6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，从治理架构、开发应用、数据治理、算力建设、风险管理、能力提升、保障与监督七个方面提出32项指导性意见。信号很明确：金融AI的应用，正式从“能不能用”进入“怎么安全地用”的阶段。
“怎么安全地用”，文件给出的主轴是一个词——全生命周期管理。AI 不再是“上线就完事”，要像关键业务系统一样，全程留痕。
一、先看这份文件的关键信号
32项意见内容很全，但如果只抓最核心的几条，可以归纳为四个关键要求：
全生命周期管理成硬要求
文件要求金融机构"建立健全人工智能全生命周期管理体系"——从模型开发、部署、应用到下线的每个环节都要有管理流程。
金融智能体被“点名”
文件明确提到“稳妥探索人工智能技术研发和金融智能体建设”。智能体不再是概念，而是被纳入了合规视野。
分类分级+高风险应用准入
文件要求“实施风险分类分级管理和高风险应用准入管理”，并在“高风险应用关键环节要建立人工监督和干预机制”。换句话说，不是所有AI应用一个标准——风险高的要单独审批、关键环节要留人工“刹车”。
外包和供应链纳入风险治理
文件专门提到“加强外包和供应链风险管理”。金融机构的AI系统大量依赖外部模型、算力、服务，这些外部身份和供应链风险被正式纳入治理范围。
这四条合在一起，指向同一件事：金融机构需要一套覆盖“AI从开发到运行”全流程的治理体系，而且要管到智能体、管到供应链、管到每一次高风险操作。
二、“全生命周期管理”这件事
治理框架要落地，绕不开一个根本问题：AI系统、智能体、外部服务，每一个都需要有“身份”，每一次操作都需要可归属、可追溯。
准入的本质是：谁能用、用多久、权限多大。监督的前提是“看得见”。AI系统的每一次操作都要能关联到具体身份、具体任务、具体时间点，否则人工监督无从谈起。外部服务、外部模型、外部运维人员——这些"非内部身份"恰恰是传统身份管理最薄弱的环节。给外包服务发临时凭证、按任务授权、操作全程留痕，是供应链治理绕不过去的一环。
另一方面，智能体本身需要身份。它替人调接口、读数据、发起操作，系统必须能识别“是哪个Agent在动、它被授权做什么、它的主人是谁”。与此同时，全生命周期的每个阶段——开发、测试、部署、运行、下线——都涉及身份的创建、变更、授权、审计、注销。没有身份管理做底座，全生命周期管理就缺了“谁”这一维。
三、金融机构的现实挑战
政策有了，但金融机构落地时会遇到几个实际问题：
挑战一：AI系统的“身份”怎么管？
传统IAM管的是人的账号。AI模型、智能体、外部API——这些非人类身份怎么注册、怎么发证、怎么轮换、怎么注销？
挑战二：高风险操作怎么“留刹车”？
文件要求高风险应用关键环节有人工监督和干预。技术上怎么实现？核心是：高风险操作要能被识别（基于身份和操作类型）、能被拦截（实时访问控制）、能被审批（人工干预机制）、能被追溯（操作审计）。
挑战三：外包和供应链身份怎么治？
金融机构的AI系统往往混合了自研模型、外部供应商模型、云厂商算力、外部运维服务。这些外部身份如何纳入统一治理？临时凭证、按任务授权、操作隔离——这些机制需要专门设计。
挑战四：全生命周期怎么落地？
“全生命周期”在文件里是一个词，落到企业里是开发、测试、生产、运维多个团队的协同。身份治理体系如果能在这些阶段贯穿——开发期发测试身份、上线前转生产身份、下线时自动注销——全生命周期管理就有了抓手。
四、从政策到落地，需要什么
《指导意见》的发布，意味着金融行业的AI应用正式进入“有规可依”的阶段。对金融机构而言，这不仅是合规要求，更是安全建设思路的升级——AI治理的起点，是回答“AI系统是谁、被授权做什么、操作可不可追溯”。这正是身份管理要解决的问题。
我们会持续跟踪这份文件的落地实践，也欢迎金融机构的安全负责人、合规负责人交流探讨。
