受访英国金融机构的AI使用率已达86%,但最关键的数字藏在这一标题之下:第三方如今提供了一半以上的高重要性系统,而对它们的监督是机构最常提及的治理难题。
执行摘要
- 86%的受访机构表示正在使用AI,高于2024年的75%。生成式AI占已申报系统的56%。
- 约7%的已申报系统被评估为高重要性,低于2024年的16%,但2026年高重要性系统的绝对数量更多。
- 第三方实施占高重要性系统的53%,高于2024年的35%。前三大云/算力提供商占已申报云/算力合作关系的79%。
- 80%的受访机构已部署AI智能体,但仅2%表示部署了具有广泛自主权的智能体。
- 受访机构预计所有类别的收益和风险都将上升,网络风险放大和关键第三方依赖被评为首要系统性风险。
- 对第三方AI系统的监督是最常被报告的治理难题。
这项调查是什么,又不是什么 #
该出版物是英格兰银行与FCA(英国金融行为监管局)针对英国金融服务业AI和机器学习开展的第四次调查,是对调查结果汇总数据的描述性总结。在据此得出任何结论之前,都值得记住这一定位。调查结论是来自参与机构的证据,而非对整个英国金融业AI应用的完整评估。下文任何内容都不应被当作普查结果。
调查共收到196份回复:大型机构101家,小型机构95家。员工少于100人的机构首次可以选择较短的问卷,105家受访机构完成了完整问卷。除非另有说明,报告中的数据均基于完整问卷的回复,以便与往期调查比较。百分比仅按各题的有效回复计算,因此未回答某题的机构不计入该题的分母。国际银行和经纪交易商的回复针对其英国业务。
2026年调查保留了往期的核心问题以保持连续性,同时新增或修订了部分问题,以反映2024年以来AI应用和能力的发展。正因如此,报告可以在应用率、重要性和第三方占比上将2026年与2024年的数据对比;也正因如此,报告要求读者在问卷措辞、定义、范围或受访群体存在差异时,谨慎解读与2024年的比较。部分主题,例如关于前沿AI与网络风险的简短附录,根本没有2024年的对照数据。
这些限定之所以重要,是因为下文若干最醒目的数字是占比中的占比。忽视分母的读者,会把构成的变化误当成数量的变化。调查本身就提供了这一陷阱的典型例子,我们稍后会谈到。
应用近乎普及,生成式AI占主导 #
先看核心结论。86%的受访机构表示正在使用AI,高于2024年的75%。这一数字涵盖完整问卷和简式问卷,报告本身也提醒,2026年和2024年的百分比并非针对同一机构群体,比较时应谨慎。机构越来越多地报告使用生成式AI、AI智能体以及第三方实施的AI系统,这三条主线贯穿调查的其余所有内容。
生成式AI占全部已申报AI系统的56%。报告用来对比的是基础模型,2024年基础模型占已申报AI用例的17%。报告表示这两种口径不能直接比较,因此把它称为某一项技术激增39个百分点是错误的;用报告的话说,两者合起来表明,自2024年以来机构报告的通用能力使用大幅增加。
AI在机构内部处于什么位置?运营与IT约占全部已申报AI系统的31%,高于2024年的约22%,其他任何单一领域的占比都不超过11%。集中度相当惊人。面向客户和前台的用例吸引了大部分公众注意力,但已申报系统中最大的单一板块却位于业务的基础管道之中。小型机构部分的一项相关数据指向同一方向:在简式问卷受访者中,运营是当前或计划中AI用途最常提及的领域,占64%。
感知收益与这一图景相吻合。运营效率、自动化和生产力是当前AI感知收益评分最高的领域。从机构的报告来看,它们使用AI主要是为了让自身运转得更高效。
应用的分布也不均衡。近一半机构报告的AI系统不超过十个,而申报系统最多的十家机构占全部已申报AI系统的43%。因此,86%这一数字描述的是使用的广度,而非深度。少数机构承担了总量中的很大份额,大量机构只运行着寥寥几个系统。小型机构同样参与其中:73%的简式问卷受访者表示正在使用AI,其中58%表示主要使用通用大语言模型。
重要性之谜 #
这就是前文提到的陷阱。约7%的已申报AI系统被受访机构评估为高重要性,而2024年为16%。乍一看,这似乎意味着AI对机构变得不那么重要,或风险降低了。
