Banking AI Reference Models：BIAN / FIBO / ISO 20022
银行 AI 不能只学习某个系统的表结构和文档片段，它需要对齐行业级业务能力、金融概念和消息语义。BIAN 帮助定义银行能力和服务边界，FIBO 帮助统一金融概念，ISO 20022 帮助约束支付和金融消息含义。三者结合，可以让 AI 的知识边界、工具契约、语义层和审计证据更稳定。
Banking AI Reference Models / BIAN / FIBO / ISO 20022 解读
配对阅读：本篇的操作手册版（模板/RACI/门禁/runbook）是
docs/AI_BANKING_REFERENCE_MODELS_BIAN_FIBO_ISO20022_PLAYBOOK.md。第一遍读本篇建立原理与架构判断；第二遍做案例时再用 playbook 查表落地，两者不需要重复精读。
Source Anchors
| Source | Link | 用途 |
|---|---|---|
| BIAN | https://bian.org/ | 参考银行业务能力、service domain、service landscape 和银行架构标准化边界 |
| FIBO | https://spec.edmcouncil.org/fibo/ | 参考金融行业本体、概念关系和语义一致性 |
| ISO 20022 | https://www.iso20022.org/ | 参考金融消息标准、业务概念、支付/证券/现金管理消息语义 |
| NIST AI RMF | https://www.nist.gov/itl/ai-risk-management-framework | 将行业模型映射到 AI 风险、治理、测量和管理 |
| W3C RDF | https://www.w3.org/RDF/ | 为金融语义图和概念关系提供基础 |
核心导读
银行 AI 不能只学习某个系统的表结构和文档片段，它需要对齐行业级业务能力、金融概念和消息语义。BIAN 帮助定义银行能力和服务边界，FIBO 帮助统一金融概念，ISO 20022 帮助约束支付和金融消息含义。三者结合，可以让 AI 的知识边界、工具契约、语义层和审计证据更稳定。
金融零售 AI 的关键不是“懂银行术语”，而是能在正确的业务服务域中使用正确概念，并在跨系统交互时保持语义一致。
从架构角度看，参考模型是 AI 的语义控制层。它把内部字段、legacy API、政策文档和外部消息映射到稳定概念，使 RAG 检索、工具调用、reason code、报文解释和证据查询可以共享同一套业务语言；评估也应包含 semantic eval，而不只是答案流畅度。
治理边界在于：BIAN、FIBO 和 ISO 20022 提供共同语言，不替代 source of record、权限、业务规则或监管判断。成熟做法是按高价值场景建立 reference slice，明确 owner、版本、变更影响和测试用例，避免全行本体工程失控，也避免模型直接消费没有语义契约的字段。
问题定义
银行 AI 项目经常面对语义碎片化：
- 同一客户、账户、交易、产品、限额、费用、争议在不同系统中字段名和含义不同。
- 支付消息有精确的业务语义，但 AI 用自然语言概括后丢失关键结构。
- RAG 检索企业文档时无法区分产品政策、操作手册、监管披露和技术接口。
- 工具调用直接绑定 legacy API，没有业务服务边界和语义契约。
- 审计要求解释 AI 为什么使用某个事实，但来源和概念映射不清。
行业参考模型要解决：
| 问题 | 参考模型作用 |
|---|---|
| 银行业务能力边界不清 | BIAN service landscape 和 service domain |
| 金融概念含义不一致 | FIBO ontology 和 concept relationship |
| 消息字段语义丢失 | ISO 20022 business components 和 message definitions |
| AI 工具接口过度技术化 | 以业务服务和语义对象定义 tool contract |
| 跨系统证据难追溯 | 用标准概念连接数据、事件、证据和控制 |
核心原理与方法
三类参考模型在 AI 中的分工：
| 模型 | 主要作用 | AI 转化 |
|---|---|---|
| BIAN | 银行业务能力和服务域 | capability map、service boundary、tool ownership |
| FIBO | 金融概念、本体和关系 | semantic layer、knowledge graph、concept validation |
| ISO 20022 | 金融消息和业务组件 | payment schema、message interpretation、structured extraction |
方法不是“完整实施标准”，而是抽取与 use case 相关的 reference slice：
- 选择业务场景，例如 payment investigation、loan servicing、deposit account maintenance。
- 映射到 BIAN service domain，明确服务边界和系统责任。
- 抽取核心金融概念，映射到 FIBO 或内部本体。
- 如果涉及支付或金融消息，映射 ISO 20022 消息元素和业务组件。
- 将映射结果转成 AI 知识边界、tool schema、eval case 和 evidence query。
系统与架构模型
Banking AI reference architecture 可表示为：
BIAN Capability / Service Domain
-> Domain Service Boundary
-> FIBO / Enterprise Semantic Layer
-> ISO 20022 Message Semantics
-> AI Knowledge and Tool Contracts
-> Eval / Evidence / Audit Queries
关键架构对象：
| 对象 | 用途 |
|---|---|
| Banking Capability Map | 组织 AI use case、投资组合和 ownership |
| Service Domain Boundary | 定义 AI 可调用的业务服务和禁止跨界动作 |
