国资委再部署穿透式监管，央国企“五自动”监管系统怎么建？

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。

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"。

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，近期大量央国企数字化、内控负责人集中咨询行业落地路径：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？本文基于国资委公开政策原文，结合思迈特软件服务央国企数据智能项目的一线实践，做完整梳理，供行业从业者参考。

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。

▎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。

▎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？结合思迈特软件在央国企、金融等大型机构百来个AI项目中的实践，梳理四条可落地的建设经验：

▎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，思迈特团队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。思迈特白泽V5产品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。

思迈特白泽落地国内某大型电力集团，平台搭建覆盖数十个业务场景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。

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。

站在数字化长期建设视角来看，穿透式监管体系建设的价值，不止于满足检查要求；长期落地后，会沉淀一套全集团"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。