事实并非如此。2026年申报的高重要性AI系统绝对数量多于2024年。占比下降,是因为总量的增速快于高重要性子集。随着机构部署更多系统,新增部分大多被评估为较低重要性,这稀释了百分比,而高重要性系统的数量仍在上升。这些系统同样高度集中:十家机构占全部已申报高重要性AI系统的62%。
对于任何仅凭百分比来论证治理问题的人,这是一剂有益的纠偏。高重要性系统占比下降,并不能让负责这些系统的人在工作量上感到宽慰。需要监督的系统比2024年更多了。
重要系统从何而来 #
调查中影响最深远的结果,是谁在构建和运行最重要的系统。第三方实施占全部已申报AI系统的39%,高于2024年的33%和2022年的17%。这是稳步上升。高重要性系统中的变化则剧烈得多:第三方实施占其中的53%,高于2024年的35%。
因此,就已申报系统整体而言,机构认为最重要的系统如今更可能来自外部。在一旦失败损失最大的类别中,两年上升18个百分点,这是数据中最清晰的信号。结合上文的重要性发现,图景是:重要系统的数量在增长,而其中多数并非机构自建。
提供商的集中度让问题更加突出。三大云与算力提供商占全部已申报云/算力合作关系的79%,98%的受访机构表示使用其中之一。模型API与托管服务同样集中,但程度较低:三大提供商占已申报合作关系的54%,且前三大云/算力提供商全部位列模型API/托管提供商前五。机构也许拥有众多AI系统,但其底层的基础设施和模型都依赖于一小批供应商。
可替代性是更棘手的问题。在已申报的169项不同的云与算力合作关系中,37%被认定为既高度关键又难以替代,而其中只有35%测试过退出计划。在226项模型API/托管合作关系中,高度关键且难以替代的占比为14%。只有27%的机构报告对第三方AI提出了强化的运营韧性要求,例如联合事件测试或退出规划。
受访机构自己提出了这一担忧的系统性版本:网络风险放大和关键第三方依赖是当前和未来三年评级最高的两项系统性风险,受访机构预计随着AI使用日益普及,这两项风险将加剧。将关键第三方依赖评为高度或严重关注的比例,从当前的40%升至未来一到三年的63%。这一预期是受访机构的预测,并非观察到的结果,但供应商集中度数据为其提供了明显的依据。
机构并非没有意识到这一制约。40%的受访机构认为信息安全和运营韧性方面的顾虑是第三方AI应用的主要制约,其次是对第三方AI系统透明度有限(训练数据、模型设计、性能局限、失效模式),占34%。若将主要制约和中度制约合并计算,难以谈判合同保护条款是第二常被提及的难题。综合来看,这些数据描绘出的是:机构高度依赖外部提供商,同时又表示自己并不总能看清其内部。
智能体:部署广泛,主要扮演辅助角色 #
智能体的数字需要仔细解读,因为标题和实质指向不同方向。80%的受访机构表示已部署AI智能体,另有14%表示计划在未来12个月内部署。照此计算,既未部署也无计划的只剩一小部分。
但要看智能体做了什么。80%的受访机构表示在生产环境中部署了提供决策支持的智能体,其定义是AI智能体建议行动,由人来决策和执行。46%表示部署了受限执行型智能体,在预定义的限额和规则内行动;22%表示部署了有条件自主型智能体。仅2%表示部署了具有广泛自主权的智能体。主流模式是智能体提供建议,或在严格限制内行动。
客户沟通是界线开始移动的地方。16%表示当前使用智能体进行自动化客户沟通,计入计划中的部署后升至34%。如果机构兑现计划,这一比例将翻一倍多,但计划终究只是计划,调查无法告诉我们有多少会落地。相比之下,即便计入计划中的部署,预计让智能体批准或拒绝客户结果、执行交易或下单、发起、执行或拦截支付、或修改限额、阈值与控制措施的受访机构也不超过9%。
我的解读是,2%是更说明问题的数字,比80%更值得关注。部署一个提出建议并等待人来决定的智能体,只是一小步。部署一个具有广泛自主权的智能体,则改变了由谁对结果负责。到目前为止,机构愿意广泛迈出第一步,却几乎完全没有迈出第二步。客户沟通方面的计划是否预示着这一姿态开始转变,是数据中较值得关注的悬而未决的问题之一。
