今天上午，珠海，湿热。自己有幸受邀参与"2026金融行业互换会"。台上换了好几拨人，多是几家国有大杏注头部城商行科技部的专家。说起把AI用在研发上——写代码、做工程、提效能，个个英姿飒爽，卯足了劲要大展拳脚；可一谈到把AI真正用进业务、持续创造业务价值，话就软了下来，总有点隔靴搔痒、力不从心。

这个落差，整场都在。

科技在自己的地皮如鱼得水，
一际遇业务就使不上劲——

科技和业务，还没真正站到一路。

这句话，今天上午我听了不止一回。分歧的机构、分歧的切入，讲到业务落地的真问题，都率直绕回它。能把这路坎当多放开来讲，自身就注明这个行业在当真往前走。

散会打开近半年的客户访谈笔记。我们跟六十多家金融机构深度互换过，九成以上，记的都是统一句。

—— 两个"对称"的误会

这锅，甩给科技不相宜，甩给业务也不相宜。双方都很拼，本事也都硬，只是劲儿没往一处使。再往下看，根子上藏着两个对称的误会——这两个坑，险些家家都得趟一遍。

先说业务这边。此刻盛行一个词叫vibe coding——把你想做什么通知大模型，它分分钟就能给你写出一个能点、能跳的界面？瓷先ナ裁炊加，甚至比好多正式产品还好看？醋畔衽芡，产品不就成了?

可跑通的只是个demo。从一个demo，到一套银行敢用、经得起审计的系统，中央还隔着十几层工程：权限、安全、行级权限、限流、监控、回滚、审计合规。这些，在业务那份美丽PPT上看不到全貌，全靠科技在底下一层层默默撑着：监管来查，AI给的每一笔判断，都得说得明显凭据是什么、凭什么这么定；分歧岗位能看到哪些客户信息，得卡得死死的，半点越不了权；几万人统一功夫涌进来，系统不能卡、不能崩。一个能点的原型背后，藏着这么多看不见的活。

再说科技这边。不少人感触，不懂业务也不要紧——我跟大模型多聊几轮，把业务怎么做的讲明显，它就能助我天生一个agent，看着挺像回事。

还有一种更危险的设法：把老系统的代码丢给大模型，让它逆向学一遍，业务逻辑不就还原出来了?听着很美，但想想就知路有多不靠谱——若是老系统里真把业务全装下了，那从前这些年，银行为什么还必要业务人员?太多"业务判断"，别说不在系统里，连文德凤都找不到，还装在老专家脑子里：哪些客户催得、哪些不能催，这笔贷款表表合规但感触不合劲，那个产品组合看着没问题但上次出过事——这些器材，代码里一行都没有。

可"看着挺像回事"和"真能做业务"之间，差着十万八千里。举个例子：一个理财经理给客户推产品，真正靠的不是话术模板，而是他知路这个客户上次买了什么亏了、这次心态偏守旧、这个月刚还完房贷手头紧——这些判断，没有一条写在文德凤，满是在一线磨出来的。技术要真有这种判断力，底下压着十几层，全得慢慢"养"：真实场景里那些没写进文档的天堑、客户嘴上不说的偏好、从前踩过的坑、流程里业务最在意的例表。这些器材，问不出来，也逆向不出来，只在业务把技术真用起来、用坏、又用顺的过程里，一点点长出来。

两个误会长得不一样，错的是统一处：把好做的那一成，当成了全数。

技术没在真实业务里用过、磨过，再美丽也只是玩具；原型没经过当真工程化，再好看也上不了线。双方各干各的，做出来的就是这两样器材。这跟谁努不致力不要紧——这条路，正本就得双方一块儿走才走得通。

—— 连最能打的AI，进金融也没单干

看看美国刚产生的两件事。

Anthropic，做出Claude的那家公司，全球最顶尖的AI公司之一。五月四日，它没有自己去做金融产品，而是跟FIS（一家服务全球12%银行的金融科技巨头）合作，一路做了个反金融犯罪的agent——把银行反洗钱调查从几个钟头压到几分钟。加拿大蒙特利尔银行和美国Amalgamated银行，第一批参加共建。

