国内银行AI数据治理要求与DNL框架对照（相关内容摘编）

文章援引国内银行业保险业AI指导意见，介绍数据管理运营、高质量数据集、行业共建共享和知识工程等治理要求。

2026年6月，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》。其中第四部分明确“提升数据治理能力”，分别从“完善数据管理运营体系”“建设 人工智能 高质量数据集”“支持行业数据集共建共享”“推进知识工程建设”等方面提出要求。

其中提出建立数据质量标准与检控机制，确保准确、相关、一致、完整和无偏见，持续监测分布漂移并及时更新。

其中提到，金融机构应针对 人工智能 业务场景持续推进高质量数据集建设，确立数据质量标准，建立高效的质量检控机制，确保数据准确性、相关性、一致性、完整性和无偏见。持续监测数据分布漂移，确保数据集及时更新。

文章还介绍国内银行业已发布的数据分类分级大模型，提供本地部署和在线MaaS模式，探索解决标准理解与执行尺度不一致等问题。

2026年4月消息，我国银行业首个行业级“数据分类分级”大模型发布。该大模型旨在探索解决金融机构在数据分类分级工作中面临的标准理解不一、执行尺度不齐、自动化水平不足等痛点。 据悉，模型在保障较高识别准确率的基础上，大幅提升数据分类分级工作效率，具备本地部署、在线MaaS服务等模式，方便金融机构按需使用；