类依据是用途，不是行业标签。同一套模型用在名单比对与用在额度评估，落入的类别并不相同。欧盟清单把评估信贷资质列为高风险，把反洗钱交易监测留在清单之外，另又排除用于检测金融欺诈的系统。机构在部署前要回答的第一问，是它究竟作出或实质影响了什么决定。
可解释性落在系统结构，不落在说明文档。任务解耦、评分卡与人工复核这类安排，决定系统能否对单笔判断给出评分依据与版本信息，补写的说明回答不了某一次为何判为高风险。
举证材料从结论扩展到过程。反向重筛、决策留痕、失效与险兆报告，把说明本笔为何可疑，扩展为说明规则如何设定、何时调整、覆盖哪些存量客户，后一类材料才经得起监管侧自建筛查。
免责声明：本文由南京审计大学反洗钱研究中心依据公开信息整理，仅供研究与业务交流参考，不构成合规意见、法律意见或投资建议。文中研判为中心依据公开信息所作的独立分析，不替代机构结合自身情形作出的合规判断。所引监管规则、处罚数据与案件事实以监管机构及办案机关的官方发布为准，如与官方口径不一致，以官方口径为准。
