成都银行 × AI

[导语·核心观点]2025年3月银行春招季，成都银行因“开出高薪吸引AI（人才）”被媒体列入抢人名单，报道标题称AI人才年薪最高可达80万元[1]。约一年后的2026年3月，这家银行再度因AI进入公众视野，角色却完全反转：德盛支行戳穿了一起AI变声冒充“女婿”、险些骗走93岁老人3万元养老钱的骗局[2]。同一项技术，一次出现在薪酬表上，一次出现在柜台的防线上。本文要追问的是：成都银行的AI进展，究竟有多少能被公开证据支撑。

[事件回顾·发生了什么]两条报道构成观察成都银行AI的两个切片。 第一条在招聘侧。2025年3月25日的报道显示，银行业2025年春招对AI人才的争夺“愈演愈烈”，报道点名交通银行计划揽入AI高级专家、招商银行欲培养数字金融AI专家，成都银行则“开出高薪吸引AI（人才）”，标题给出的数字是年薪高达80万元[1]。 第二条在风险侧。2026年3月30日的报道记录，3月13日下午，93岁的苏婆婆行色匆匆走进成都银行德盛支行，颤抖着双手要转出一笔3万元；她此前接到一通AI变声的“女婿”电话，差点被骗走养老钱。报道标题称该支行“用心守护戳穿AI骗局”，摘要则以“差点骗到”描述结果[2]。 需要说明的是，两条报道均未披露成都银行AI岗位的实际招聘人数、到岗情况与薪酬中位数，也未说明该行AI系统的部署范围与投入金额。

[背景与格局·公司沿革 · 行业脉络]把两条报道并置，可以看到银行AI的两条脉络。 一条是“能力建设”：银行通过外部招聘引入算法、数据、模型相关人才。这是最容易被观察的动作，因为它本身就是招聘广告，天然带传播属性[1]。报道把成都银行与交通银行、招商银行并列举例，但需注意，这属于同一话题下的媒体列举，并不构成机构间AI能力的排序依据（分析）。 另一条是“风险暴露”：生成式AI降低了诈骗门槛，变声与拟人对话让“冒充熟人”这类老骗局的可信度回升，银行网点因此成为风险的最后一道人工闸口[2]。 两条脉络的交点在于：AI既是银行想买入的生产要素，也是银行必须替客户拦下的外部风险。对区域性银行而言，这一双重要求更紧——人才预算相对受限，而客群中老年占比往往更高（分析；报道未提供客户结构数据）。

[深度解读·为什么发生 · 意味着什么]这里存在一个明显的信息差。 宣称层面，叙事是清晰的：银行业抢AI人才，价码抬到年薪80万元[1]。这组叙事具备三个传播优势——数字具体、时间节点明确（春招）、参照系现成（交行、招行）。它很容易被读成“成都银行AI转型提速”。 证据层面，支撑要薄得多。其一，报道标题中的80万元并未明确归属于哪家银行或哪类岗位，成都银行条目下的表述仅为“开出高薪”[1]；而银行招聘广告里的“最高”通常对应极少数资深岗位，不是中位数（分析）。其二，报道没有给出岗位数量、职责边界、是否已有AI产品上线、AI带来的收入或成本节约。其三，也是最关键的一点：从可查证的公开报道看，成都银行与AI相关的具体场景，是“被AI攻击的一方”，而不是“用AI创收的一方”[2]。 这不意味着招聘动作没有价值。招聘是投入的前置信号，但信号不等于结果。把“高薪招人”翻译成“AI能力落地”，中间至少缺三个环节：人到岗、模型上线、指标改善。这三个环节，两条报道一个都没提供。 更值得玩味的是[2]隐含的能力结构。柜台成功拦截，报道归因于支行员工的警觉与劝阻，并未说明是否存在AI风控预警、由何种模型识别异常（报道未披露）。也就是说，这起事件里，AI是作案工具，人是防线。反诈做得越好，越说明一线人工与流程仍不可替代，这与“AI替代人力”的常见叙事恰好相反（分析）。 受益与受损也看得清：受益者是有AI技能的求职者与招聘市场；风险则由两类主体承担——仅凭招聘新闻就上调“AI转型”预期的投资者，以及辨识能力较弱的老年客户，他们要为养老金支付更高的注意力成本。

