董希淼：人工智能技術如何全面影響金融業

據上海金融與發展實驗室微信公眾號消息，9月18日，上海金融與發展實驗室副主任、招聯首席研究員董希淼在中國人民大學深圳研究院主辦的大金融思想沙龍第263期“人工智能如何重塑金融業”上發言，全文如下：

工智能技術在銀行前中後台的業務和管理中都已經有廣泛而成熟的應用。對於金融行業而言，人工智能既有積極影響，也會帶來新的挑戰。人工智能的應用一方面能夠推進業務創新、組織重構和認知革命，另一方面也導致技術層面、監管層面和人才層面許多新問題產生。對此，金融機構應該堅持差異發展、開放協同的理念，優化人才培養方式和風險防範機制；監管機構則要改進監管框架並創新監管手段。要通過多方協同，讓人工智能技術成為金融業高質量發展的“安全引擎”，而非“風險盲盒”。

人工智能技術發展及金融行業應用

央行前行長周小川曾説，金融業是“半個IT行業”。技術在金融業的應用歷來至關重要，金融業是使用科技最領先的行業之一。粗略統計，目前銀行業每年信息科技投入約3000億元，約佔全國研發投入的十分之一，這從側面反映出銀行業對包括人工智能在內的新技術的高度重視。

人工智能在金融領域的應用超越了我們的想象。比如：2024年12月5日，美聯儲主席鮑威爾在《紐約時報》的一次峯會上進行了一場約34分鐘的公開講話，海外機構用微表情分析等技術對其政策態度進行研判，得出其對降息“非常謹慎”的結論。事實驗證也較為吻合，直到今年9月美聯儲才開始降息。姜富偉教授提到的文本分析相對容易實現，而微表情、肢體語言分析非常困難，但是人工智能技術仍然有比較好的表現。

國家層面高度重視人工智能的發展，國內的人工智能產業，從政策體系到產業體系都比較完整。具體到金融業，機器學習、計算機視覺、人臉識別、自然語言處理和知識圖譜五個方面的技術已經得到廣泛應用，生成式人工智能技術也在反欺詐、智能客服、信貸管理、行業研究、運營管理、財富管理、合規監控等前中後台各個領域具有廣闊的應用前景。

人工智能技術對金融業的影響分析

（一）正向影響：業務—組織—認知的三重變革

人工智能應用對於金融行業的積極影響主要體現在三個方面：一是業務層面的變革創新，二是組織層面的重構重塑，三是信任體系的認知革命。

從業務層面來看，人工智能的應用帶來了三方面的積極影響。一是業務效率提升，貸款審批速度和賬户開户速度大大提高，人工操作錯誤減少；二是服務模式創新：銀行服務除了線下的銀行網點外，遠程銀行與非接觸式服務興起，互聯網銀行等創新模式讓銀行服務無處不在、無時不在；三是風險管理的升級：在信貸領域，以往對信用風險多是事後處置，即出現逾期貸款或不良貸款後才去採取應對策略，但如今在人工智能的加持下，在事前環節就可以預判貸款申請人的信用風險、發現並攔截異常的貸款申請行為。

在組織層面，一方面，在人工智能時代，技術迭代和產品創新加速，傳統的科層制和總分行體制下，銀行通常不能及時對創新做出反應，因此銀行會主動或被動向更為敏捷、扁平的組織架構轉變。另一方面，數字化時代銀行很多組織上的觀念、架構上的理解會發生變化。例如，“一線員工”的定義正在發生變化：在過去的理解中，線下網點的櫃枱員工和客户經理直接面向客户，被視為一線員工；如今，科技部門、網絡金融部門的多數員工也可以視作一線員工，因為他們開發、運營的APP背後就是大量的線上客户。

在認知層面，人工智能和智能合約等相結合，推動了信任體系的革命。比如，人工智能賦予智能合約動態決策能力：供應鏈場景中即時分析千家上下游數據，將放款週期從數十天縮至分鐘級，並通過事中攔截次品訂單降低壞賬；融合物理（用水用電）、數字（鏈上交易）、社會（輿情）數據構建三維監管圖譜，預判企業風險觸發資金限制；隱私計算下模擬未來百種經營場景生成彈性授信。

（二）潛在問題：技術—監管—人才的三重挑戰

人工智能應用不僅推動了業務、組織、認知層面的積極變革，同時也帶來了技術、監管、人才方面的新問題。

在技術層面，數據側碎片化數據生態下形成的“數據孤島”會帶來模型偏差，訓練過程中數據隱私和安全的保護也是亟待解決的問題；算法側不透明的模型決策過程和生成式人工智能的“幻覺”風險使得應用難度加劇；網絡安全受到的威脅也有所升級。

在監管層面，一方面，現行金融監管體系主要針對傳統業務模式設計，對人工智能技術驅動的新興業態缺乏有效規制手段；另一方面，跨國金融機構面臨不同司法轄區監管標準差異帶來的合規挑戰。

在人才儲備方面，目前金融科技人才缺口仍然非常大。如今，不只是科技部門需要技術人才，業務部門也會招聘科技背景的人才，一些機構甚至提出“業務科技人員”這一新概念。但高校培養與實際需求之間仍存在明顯的錯配和較大的缺口。

金融機構人工智能應用策略與建議

一是合理定位、差異發展。從中國的實際情況來看，大型金融機構與中小金融機構在規模和經營方式上存在較大差異。因此，不同的金融機構應用人工智能的路徑和策略很可能完全不同。大型金融機構要從“工具賦能”進階為“價值重構”，更多關注業務重構、流程再造、組織變革，形成新產品、新模式、新業態。而中小機構由於缺乏試錯能力，不應盲目追求新熱點和高技術，應基於自身資源稟賦，聚焦發展方向和業務重點，走差異化、特色化的轉型發展之路。

二是開放協同、共建生態。大型金融機構應承擔更多引領與賦能的責任，做人工智能技術研發和應用的“領路人”，同時釋放冗餘的科技能力與人才；中小機構應該秉持開放合作的態度，與頭部金融機構或者外部的科技公司進行合作，圍繞業務重點高頻場景融入技術生態圈，加快探索“業技融合”。

三是優化組織、培養人才。為了用好技術、留住人才，在組織文化方面，要營造開放包容、容錯試錯的創新氛圍；在崗位考核方面，應促進協作融合；在選拔機制方面，應構建人才生態。比如，不但要設立首席信息官，更要讓首席信息官有責有權有為。

四是重視安全、防範風險。即使是已經廣泛應用的人臉識別技術，在銀行業應用中也不乏負面案例。因此，一方面要將人工智能相關風險全面納入全面風險管理體系，採取多方面措施有效防範和處置風險，另一方面也要充分考慮人工智能技術的漏洞，對新型風險加以注意和防範。

深化人工智能技術金融應用的建議

在監管標準層面，對內要建立分類監管政策，對不同風險的應用制定差異化的監管要求；對外要加快推動國際標準協調，積極參與金融穩定理事會（FSB）、國際清算銀行（BIS）等國際組織的標準制定，爭取在人工智能監管領域獲得更多的國際話語權。

在監管手段層面，一是優化制度設計，建立及時響應、全面覆蓋、審查到位的合規體系；二是創新監管工具，構建人工智能驅動的合規監測平台，實現“用新技術監管新技術”；三是加強生態建設，降低金融機構合規成本，努力縮小大中小金融機構在人工智能技術孵化應用方面的“馬太效應”。