由中国企业改革与发展研究会、中国合作贸易企业协会共同主办的“2026企业信用发展论坛暨第十七届诚信公益盛典”于2026年3月27日在浙江省杭州市召开。浙江工商大学校长、党委副书记王永贵出席并演讲。

　　以下为演讲实录： 

　　王永贵：尊敬的彭会长、高会长，尊敬的各位部长、会长、秘书长、主任、老总和新朋老友们，大家好！

　　今天很高兴有机会一起来分享和探讨人工智能时代信用重构、信用治理问题。

　　首先，我们需要明确中国市场增长需要技术，但更需要信心和信用。人工智能改变了很多，无论是生产方式、生活方式，方方面面。那我们需要去思考人工智能改变了商业信用的哪些方面，商业信用在AI时代有哪些挑战、困境，我们应该如何应对。下面就利用大概8分钟的时间，谈谈自己对这方面的一些看法。

　　首先，我们需要明确AI时代对信用的影响是方方面面的。时间关系，我仅谈企业信用评估的依据。大家都知道企业信用评估的依据已经从传统的财务表现逐渐演变为企业往来的信用数据。我们经常说的一句话，人心是难测的，实际上信用也不好说，AI时代的大数据为我们理解、衡量、评价、预测信用提供了新机遇和新要求。刚刚我们提到企业往来的行为数据、商业数据实际上就是很好的抓手，在这个过程中我们就要思考到底AI时代的信用重构表现在哪几个方面。按照我刚才描绘的企业往来行为数据来看，有3个方面需要思考：1．数据能否真正成为企业的资产；2．如何破解商业信用网络中的风险传导困境；3．多元异构数据如何整合，来支撑决策；

　　第一个挑战就是数据资产化的问题，数据能否真正成为资产最终取决于可确权、可评估、可交易的能力。第二个挑战，围绕风险传导，在这里第一个困境就是如何穿透多层网络，识别关联风险的传导路径，以及我们如何从被动应对转向主动预警，实现协同风控。第三个挑战，围绕着多元异构数据的整合，我们面临着多元数据如何打通，异构数据如何统一处理、信息孤岛如何支撑企业的信用决策。在这方面，我们需要做出很多的努力和探索来解决一系列问题，包括信息不对称问题、算法决策透明性问题，以及数据真实性如何核验问题。

　　在这种情况下，我们可以看到面向未来AI时代信用治理面临“三大困境”：数据价值难以转化、信用评估模型时效性不足、风险响应的被动表现。在这方面相信大家都有经验，也有很多体会，数据不流通、数据格式能力不足，以及数据权不明确，已经形成了明显的治理困境。信用评估模型有效性不足，数据获取不及时，机器操作的结果没有办法进行解释，也是我们需要面对和解决的问题。同时在这样的困境下，怎么利用AI技术赋能企业的信用治理，我们提出了数据模型机制的治理新逻辑。在数据维度上要拓宽企业信用数据的获取边界，在模型维度上要持续提升企业信用模型的判断精度和可解释性。大家都知道AI能够提高效率，但AI也是更高效制造垃圾的一个载体。

　　AI如何助力实现企业信用的动态价值，在这方面，获取边界方面围绕着自然语言处理技术，围绕着知识图谱，我们很多领先企业已经开始行动。如何提高企业信用模型判断精度方面，很多领先企业也在探索机器学习和深度学习，来捕捉复杂的关系，提高违约的预测和准确率。

　　围绕着企业信用动态价值方面，领先企业已经开始实施动态的监控和预警，动态的授权机制以及动态的资源配置优化机制。有很多想要展开，但时间关系浓缩成一张图来概括今天汇报的内容。我们所面临的困境表现在数据维度、模型维度、机制维度，具体体现为：数据价值转化难、模型时效不足、风险被动响应。我们面向未来，从研究、从实践需要利用AI来拓宽企业信用数据的获取边界，来提升企业信用模型的判断精度，实现企业信用的动态价值。

　　未来一定是美好的，需要我们在座的每一位领导和同仁共同创造。只要我们携起手来都讲信心，讲信用，我们的信用环境、经济环境一定会变得更加美好，中国式现代化也能够更早的实现。

　　谢谢各位！