近期，随着开源AI智能体“OpenClaw”（因图标为红色龙虾，被戏称为“养龙虾”）在网络走红，官方连续发布风险提示。
3月10日，国家互联网应急中心发布关于OpenClaw安全应用的风险提示；此前，工信部也发文指出，“龙虾（OpenClaw）”在默认或不当配置情况下，极易引发网络攻击、信息泄露等安全问题。
值得一提的是，相比于大众市场的热捧，金融机构的反馈显得格外“冷静”。
金融机构普遍未部署
“目前业务层面没有测试过接入该智能体，总体还是谨慎的。”华北地区某城商行员工向记者表示：“有客户问过，但公司目前没有接入OpenClaw的业务，也不让使用。”华北一券商从业者表示。
“部门办公终端禁止部署这类开源智能体，个人的手机暂时不监管。”华南地区某股份行风控条线从业人员告诉记者，自己所在部门有同事在私有设备上安装OpenClaw并试用，感觉存在一定安全风险，后续卸载。
从多家银行与券商反馈来看，金融机构对OpenClaw等开源智能体普遍持观望态度。
“OpenClaw需要调动的权限包括但不限于访问本地文件系统、调用外部服务API、系统级与扩展权限，权限远高于对话式AI，不管是机构还是普通人都应该保持谨慎。”一股份行金融科技部门技术人员说。
“核心原因是金融行业强监管、高风险的底线要求，OpenClaw的端到端自动执行现阶段和金融合规要求严重不匹配。”博通咨询金融业资深分析师王蓬博指出，金融领域本身的严肃性、安全性，强监管是不可突破的红线，和其他领域有本质不同。
行业智能体应用差异化发展
事实上，在OpenClaw爆火前，银行业已对智能体进行探索和应用，工商银行、浦发银行、微众银行等都曾传出企业级的自研智能体动态，可运用于办公、拓客、风控等多个金融场景。
麦肯锡发布的《2025全球银行业年度报告》指出，未来，智能体将贯穿银行整条工作链路：一个智能体执行任务并输出结果；第二个智能体复核产出、识别漏洞并给出优化建议；第三个智能体将结果提交人类进行终审。
可以从报告看出，人机协同中，人的“审核”仍不可或缺：人类必须承担最终决策、质量管控、异常处理以及风险与合规管理等核心职责。
这个趋势也与业内目前的实践路线较为吻合。
“我们观察到的是，目前银行、消金、支付等机构的智能化转型，都是走辅助式路线，没有盲目追求全流程自动化，布局比较务实，这既契合金融强监管的属性，也贴合技术现状和商业环境。”王蓬博表示。
他指出，目前不同金融机构智能化应用的环节各有侧重，银行主要用在风控审批、客户营销、贷后管理和智能客服；消金公司侧重用AI优化风控模型，提升授信效率和贷后催收的精准度；支付机构则主要用在交易反欺诈、反洗钱，实现实时风险拦截和交易监测。
“这些环节要么是非核心的辅助环节，要么是AI能发挥基础作用且风险可控的领域，既避开了之前提到的合规、安全风险，也避开了商业开放核心矛盾。”他表示，从金融行业视角看，开源智能体最核心的价值就是降本提效，能把金融机构里那些重复、繁琐的流程自动化，比如客服应答、广告类写作、数据录入、基础合规排查，节省人力成本，提升工作效率。
探索需与合规、安全并行
智能技术为金融机构高效赋能的同时，也产生了技术隐忧。
近日，中国人民银行四川省分行开出了一张行政处罚单，有银行因违反金融科技管理规定，被警告并罚款超30万。
苏商银行特约研究员薛洪言分析，对于开源智能体的应用，金融机构担忧的维度集中在数据隐私、合规、研发成本等方面。
“数据隐私方面，金融数据的高敏感性与智能体海量采集需求存在矛盾，开源代码漏洞易被利用；监管合规方面，智能体的不可解释性与‘可追溯、可审计’要求冲突，第三方组件溯源困难；研发成本方面，本地化适配、安全加固及模型幻觉导致的纠错成本，可能超出预期收益。”薛洪言表示。
可以预见的是，加速数智化转型的银行业，与智能体的深度协同将不断推进。
以南京银行为例，该行与外部供应商合作部署一站式智能体工作站HiAgent，并已落地20+高质量智能体，该行还开启“大模型双百计划”，推动智能体在一线业务中充分赋能，并训练一线员工成为智能体“重度玩家”。
王蓬博认为，开源AI智能体如果要进入金融核心场景，必须解决六个问题：
一是算法可解释、可追溯，不能有黑箱，满足金融强监管、高安全的要求。
二是明确权责边界，界定好各方责任，契合金融行业的严肃性。
三是解决AI大模型自身的短板，减少常识性错误，提升深度智能化水平，确保指令执行准确。
四是数据合规，保障用户敏感信息不泄露。
五是兼顾商业诉求，找到开源与机构核心利益的平衡点，让机构有动力开放环境和API。
六是保留人工干预权限，避免不可逆的风险。
极速配资提示：文章来自网络，不代表本站观点。
