2026年,穿透式监管进入全面落地之年。如何建成一套行之有效的智能化监管体系,正在成为许多央国企内控、审计和数字化部门共同面对的课题。

今年上半年,国资委围绕穿透式监管连续出台了两份重要文件:1月发布的《指导意见》,明确了穿透式监管体系"建什么",给出总体框架;3月发布的年度内控工作通知(业内称"15号文"),则明确了"怎么建",给出具体任务和时间节点。

 

03.jpg

 

 

这一轮政策对企业影响最直接的一条,是明确了数智化的建设路径:利用AI、大数据等技术,建成"数据自动采集、模型自动分析、风险自动预警、核查自动派单、整改自动跟踪"的智能化监管系统,业内称之为"五自动"。

 

03_五自动监管闭环_高清.png

 

 

并且,智能化监管系统建设情况已列入2026年新增检查重点——是否建成统一平台、数据能否自动采集实时传输、预警模型是否建立、处置是否及时,都是现场检查的具体问项。

也因此,最近与不少央国企客户交流时,大家关心的问题高度一致:政策要求已经看懂了,体系具体怎么建?智能化监管平台从哪里入手?本文结合我们对文件的理解和在央国企数据智能项目中的实践,做一次梳理,供各位读者参考。

 

01三级穿透:监管视线要"一竿子插到底"
 
 

 

穿透式监管的实施逻辑,是层层递进的三级穿透。

 

04.jpg

 

 

集团层面,核心是"看得清、管得住"

要求建立全集团统一的风险监测指标体系和预警机制,重大风险能够直达集团总部。这里有一个容易被忽视的前提:如果各级子公司的"收入"口径不一致、"利润"统计方式各异,报上来的数字就难以对齐和比较,穿透也就无从谈起。统一指标口径,是穿透式监管真正的地基。

子公司层面,核心是"无死角、全覆盖"

监管视线要延伸至所有境内外子企业——包括三级及以下子企业、参股企业、境外SPV,并对连续亏损、境外、新并购、金融类等高风险子企业重点关注。全级次覆盖意味着数据体量的指数级增长,仅靠人工汇总报表已难以支撑。

业务环节层面,核心是"一竿子插到底"

穿透到具体交易和具体操作人员,覆盖产权、投资、财务、资金、薪酬、金融业务、采购与供应链、合同、境外业务等11个核心领域。对照国资委现场检查的必查事项——所有银行账户是否统一管理实时监控、采购价格是否合理、关联方识别是否完整、投后管理是否到位——每一条背后,都是一个具体的数据分析课题。

 

 

02为什么传统模式走不通
 
 
看清了要求,再回头看现实,会发现三道绕不过去的坎。

 

第一道坎:报表汇总模式难以为继

层级壁垒、信息孤岛、监管盲区,这些政策文件点出的老问题,根源就在"层层汇报、报表汇总"这个动作本身:数据经过每一层加工,颗粒度和时效都在衰减。而穿透要求的是直达明细、实时可查、随时可追问。

第二道坎:人工检查跑不赢检查清单

几十项现场必查事项、11个业务领域、全级次子企业——检查范围乘起来,是人力难以穷尽的工作量。政策给出的答案是"五自动",本质上是要求把检查逻辑变成常态化运行的模型和规则,让系统7×24小时盯着数据。

02_传统模式三道坎_高清.png

第三道坎:普通AI工具"不敢用"

有人会问:现在大模型这么强,接一个AI进来不就行了?恰恰在监管场景,这条路有两个现实问题。其一是准确性——大模型不懂业务口径,"资产负债率"的分母用哪个数,它只能猜,而在监管场景里,一个猜出来的预警结论,比没有结论更危险。其二是可追溯——文件要求管控节点"可执行、可监督、可追溯",检查发现的问题要能还原数据依据;如果AI只给结论、不给过程,就难以作为检查和审计工作的依据。此外,央企核心经营数据的敏感性,也决定了调用公网大模型的方案基本被排除在外。