收益与风险预计双双上升 #
受访机构并不把AI视为单边押注。他们预计未来三年所有领域的收益都将增加,预期增幅最大的是网络安全与运营韧性,以及创收与竞争定位。这些是预期,调查也如此呈现。目前,所列收益中没有一项被普遍认为超过中等规模。
风险一侧在方向上同样一致。当前机构对AI感知风险评级最高的领域是数据保护与安全、第三方与供应链风险,以及生成式AI特有的风险。受访机构预计未来一到三年所有类别的风险水平都将上升,尽管平均而言,他们在2026年对风险严重程度的评级低于2024年。
原文以平衡的措辞概括了整体图景。这些发展可能带来更高效率、更好的决策支持和更强的风险管理等收益,也可能产生或放大与治理、运营韧性、数据保护、消费者结果、第三方依赖和金融稳定相关的风险。留有余地的措辞出自原文,这样做也是恰当的;调查衡量的是认知和所报告的实践,而非已实现的收益或损失。
有一组结果涉及前沿AI与网络能力。88%的受访机构评估认为,未来两年不断演进的前沿AI网络能力将对本机构的风险状况产生中等或重大影响。这是一项前瞻性评估,而非实测效果,不过已有19%的受访机构指出,供应链或第三方攻击有效性的提升,是前沿AI当前构成最大风险的途径。机构已经采取了哪些应对措施则更易核实:64%的受访机构选择了漏洞管理和补丁更新节奏,作为因认识到前沿AI而获得管理层关注增幅最大的网络韧性领域。
制约:实际层面多于监管层面 #
如果你以为监管会位居障碍榜首,调查给出的答案要更细致。最常被提及的非监管制约是难以将AI融入现有业务流程和决策,以及遗留系统或基础设施,分别被23%和22%的受访机构认定为重大制约。这些比例不高,表明没有哪一项非监管障碍占据主导,但它们都是寻常的工程和组织问题,而非罕见难题。
在监管方面,最常被提及的感知制约是英国数据保护和隐私规定以及国际监管,分别有42%和29%的受访机构认为其带来了较高的合规负担。28%表示没有监管制约。
小型机构呈现类似模式:30%的简式问卷受访者将数据保护、保密性和IT方面的考量列为制约。数据保护同时出现在风险评级、监管负担数据和小型机构制约之中。如果说除第三方之外还有一个主题贯穿调查的各个部分,那就是它。
治理:纸面上全面,部署后较弱 #
正式架构几乎全面覆盖。94%的受访机构表示已制定全公司层面的AI政策、原则或标准,84%表示设有集中的AI/模型风险治理机构。在数据风险控制措施中,人工审批、部署前审查和供应商尽职调查各自被90%以上的受访机构报告采用。
再对比一下上线后适用的控制措施。持续监控、泄露测试以及定期复核或重新认证,各自只有约一半的受访机构报告采用。反差一目了然。在部署前或部署时由人签字确认的数据风险控制措施几乎全覆盖;而部署后持续发挥作用的控制措施,只有大约一半机构报告采用。
我认为这是治理方面的核心发现,并且与第三方问题直接相关。调查显示了机构对自建和外购系统的理解程度差异有多大。对于高重要性系统,77%的受访机构表示依靠对内部自研系统的深入了解,而对第三方系统这一比例为24%;对于第三方系统,81%转而依赖供应商保证和合同安排。对于外购而非自建的系统,部署前审查和供应商尽职调查是显而易见的抓手。监控和重新认证则依赖于对系统的可见性,而34%的受访机构已将第三方AI系统透明度有限列为制约。调查并未陈述这一因果关系,数据也无法证明它,但这些拼图契合得令人不安。
机构自己也是这么说的。对第三方AI系统的监督是最常被报告的治理不确定性或实施难题。54%的受访机构选择了将模型风险管理原则应用于第三方或供应商提供的模型,49%选择了监督由第三方提供或受第三方实质影响的系统。也就是说,大约一半的机构报告在将模型风险管理原则应用于供应商提供的模型方面存在困难,另有大约一半在监督由第三方提供或受其实质影响的系统方面存在困难。
把三条线索并排来看。第三方提供了多数高重要性系统。少数几家提供商主导着底层合作关系。而机构自身的治理在入口处很强,在持续监督上较弱,第三方情形被标记为最难的一环。这不是在批评任何一家机构,而是在描述所报告的投入所在之处与所报告的风险敞口所在之处之间的错位。