十天后，OpenAI也没自己上，而是跟另一家金融科技巨头Fiserv联手，颁布了一套给银行用的智能体操作系统agentOS，六家银行一块儿共创。

论模型，Anthropic和OpenAI是全世界最强的两家？伤墙鹑诘氖背，都没自己上。为什么?由于光有聪明的大脑不够——银行的数据在哪、监管怎么查、客户信不信、出了事谁掌管，这些全在FIS和Fiserv手里。模型公司再强，自己搞不定这些。

说白了就是：FIS的CEO讲，银行要的AI，得能干活，不能光出主见。谁来管数据?谁来盯着AI别犯错?谁在客户和AI之间把关?这些脏活累活，模型公司干不了，得银行自己信赖的人来。OpenAI何处也认了统一件事：AI真正有效，是嵌进银行已经天天在用、天天在信的那些老系统里，而不是另起炉灶搞一套新的。

更值得看的是Anthropic怎么干的。它没有卖个模型就走。它把自己最懂利用的工程师，直接派到FIS的办公室里，跟FIS的人坐在一路干。一壁干，一壁教——主张是让FIS学会了以来，自己能接着做。你想想，全球最顶尖的AI公司，都感触"我光给你一个模型，你用不起来"——得派人驻场，手把手一路养。连它们都这么干，注明什么?注明模型只是原料，真正的活儿，在"一路养"这三个字上。

—— 那我们怎么办

这两件事，跟我们这半年在一线看到的是统一个路理：模型只是原料，最多占一成。剩下九成呢?一半靠业务把自己的判断一点点喂进去——这叫"养"；一半靠科技把养出来的器材稳稳地工程化上线。双方缺一壁都转不起来。

懂业务的、懂工程的，常坐到一路，就形成了一个越转越快的飞轮：业务把真实场景里的判断一点点喂进去，科技把它稳稳地工程化上线；上线了用起来，业务又能看到哪里判断不对、哪里还不够好，再喂一轮。越转，agent越懂业务、也越经得起真实出产的考验。

转出来的有三样：一个既懂判断、又能稳稳跑在真实业务里的agent；一套越用越准、越跑越稳的复利；还有最要紧的——这条关环自身。

买来的模型谁都能买，天生的技术谁都能天生。养过、工程化过的那条关环，别人抄不走。

珠海这句"还没站到一路"，是这一轮AI落地最扎心的一句。模型够不够强?早就够了？ㄔ谀?卡在科技和业务各干各的。业务自己搞，做出好看但经不起出产的原型；科技自己搞，养出聪明但不懂业务的技术。双方都在使劲，劲儿没拧到一处。

五月那两笔合作，把这事说得再领略不外：全世界最强的两家AI公司进金融，都没单干——
一家派工程师驻场，一家结合六家银行共创。
连它们都得跟懂业务的人绑在一路，我们凭什么感触自己能单干?

法子说穿了就一句：懂业务的和懂技术的，别再各干各的，坐到一路干。

可"坐到一路"说起来容易，靠什么真坐到一路?EVO厅做法，是把技术(Skill)养成一层双方都够得着的能力基建：业务看得懂，能用大口语自己写、自己验、自己改——不用等科技排期，自己就能着手迭代。这样一来，业务不再只是提需要、等交付，而是真正坐进来一路做，参加的意愿和底气都足了？萍颊馔纺?透过这些技术，第一次能真正读懂业务在想什么、要什么，工程化的时辰挑的规划也更准、更对路。

一次合作，做出一个agent；
一向合作，长出一条护城河。

这事急不来，也省不掉。模型还会越来越强——这反倒注明，谁能把模型真正用进主题业务、还让它在真实出产里稳稳跑住，谁就越来越值钱。一个能点的原型、几轮聊出来的技术——这些谁都做得出，本就不值钱。值钱的，是那条业务一向养、科技一向工程化、双方咬着转的关环。这条关环转起来了，别人想抄都没得抄。

这些是我们在客户一线看下来的一点观察，摆出来跟同业互换，不定都对。AI真用进业务，各人都还在趟，能一路少踩点坑就好。