 

 
03数智化穿透的可行路径
 
那么,"五自动"的智能化监管系统,到底怎么建?结合我们在央国企、金融等大型机构百来个AI项目中的实践,有四条经验可以分享。

 

第一,先立指标,再谈穿透

用统一指标模型(语义层)把全集团的指标口径、计算逻辑、数据来源管理起来,让每一个风险监测指标都有唯一、权威的定义。这既是集团层面"统一风险监测指标体系"的直接落法,也是让AI"听懂业务语言"的前提——AI基于确定的指标模型做确定性计算,而不是对着数据库猜。

在某大型综合性保险集团,我们协助梳理了财务管理口径下50个维度、400个核心指标,形成标准化的指标管理方案,这正是风险穿透分析的地基。

第二,让智能体把检查逻辑跑起来

"五自动"的后四个自动——模型自动分析、风险自动预警、核查自动派单、整改自动跟踪——本质是一套可编排的智能体工作流。SmartBI白泽V5正是为这类场景设计的:数据异常触发自动归因分析,输出"哪个子公司、哪个环节、哪些因素、各占多少贡献"的白盒化归因报告;预警和核查任务可以编排成流程,自动派发、自动跟踪闭环。

 

03_五自动监管闭环_高清.png

 

 

在某大型电力集团,基于数十个业务场景搭建的智能体已服务上千名业务用户,风险和异常从"月度报表里发现"变成了"当天推送到人"。这类做法,可以平移到资金、投资、关联交易等每一个监管必查领域。

第三,每个结论都要经得起举证

监管场景对AI的特殊要求是:过程必须白盒。分析的每一步推理可视化展示、全量日志可审计、结论附带原始数据对照表,每个数字对应的数据模型、字段、查询条件、计算口径全部列明,支持人工抽检验证。这不只是"让人放心"的体验问题——在监管检查的场景里,这是分析结论能否作为检查依据的基本要求。

第四,安全底线一步到位

全部组件私有化部署在企业内网,适配国产化信创环境,数据不出域;继承金融级权限体系,细粒度控制到"每个用户只能看到自己权限内的数据",配合脱敏规则与完整审计日志。对涉密要求高的场景,搭配本地大模型运行。

 

 

04建设节奏:场景驱动,小步快跑
 
 

 

结合文件要求与业内解读,穿透式监管体系建设的大致推进节奏是:2026年6月底前完成组织搭建和核心数据库建设;2026年12月底前,要完成资金、投资、采购等重点领域的穿透式管控体系,建成初步的智能化监管平台,实现重点风险实时预警,并开展首次全级次穿透式内控检查;2027年底实现"五自动"闭环。

 

04_穿透式监管建设路线图_高清.png

 

 

企业可以结合这些时间节点,倒排出自己的建设计划。

对多数企业而言,务实的路径不是推倒重来,而是"场景驱动、小步快跑":从资金、采购等一两个必查领域切入,复用已有的BI报表、数据仓库等存量数据资产,先让第一个穿透场景跑出效果,再滚动扩展。以我们的项目经验,简单场景1—2周即可交付上线,复杂体系3—4个月可全面落地。

在我们看来,穿透式监管体系建设的价值,不止于满足检查要求——它最终沉淀下来的,是一套全集团"看得清、管得住"的经营管理底座。这套底座建立起来之后,其价值会随着应用场景的扩展持续显现。

 

—END—

—— 往期推荐 ——

AI项目上了,数字出来了,为什么没人敢用?

全民 Agent 时代,企业如何真正握住“数据决策权”

SmartBI白泽V5深度解读:如何让AI真正落地企业,交付价值?

银行Data Agent落地实战:哪些场景能上,哪些先别急?(文末领取自评卡)

1784189750715775.jpeg  1784189760247882.jpeg