我國高度重視人工智能(AI)發展,先后出臺《新一代人工智能發展規劃》等。近年來,在算法突破、算力提升等多方面因素驅動下,AI技術獲得長足發展。數據顯示,我國已初步構建較為全面的人工智能產業體系,相關企業超過4500家,完成備案并上線、能為公眾提供服務的生成式人工智能服務大模型已達190多個。
金融業擁有龐大的用戶群體,積累了海量數據,包括大量結構化數據和非結構化數據,是AI技術應用結合的優質場景。人工智能正在深刻地影響著金融業??傮w而言, AI技術的應用將加速金融業數字化轉型,提高數字金融發展效率和質量。金融機構應基于自身實際,用好AI賦能,防范技術風險。有關部門應優化政策環境,加大支持力度。
一、人工智能(AI)技術發展及金融業應用
周小川曾說過,“金融業是半個IT行業”,金融數字化一直走在前列。隨著AI技術發展,其在金融業的應用日益加快和深化。近年來,不同技術展現了各自獨特技術優勢和金融業應用價值。在實踐中,機器學習(ML)、圖像識別(OCR)、人臉識別(CV)、自然語言處理(NLP)和知識圖譜(KG)等人工智能技術都在不同領域得到深入應用。如,機器學習(ML)已經成為風險管理、智慧營銷、智能投顧、合規管控等關鍵環節的重要工具,提升決策的精準度和效率。圖像識別(OCR)則在智能進件、遠程開戶、放款審核、財報識別等環節通過快速將圖像文本提取為結構化數據,降低人工錄入的工作量。自然語言處理技術(NLP)在金融信息處理、客戶服務、合同比對方面發揮重要作用。而知識圖譜(KG)的圖計算、圖挖掘算法在政策解讀、行業研究、合規審計、產品推薦等方面,通過與機器學習、NLP技術結合,實現可視化解釋的智能應用提升。
2022年11月,OpenAI推出的對話式通用人工智能工具ChatGPT正式上線, AI技術發展邁入新階段。目前,生成式人工智能(GAI)大模型已經成為金融業關注焦點。而DeepSeek橫空出世,進一步加速了AI在金融業的深度應用。DeepSeek融合多模態數據處理、知識圖譜構建、智能決策引擎,特別是開源生態、低算力消耗帶來的低成本優勢,部署應用更具靈活性,從而更適配金融業特別是中小金融機構實際,將可能降低應用AI技術的門檻和成本,使得AI技術的金融業應用更為廣泛深入。
當下,金融機構正在積極探索DeepSeek應用落地。部分銀行基于DeepSeek開源框架整合內外部數據,開發及優化信貸風控模型,實現對傳統信貸風控模型升級,包括模型效能監控與調優、策略優化、仿真測試、數據及衍生特征推薦等,進一步提升建模效率和精準度。部分證券公司基于DeepSeek構建升級智能客服系統,實現自然語言處理的飛躍。針對客戶提出的各種復雜問題,包括產品咨詢、業務辦理流程詢問、賬戶異常反饋等,迅速給出準確詳細的回答,在多輪對話中保持連貫,為客戶提供更人性化服務體驗。
預計下一階段,DeepSeek等生成式AI大模型在信貸風控、客戶服務、行業研究、智能投顧、財富管理、反欺詐、合規監控等領域有著廣闊的應用前景。
二、人工智能(AI)技術對金融業的影響
AI技術快速發展正在深刻改變金融業的業務形態和運營模式。這種影響和改變包括兩個層面,一方面技術革新驅動金融業數字化轉型變革;另一方面,技術深度滲透將可能引發新的風險和挑戰。
(一)技術革新驅動金融業數字化轉型變革
技術革新驅動數字化轉型變革不僅體現在效率提升,更體現在業務模式創新和風險管理能力提升。
第一,AI應用提升金融業務處理效率。如銀行業務流程如貸款審批、賬戶開戶、文件審核等,往往涉及大量的人工操作,效率低下且容易出現錯誤。應用AI技術,有助于實現這些業務流程的自動化。如可以通過自動讀取和分析相關文件和數據,包括貸款申請資料、財務報表、合同協議等,提取關鍵信息,并根據預設的規則進行審核和決策。智能投顧方面,通過機器學習算法,能夠根據客戶的風險偏好和財務目標,提供個性化的分析師觀點,不僅降低傳統投顧的人力成本,還提高服務普惠性。AI驅動的自動化交易系統能夠在毫秒級別完成市場數據的分析和交易決策,顯著提升交易效率和市場流動性。