可以得出什么 #
对技术负责人而言,务实的解读是:至少在这一样本中,对于重要系统,外购已超过自建,53%的高重要性系统是第三方实施。因此,工程投入将转向围绕一个你无法控制的系统能做些什么:合同层面的透明度、边界处的测试,以及不依赖内部访问权限的监控。调查并未规定其中任何一项,也不应把它们误当作调查结论。它们是这些数字所引出的问题。
对向金融服务业销售AI的创业者而言,数据揭示了摩擦将出现在哪里。受访机构将信息安全和运营韧性方面的顾虑(40%)以及透明度有限(34%)列为第三方AI应用的主要制约。能直接回应这两项顾虑的供应商,解决的正是相当一部分受访机构所说的阻碍。而且,由于超过90%的受访机构将供应商尽职调查作为数据风险控制措施,供应商应做好接受审查的准备。
对于那些想把86%的应用率解读为最难阶段已经过去的人,调查给出了更冷静的看法。应用很广泛,但少数机构承担了大部分系统,智能体主要扮演辅助角色,而受访机构预计未来一到三年每一类风险都将上升。受访机构也预计每个领域的收益都会增加,因此无论乐观还是谨慎,都无法独占证据。
开篇的限定依然适用。这是对196家受访机构的描述性总结,其中只有105家完成了完整问卷,并非对英国金融业的完整评估。在这些限度之内,规律足够一致,具有参考价值:机构认为最重要的系统越来越多地来自外部,而它们所报告的监督,恰恰在依赖最深之处最为薄弱。
数据提出却无法回答的问题,是自主权边界处会发生什么。34%的受访机构正在使用或计划使用智能体进行自动化客户沟通,而目前部署了具有广泛自主权智能体的仅有2%。下一轮调查将显示:当智能体背后的系统多半由他人提供时,智能体是否仍会停留在辅助角色。
常见问题 #
英格兰银行与FCA关于英国金融服务业AI的调查是什么? 这是针对英国金融服务业人工智能和机器学习的第四次联合调查,此前三次分别于2019年、2022年和2024年开展。2026年版共收到196份回复,其中105份为完整问卷。作者将其定位为对参与机构证据的描述性总结,而非对英国金融业的完整评估。
机构的AI有多少来自第三方? 2026年,第三方实施占全部已申报AI系统的39%,高于2024年的33%和2022年的17%。在高重要性系统中,这一比例为53%,高于2024年的35%。
AI提供商的集中度有多高? 三大云与算力提供商占已申报云/算力合作关系的79%,98%的受访机构使用其中之一。三大模型API/托管提供商占该类别已申报合作关系的54%。在已申报的169项云与算力合作关系中,37%被认定为既高度关键又难以替代,而其中只有35%测试过退出计划。
机构在第三方AI方面报告了哪些治理难题? 对第三方AI系统的监督是最常被报告的治理不确定性或实施难题。54%的受访机构选择了将模型风险管理原则应用于第三方或供应商提供的模型,49%选择了监督由第三方提供或受第三方实质影响的系统。对于第三方高重要性系统,81%依赖供应商保证和合同安排,只有24%表示对该系统有深入了解。
英国金融机构中的AI智能体是否在自主行动? 很少。80%的受访机构表示已部署AI智能体,80%表示在生产环境中部署了用于决策支持的智能体,即由智能体建议行动,由人来决策和执行。仅2%表示部署了具有广泛自主权的智能体;即便计入计划,预计让智能体批准或拒绝客户结果、执行交易或下单、发起、执行或拦截支付、或修改限额的也不超过9%。
参考文献 #
- 英格兰银行与英国金融行为监管局,(2026). 英国金融服务业中的人工智能(2026年) ⧉. 英格兰银行。
- 英格兰银行与英国金融行为监管局,(2024). 英国金融服务业中的人工智能(2024年) ⧉. 英格兰银行。
- 英格兰银行、审慎监管局与英国金融行为监管局,(2022). DP5/22:人工智能与机器学习 ⧉. 英格兰银行。
- 英格兰银行、审慎监管局与英国金融行为监管局,(2023). FS2/23:人工智能与机器学习 ⧉. 英格兰银行。
最近审阅 .
