SKILL.md
Identity
- Skill Name: 金融AI战略规划师 (Financial AI Strategy Architect)
- Slug: finance-ai-strategy
- Version: 1.0.0
- Language: 中文为主，英文关键术语保留
- Author: 葛成 (@gechengling)
- Description: 当你需要制定金融机构的AI转型战略（从"数字XX"到"数智XX"）、评估AI投资优先级（哪些场景先做ROI最高）、设计AI治理框架（CBIRC/NFRA合规要求）、选择技术供应商与合作模式（自研vs外采vs共建）、推动组织变革（怎么让团队接受AI）时，使用本Skill。本技能基于保险、银行、证券、基金等金融机构的AI转型实践整理，涵盖银保监会《银行业保险业数字化转型指导意见》、国家金融监督管理总局AI合规要求、2025-2026年金融科技趋势。关键词：AI转型，数智化，数字化转型，金融科技，战略规划，AI治理，CBIRC合规，智能金融，路线图，ROI评估。
Core Thinking Models
模型一：三阶段转型框架（战略规划）
传统金融：业务数字化（电子化）
数字金融：流程线上化（互联网）
数智金融：决策智能化（AI驱动）
↓ 金融机构转型路径：
第一阶段：基础设施（数据中台、云平台）
第二阶段：场景落地（智能理赔、核保、营销）
第三阶段：智能决策（实时风控、个性化服务）
核心原则：
"先数据，再智能"
"先试点，再推广"
"先赋能，再替代"
模型二：AI场景优先级矩阵（价值×可行性）
Y轴（商业价值）：高/中/低
X轴（技术可行性）：高/中/低
↓ 四象限：
1. 高价值+高可行 → 立即启动（智能理赔、客服）
2. 高价值+低可行 → 预研跟进（Agent驱动的投资顾问）
3. 低价值+高可行 → 快速试水（智能质检、报表生成）
4. 低价值+低可行 → 暂缓/外包（通用客服）
模型三：AI治理金字塔（合规框架）
顶层：AI战略（董事会/高管）
二层：AI治理委员会（跨部门协调）
三层：AI运营规范（数据、模型、算法）
底层：技术基础设施（安全、隐私、审计）
合规要点：
1. 模型可解释性（黑盒→白盒）
2. 数据隐私保护（PIPL合规）
3. 算法公平性（不歧视特定群体）
4. 人类控制权（AI辅助≠AI决策）
模型四：Buy vs Build vs Partner（技术路线）
自研（Build）：
- 优势：数据安全、定制化、长期成本低
- 劣势：周期长、人才难招、技术积累慢
- 适合：核心能力、差异化竞争
外采（Buy）：
- 优势：快速上线、技术成熟
- 劣势：数据泄露风险、定制受限
- 适合：非核心能力、通用场景
共建（Partner）：
- 优势：风险共担、能力共建
- 劣势：协调成本高
- 适合：大型项目、战略合作
模型五：变革管理曲线（组织落地）
变革阻力分析：
1. 高管阻力：战略不明 → 先对齐愿景
2. 中层阻力：能力不足 → 培训赋能
3. 一线阻力：担心替代 → 角色重新定义
核心方法：
"让AI替代重复，不替代价值"
"让员工从执行者变监督者"
When to Use
- "我要制定金融机构的3-5年AI转型战略" → 三阶段框架
- "AI场景那么多，先做哪个后做哪个？" → 优先级矩阵
- "怎么建立AI治理体系，满足CBIRC/NFRA要求？" → AI治理金字塔
- "AI能力是自己开发还是外面采购？" → Buy vs Build vs Partner
- "团队很抗拒AI变革，怎么推动？" → 变革管理曲线
- "怎么评估一个AI项目的ROI？" → ROI评估模型
Python Code Templates
ROI计算模板
def calculate_ai_roi(investment_cost, annual_savings, efficiency_gain, years=5):
"""
AI项目ROI计算
- investment_cost: 初始投资（万元）
- annual_savings: 年化成本节约（万元）
- efficiency_gain: 效率提升带来的收益（万元/年）
"""
total_investment = investment_cost
total_benefits = 0
for year in range(1, years + 1):
annual_benefit = annual_savings + (efficiency_gain * year * 0.1)
total_benefits += annual_benefit
roi = (total_benefits - total_investment) / total_investment * 100
payback = total_investment / (annual_savings + efficiency_gain)
return {"roi": f"{roi:.1f}%", "payback": f"{payback:.1f}年"}
AI成熟度评估框架
def assess_ai_maturity():
dimensions = ["数据基础", "技术能力", "组织文化", "治理体系", "应用场景"]
levels = {
1: "初始级 - 手工流程为主",
2: "基础级 - 核心业务数字化",
3: "发展级 - 多个AI场景落地",
4: "成熟级 - AI驱动决策",
5: "领先级 - AI原生架构"
}
return levels
Compliance Checklist
CBIRC合规要点
- 建立数据治理框架
- 明确AI应用场景的权责边界
- 建立模型风险管理制度
- 定期进行AI系统审计
- 保障消费者权益和隐私
PIPL合规检查
- 数据收集最小必要原则
- 用户知情同意
- 数据本地化存储
- 个人信息删除权保障
Source Notes
- 银保监会《银行业保险业数字化转型指导意见》
- NFRA AI合规指引（2025-2026）
- 中国人民银行《金融科技发展规划》
- Gartner《AI in Financial Services》
ClawHub Metadata
- Slug: finance-ai-strategy
- Tags: AI转型,数智化,金融科技,AI治理,战略规划,CBIRC合规,智能金融
- Version: 1.0.0
- License: MIT
- Author: gechengling
- ClawHub URL: https://clawhub.ai/gechengling/finance-ai-strategy
README (English)
Financial AI Strategy Architect — AI transformation planning for banks, insurers, securities firms. Covers strategy, governance, ROI, vendor selection, and change management.
Author: gechengling | License: MIT