第二,AI應用加快金融服務模式變革。傳統以物理網點為中心的服務網絡,正在轉型為“云+端”的智能服務矩陣。如“AI+遠程銀行”模式實現多數高頻業務自動化處理,客戶需求響應速度較傳統模式顯著提升。在供應鏈金融方面,結合物聯網平臺,銀行將實體企業的生產經營數據轉化為信用評估依據,將部分數權和物權轉化為信用,使得中小微企業貸款審批通過率大幅提升。在智能投顧與財富管理領域,基于深度學習的客戶畫像系統可實時解析超過千萬級的行為特征維度,根據客戶生命周期階段自動生成資產配置方案,提升投顧方案采納率??傮w而言,AI應用推動金融服務從傳統的“經驗驅動”向“數據智能驅動”演進。
第三,AI應用提升金融風險管理能力。傳統的風險管理往往依賴歷史數據分析和人工判斷,而AI技術能夠整合處理多模態多源異構數據、實時監控新聞事件等非結構化數據,提前識別潛在風險能力。如,中國人民銀行數字貨幣研究所研發的“風控鷹眼”系統,通過機器學習實時監測可疑交易,使反洗錢調查效率提升多倍。部分銀行通過知識圖譜技術與機器學習相結合,對集團客戶關聯風險的識別準確率較傳統方法顯著提升。此外,基于深度學習的風險評估模型能夠更精準地預測信用違約概率,從而幫助金融機構做出更精確的信貸決策。
(二)技術深入滲透引發諸多新的挑戰
當前,AI技術深度滲透已經引發諸多新的風險與挑戰,包括:數據隱私與安全、算法黑箱、網絡安全威脅、合規監管矛盾等方面。
第一,“數據孤島”可能導致模型偏差。銀行、保險、證券等不同行業間的數據難以有效整合,碎片化的數據生態不僅制約AI模型的訓練精度,更可能導致信用評估、反欺詐等核心業務場景存在系統性偏差風險。由此可見,AI模型的訓練需要大量數據支持,如何在保證數據隱私和安全的前提下進行模型訓練,是行業需要共同解決的問題。
第二,算法黑箱問題則加劇應用難度。深度學習模型的決策過程缺乏可解釋性、不透明,生成式AI技術“幻覺”可能性,使得新技術在精度要求極高的部分金融場景下的應用成為障礙。而深度學習更是凸顯“算法黑箱”現象帶來的各種技術屏障,或將導致無論是程序錯誤還是算法歧視,在人工智能的深度學習中,都變得難以識別。
第三,網絡安全威脅呈現快速升級趨勢。生成對抗網絡(GAN)等AI技術,有時候被惡意用于偽造金融交易憑證、模擬高管聲紋實施詐。2024年某城商行就遭遇AI深度偽造的集團財務總監視頻指令,造成數千萬資金損失。更嚴峻的是,對抗樣本攻擊可通過對輸入數據的細微篡改誤導風控系統,這種新型攻擊手段嚴重威脅傳統基于規則的安全防護體系。
第四,技術發展對監管帶來新的挑戰?,F行金融監管體系主要針對傳統業務模式設計,對AI技術驅動的新興業態缺乏有效規制手段。此外,跨國金融機構還面臨不同司法轄區監管標準差異帶來的合規挑戰。如歐盟的《人工智能法案》與我國《生成式人工智能服務管理暫行辦法》,在數據本地化、算法審計等方面的要求存在較大差異甚至是沖突。
與此同時,隨著AI技術大量應用,人才短缺問題日益突出。調查顯示,兼具金融專業知識與AI技術能力的復合型人才缺口超過35%。人才短缺導致大量AI項目停留在技術驗證階段,難以實現業務場景的深度耦合。
總而言之,AI技術正在重塑金融業的未來。通過技術創新和模式變革,金融行業將能夠更好地服務實體經濟,實現高質量發展。同時,新技術加快滲透也會引發新的風險與挑戰。
三、金融機構應對策略與措施建議
AI技術正在重構金融業的價值鏈,在金融領域具有巨大應用前景,將加快金融機構數字化轉型,推動數字金融高質量發展;同時還將為塑造金融新業態打開大門,有望形成金融的新質生產力。但AI技術應用并非“一招鮮”,更難以“一鍵復制”。在這個過程中,金融機構需要保持開放和創新的態度,積極擁抱技術變革。同時,也應看到新技術應用與發展將對人才、組織、文化和風險管理提出新要求,并采取針對性措施持續改進和提升。
總體而言,大型金融機構應注重對金融科技發展趨勢和新技術變革的長期跟蹤與研發應用,并充分考慮技術創新、生態建設、風險防范等協同與平衡。而大部分中小金融機構面臨資金少、人才少、數據少、技術力量薄弱的“三少一弱”局面,可采用跟隨策略,探索與自身特點相適應的AI技術應用路徑。