| Semantic Concept Registry | 记录客户、账户、交易、义务、合同、风险、费用等概念定义 |
| Message Semantic Adapter | 把 ISO 20022 报文转成 AI 可用但不丢语义的结构 |
| Reference Mapping Table | 连接内部字段、行业概念、业务规则、证据来源 |
| Semantic Eval Suite | 测试 AI 是否正确解释金融概念和消息结构 |
示例 reference mapping：
| Internal Object | BIAN Domain | FIBO Concept | ISO 20022 Link | AI Use |
|---|---|---|---|---|
| payment_txn | Payments Execution | Payment / Obligation | pacs、pain、camt message elements | 支付调查摘要和状态解释 |
| deposit_account | Current Account | Account / Agreement | cash account components | 客户账户服务问答 |
| loan_application | Consumer Loan | Credit Agreement | 不一定适用 | 信贷解释和申请状态 |
| dispute_case | Customer Case | Claim / Agreement | 可能关联支付消息 | 争议处理 agent |
关键机制与取舍
| 取舍 | 判断原则 |
|---|---|
| 全量标准建模 vs 场景切片 | 从高价值、高风险场景切片开始，避免本体工程失控 |
| 行业模型 vs 企业现实 | 行业模型提供稳定语言，内部字段和流程需通过 mapping 层对齐 |
| 语义严谨 vs 交付速度 | 核心权益、资金和监管概念要严谨，低风险知识问答可轻量化 |
| 标准接口 vs legacy API | 工具对外暴露业务语义，内部适配 legacy 复杂性 |
| 本体推理 vs 工程控制 | 不要依赖复杂推理替代权限、校验和业务规则 |
成熟做法是建立 reference model slice，而不是试图一次性建成全行本体。切片优先级可以按客户影响、资金影响、监管关注和跨系统复用程度排序。
证据与控制
参考模型可以直接变成控制和证据：
| 控制目标 | 控制活动 | 证据 |
|---|---|---|
| 防止 AI 混淆银行服务边界 | use case 映射到 BIAN domain 和 service owner | mapping record、architecture review |
| 保持金融概念一致 | 关键概念进入 semantic registry 和 schema | concept registry、schema validation |
| 防止支付报文误读 | ISO 20022 元素结构化解析，不只自然语言摘要 | parser output、message eval |
| 支持审计解释 | AI 输出引用内部字段、标准概念和来源 | trace、source mapping、evidence graph |
| 管理语义变更 | 标准、产品和政策变更触发 impact assessment | change log、regression eval |
Semantic eval 示例：
- 给定支付报文，AI 必须正确区分 debtor、creditor、ultimate debtor。
- 给定账户状态，AI 不能把 restricted account 解释成 closed account。
- 给定争议案例，AI 必须区分 chargeback、refund、complaint 和 operational error。
- 给定贷款拒绝原因，AI 不能生成未在决策系统中存在的 reason。
金融零售场景映射
以 Payment Investigation Copilot 为例：
| 设计层 | 参考模型转化 |
|---|---|
| BIAN | 映射到 Payments Execution、Payment Order、Customer Case 等 service domain |
| FIBO | 定义 payment obligation、account、party、agreement、claim 等概念 |
| ISO 20022 | 解析 pacs/camt/pain 报文元素和状态 |
| AI Knowledge | 只检索支付政策、操作手册、客户 case 和相关报文 |
| Tool Contract | 查询 payment status、create investigation task、request documentation |
| Eval | 报文解释、状态解释、争议类型、越权动作拒绝 |
真实取舍：调查员需要跨系统快速理解支付链路，但 AI 不能把消息状态和业务责任随意推断。架构上应让 AI 做结构化解释和线索整理，把责任判断、赔付承诺和监管回复保留给受控流程。
反模式
- 把行业参考模型当作学习材料，不进入 AI schema、tool 和 eval。
- 试图一次性建完整银行本体，导致项目长期不交付。
- 直接用 legacy 字段喂给模型，没有业务语义映射。
- 支付消息只做自然语言摘要，丢失结构和角色关系。
- 本体和数据治理脱节，概念没有 owner、版本和变更影响评估。
- 让 AI 在跨 service domain 中自由调用工具，没有业务服务边界。
最终心智模型
BIAN 给 AI 业务边界，FIBO 给 AI 金融概念，ISO 20022 给 AI 消息语义。三者不是为了建标准化展示图，而是为了让 AI 的检索、推理、工具调用、评测和证据建立在稳定的行业语言上。成熟的银行 AI 架构，是把内部复杂性映射到可治理的语义契约。
SOTA 状态标注 (2026-07-01)
本篇属于第二、三遍深读池（参考架构/深读笔记），未列入 12 周主线必读。时效基线为写作时点；引用前请按 CLAUDE.md 全局时效性硬规则复查最新进展。模块级 SOTA 对照见 docs/AI_SYSTEMATIC_LEARNING_ROADMAP_2026.md 各周「2026 SOTA 对照」行与文末「SOTA 检查」。