從智能客服到風險管理，從個性化服務到普惠金融，AI技術正在金融行業落地生花。

盡管前景廣闊，但也不得不面對一個現實：AI在金融領域的應用依然處于發展的初級階段，是否要“All in AI”？如何平衡效率與安全？AI與人的關系如何演變？這些都是擺在行業面前的一道道棘手難題。

民建北京市委金融委主任，北京航空航天大學經管學院金融系教授、金融大數據與金融工程研究中心主任李平表示，不能盲目地“All in AI”。她認為，大型機構可以著重關注大模型的研發，或者是基礎架構開發。小型金融機構則可以專注于特定應用場景，聚焦于某個細分領域。

關于效率和安全的平衡問題，在李平看來，金融機構應加強與統計及計算學界的深度合作，學會運用數據隱私保護及加密技術，共同探索如何在提升效率的同時，確保安全性得到兼顧。

是否要“All in AI”？

隨著ChatGPT、Sora等生成式人工智能的橫空出世，全球范圍內掀起了一股技術革新熱潮。從科研機構、科技企業乃至傳統金融機構一擁而上，紛紛加大對AI技術的研發投入。

在AI逐步滲透到金融領域各個方面的同時，一個備受爭議的問題浮出水面：是不是所有金融機構都要全面擁抱人工智能的春天，是否要“All in AI”？

“不能盲目地All in AI”，李平稱。

她提到AI“吞水”問題。據了解，AI模型在運行過程中，數據中心會產生大量熱量，為了使其保持平穩運行，需要依靠大量的水資源進行冷卻處理。

一項研究表明，一個用戶向AI大模型提問10到50次，可能會導致500毫升的水資源消耗。如果數以萬計的用戶同時提問，背后的水資源消耗將難以估計。

除了水資源消耗驚人外，AI大模型還帶來諸如電力消耗激增、碳排放增加等其他環境問題。

李平建議，無論是全國，還是北京，都應遵循“集中力量辦大事”的原則。各個城市，特別是北京的各個區，應該統一規劃和調配算力資源，以支持大型模型的運行。

李平認為，大型機構，尤其是科技公司和金融機構，可以著重關注大模型的研發，或者是基礎架構開發。小型金融機構則可以專注于特定應用場景，聚焦于某個細分領域，即小模型，效果可能更好。

“我并不建議小型機構涉足大模型研發，因為很可能投入了大量資金卻達不到預期效果?！崩钇椒Q。

效率和安全如何平衡？

毋庸置疑，AI正在重塑整個金融行業的運作模式。然而，AI與金融的融合也面臨諸多挑戰。

李平認為，這其中仍存在許多待解決的問題，尤其是效率和安全的平衡問題。從學術界來看，大數據和人工智能等技術和模型在評估借款人信用水平及違約率方面無疑提供了很大助力。但后臺數據怎么使用，以及如何保護借款人隱私也成為必須考慮的問題。

李平指出，當前，統計及計算學界正積極研究如何在確保數據保真的同時，又不損害借款人隱私，現在已有諸多研究成果。

她建議，金融機構或科技公司與統計及計算學界展開深入合作，運用數據隱私保護及加密技術，在確保不大幅損失信息的同時，還能注重隱私保護，共同探索效率與安全的平衡術。

同時，李平建議，監管層應從兩方面著手：一方面，要加強相關技術的學習與應用；另一方面，需盡快制定出臺相關政策，在監管效率與安全性之間找到恰當的平衡點。

AI與人的博弈

當前，雖然眾多金融機構已經積極地將AI技術應用到日常業務運營中，但實際上AI技術還不夠聰明，尚未達到高度智能化水平。

李平稱，AI應用較多的還是客服領域，而且有時還顯得比較笨拙。無論是在金融平臺還是購物平臺，與AI交流時發現，AI與人工客服提供的服務還有較大差距。

“這再次體現了AI與人類之間的博弈。由于語料的不同，在訓練過程中，AI會產出不一樣的結果。而AI本身難以判斷這些語料的準確性，因此背后依然依賴于人類的智能?！崩钇椒Q。

談及AI會不會超越人類，李平認為AI主要是賦能人類，最終不會超越人類。

李平稱，這背后仍是人類與智能之間的競爭。在AI尚未超越人類之前，人類需要不斷變得更加聰明，并推出相應的標準。無論是政策制定者、科研人員還是開發者，最終都應學會駕馭AI，而不能被 AI 牽著鼻子走。

“AI+金融”走向何方？

根據國際數據公司（International Data Corporation）的預測，到2027年，全球金融業在人工智能的支出將達到970億美元，復合年增長率為29%。這一數據凸顯了金融行業在人工智能應用方面的巨大潛力。

展望未來，李平認為在智能客服、智能營銷以及消費領域，AI還有很大的應用潛力和發展空間。對于銀行業金融機構而言，比如信貸審批，特別是貸前和貸后的審查方面，還有著非常廣闊的應用空間。

李平強調，關鍵還是在于如何在訓練AI的過程中，通過人為提供語料等方式，進一步提升其智能水平。

“就跟我們人類一樣，隨著年齡的增長，獲得的信息越來越多，然后自己也有了信息處理能力和消化能力，所以它的質量會越來越高?！崩钇奖硎?。

責任編輯：方杰