转载本文
复制 Medium 格式
# 第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/](https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/) 在受访英国金融机构中,第三方提供了53%的高重要性AI系统,而对这些系统的监督是机构最常提及的治理难题。本文解读英格兰银行与FCA 2026年调查。 Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/
复制 Mastodon 格式
第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau 在受访英国金融机构中,第三方提供了53%的高重要性AI系统,而对这些系统的监督是机构最常提及的治理难题。本文解读英格兰银行与FCA 2026年调查。 https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/
复制 LinkedIn 格式
第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau 在受访英国金融机构中,第三方提供了53%的高重要性AI系统,而对这些系统的监督是机构最常提及的治理难题。本文解读英格兰银行与FCA 2026年调查。. 以下是关键战略要点: - 这项调查是什么,又不是什么. 该出版物是英格兰银行与FCA(英国金融行为监管局)针对英国金融服务业AI和机器学习开展的第四次调查,是对调查结果汇总数据的描述性总结。在据此得出任何结论之前,都值得记住这一定位。调查结论是来自参与机构的证据,而非对整个英国金融业AI应用的完整评估。下文任何内容都不应被当作普查结果。. - 应用近乎普及,生成式AI占主导. 先看核心结论。86%的受访机构表示正在使用AI,高于2024年的75%。这一数字涵盖完整问卷和简式问卷,报告本身也提醒,2026年和2024年的百分比并非针对同一机构群体,比较时应谨慎。机构越来越多地报告使用生成式AI、AI智能体以及第三方实施的AI系统,这三条主线贯穿调查的其余所有内容。. - 重要性之谜. 这就是前文提到的陷阱。约7%的已申报AI系统被受访机构评估为高重要性,而2024年为16%。乍一看,这似乎意味着AI对机构变得不那么重要,或风险降低了。. - 重要系统从何而来. 调查中影响最深远的结果,是谁在构建和运行最重要的系统。第三方实施占全部已申报AI系统的39%,高于2024年的33%和2022年的17%。这是稳步上升。高重要性系统中的变化则剧烈得多:第三方实施占其中的53%,高于2024年的35%。. 贵组织如何应对本文所述的挑战? → https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/ #第三方ai风险 #Ai治理 #英格兰银行 #BankOfEngland #Fca Sebastien Rousseau | CC-BY-4.0
引用本文
第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau
在受访英国金融机构中,第三方提供了53%的高重要性AI系统,而对这些系统的监督是机构最常提及的治理难题。本文解读英格兰银行与FCA 2026年调查。
BibTeX
@online{rousseau2026第三方ai已成为英国金融机构的核心治理难题,
author = {Rousseau, Sebastien},
title = {{第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - 第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/ ER -
Vancouver
Rousseau S. 第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 21. Available from: https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/
Chicago
Rousseau, Sebastien. "第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau." sebastienrousseau.com. November 21, 2026. https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/.
APA
Rousseau, S. (2026, November 21). 第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/
重新发布本文
第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau
在受访英国金融机构中,第三方提供了53%的高重要性AI系统,而对这些系统的监督是机构最常提及的治理难题。本文解读英格兰银行与FCA 2026年调查。
本文采用以下许可协议 Creative Commons Attribution 4.0 International. 重新发布需注明原始 URL 出处。
第三方AI已成为英国金融机构的核心治理难题 — Sebastien Rousseau 在受访英国金融机构中,第三方提供了53%的高重要性AI系统,而对这些系统的监督是机构最常提及的治理难题。本文解读英格兰银行与FCA 2026年调查。 Originally published at https://sebastienrousseau.com/zh-hans/2026-11-21-disanfang-ai-yi-chengwei-yingguo-jinrong/ by Sebastien Rousseau. Licensed under CC-BY-4.0.