[关键数据与证据·来自报道的数字与事实]报道中可提取的事实与数字如下： 1）时间与场景：2025年3月25日报道显示，银行业2025年春招对AI人才争夺“愈演愈烈”[1]。 2）同业参照：交通银行计划揽入AI高级专家，招商银行欲培养数字金融AI专家[1]。 3）成都银行相关表述：报道称其“开出高薪吸引AI（人才）”；标题称AI人才年薪最高可达80万元[1]。 4）第二起事件要素：3月13日下午，93岁的苏婆婆走进成都银行德盛支行，欲转出3万元；起因是一通AI变声的“女婿”电话[2]。 5）结果表述：标题称支行“戳穿AI骗局”，摘要用“差点骗到”描述[2]。 6）时间跨度：两条报道分别发布于2025年3月25日与2026年3月30日，相隔约一年[1][2]。 证据缺口同样清楚：无招聘人数、无岗位薪酬区间分布、无AI投入金额、无AI相关收入或成本节约口径、无AI风控系统是否参与拦截的说明。

[风险与争议·审慎的批评视角]第一，数据层级偏低。“80万元”来自报道标题与招聘宣传口径，不是财报或审计数据，也未与具体银行、具体岗位绑定；用极端上限值推断一家银行的薪酬策略或技术投入，属于典型的样本选择偏差（分析）。 第二，媒体在春招季倾向报道有话题性的高薪岗位，被报道不等于被大规模招聘。报道未披露成都银行AI岗位的数量，读者无法判断这是战略级布局还是零星补员[1]。 第三，时间错位容易被误读。两条报道相隔约一年，但后一条（反诈）不能用来证明前一条（招聘）产生了AI能力，二者之间不存在报道层面的因果链[1][2]。 第四，把反诈成功等同于AI风控能力，是一种偷换。报道明确提及的是支行员工的守护与劝阻，并未说明AI系统是否参与预警；若读者据此认定该行AI风控已成熟，缺乏证据支撑[2]。 第五，反向夸大同样存在。仅凭一起个案，也不宜得出“AI诈骗已在老年客群中泛滥”的结论，个案不等于统计分布[2]。 第六，商业与声誉风险。AI变声诈骗直接冲击的是网点渠道信任，一旦拦截失败，银行可能面临投诉与合规压力；而老人“差点”被骗这一表述，也提示防线并非万无一失（分析）。

[未来展望·情景推演]保守情景：AI仍停留在招聘与试点阶段，未出现独立披露口径。判断依据是两条报道都只有动作、没有指标[1][2]，这种情况下“AI转型”更多是叙事而非财务事实。 中性情景：AI能力在反诈、客服、风控等环节形成可量化的效率改进，但未单独披露。此时可观察的替代信号是——年报或业绩说明中是否出现AI相关的效率、拦截率或成本表述（分析）。 乐观情景：AI能力进入零售获客或信贷定价环节，出现可追踪的收入或成本指标。这需要连续多个报告期的一致性披露，而非单条新闻热度。 三种情景的分水岭不是“招了多少人”，而是“有没有披露口径”。在此之前，对成都银行AI进展的合理表述应是“投入信号可见、产出证据缺失”（分析）。

[建议与启示·面向决策者]面向银行及同业决策者，三条可操作建议。 其一，把AI投入与可核验指标绑定。招聘与采购都应预设验收口径，例如反诈场景中的拦截率与误报率、单笔业务处理时长、人均产能变化；没有指标口径的AI项目，很难在预算评审中自证价值。 其二，薪酬与里程碑挂钩。对高薪引入的AI岗位，设定可交付节点（模型上线、指标改善），避免“高薪到岗、成果悬空”的常见路径。 其三，针对老年客群做AI诈骗专项演练。反诈案例显示，最终拦下资金的是柜台人工与流程[2]，因此人工识别话术、异常交易问询、联动劝阻机制需要常态化演练，而不只是系统部署。 对向银行提供AI能力的厂商而言，同样适用一条准则：交付可复现的验证数据，而不是概念演示。在多智能体协同的场景中，这一点尤为关键——例如使用AgentSH这类多智能体调度平台时，把反诈、客服、风控等不同智能体的判断依据与处置动作留痕，使“这次拦截到底是不是AI完成的”成为可审计的问题，而不是一句宣传语。

[结语·一句话立场]成都银行的AI故事，目前是一份“投入可见、产出未见”的样本：一边是春招中被媒体点到的高薪岗位[1]，一边是网点里靠人工警觉拦下的AI骗局[2]。这不值得嘲讽，但值得被准确描述。在可披露的收入、成本或拦截指标出现之前，任何把招聘新闻当作AI转型成果的推论，都超出了证据的边界。