一是合理定位,差異發展。大型金融機構應加快從“工具賦能”進階為“價值重構”。在發展AI技術過程中,大型金融機構應更多關注技術創新需要的顛覆性變革,包括業務重構、流程再造、組織變革等,深入思考“技術+業務”如何推動形成新產品、新模式、新業態。但也要避免盲目追求“全棧技術”而忽視實際使用率和價值成效。中小金融機構更不應盲目追求新熱點和高技術,而應基于自身資源稟賦,聚焦發展方向和業務重點,合理定位AI技術優先應用的業務和場景,走差異化、特色化的數字化轉型發展之路。尤其在科技投入方面不能“撒胡椒面”,而應聚焦重點業務需求和戰略業務發展需要,提高科技投入產出比。
二是開放協同,共建生態。大型金融機構在推動AI技術研發、行業標準制定、金融風險防范以及生態體系構建等方面具有優勢。應加快先行先試,探索AI技術多場景落地應用,做AI技術研發與應用的領路人。同時,強化責任擔當,打造更加完善的數字金融生態圈、朋友圈,向中小金融機構輸出先進技術和模式,有效賦能行業發展。中小金融機構應秉持開放合作的態度,多學習考察同業優秀實踐,加強與技術公司、研究院所溝通交流,加強產學研合作。在日常工作中,應圍繞本機構業務重點高頻場景,融入技術生態圈以及異業聯盟,加快探索技術與業務的深度融合,從而把AI技術真正應用起來,并以此為契機深化數字化轉型。
三是優化組織,培養人才。在組織文化上,應大力打造學習型組織,圍繞應用場景建立跨部門、跨條線的扁平化團隊,在全機構范圍內營造開放、協同的數字金融文化,創造寬松包容的創新氛圍,持續保持技術敏感性和組織敏捷性。同時,優化崗位安排、考核評價方式,通過技術與業務部門交叉任職、雙線評價以及目標與關鍵成果法(OKI)考核等方式,推動科技與業務加強協作與融合。在選拔機制上,可探索“金融+科技”雙維評估機制,識別具有數字化潛力的員工進行定向培養,并建立獨立的晉升與薪酬機制;完善“柔性人才池”機制,以項目制形式來合作吸納外部技術專家,構建兼具專業深度與跨界廣度的人才生態。
四是重視安全,防范風險。雖然AI技術不斷迭代發展,但對金融機構而言,一旦AI技術的漏洞被不法之徒利用,就可能對金融機構和客戶造成風險與損失。而且,新技術還可能帶來不可預知的新型操作風險,特別是在自動化控制狀態下影響難以估量。如數據中毒攻擊和對抗性樣本欺騙,可能威脅金融機構核心系統穩定性。隨著更多基于多模態數據的AI技術產生,數據邊界日益模糊,訪問主體和客體關系更復雜,金融機構常見的安全防御手段無法完全滿足數智化環境下安全保障需求。因此,信息安全和隱私保護等問題需要尤其重視。金融機構應當將AI技術風險納入全面風險管理體系,采取多方面措施有效防范和處置風險。
四、人工智能(AI)技術金融政策建議
2023年10月,中央金融工作會議將數字金融確定為五篇大文章之一。2024年11月,中國人民銀行等七部門印發《推動數字金融高質量發展行動方案》,要求加快推進金融機構數字化轉型,夯實數字金融發展基礎。我國AI技術在金融業高質量發展離不開開放包容、公平有序的政策環境。針對當前面臨的不足和問題,可從以下兩方面著手,進一步完善政策措施,實現技術創新與風險可控的平衡,使AI技術成為金融業數字金融高質量發展的“安全引擎”,而非“風險盲盒”。
(一)建立分類監管政策,推動國際標準協調
不同AI技術的應用場景,如信貸評估、投資顧問、反欺詐等,在應用的技術框架、技術復雜度和深度上存在較大差異,風險發生概率和影響程度上也不盡相同。因此,在政策上可考慮制定差異化的監管要求,對高風險應用如高頻交易等實施更嚴格的監管,對低風險應用如智能客服等實施相對寬松的監管。
同時,在制定完善國內監管政策同時,可考慮進一步推動國際標準協調,參與國際監管組織(如FSB、BIS)的AI標準制定,促進全球監管一致性發展,從而降低跨境金融機構的合規成本。
(二)引導強化風險意識,構建新型合規文化
良好的風險意識和合規文化是數字金融發展的前提和基礎。建議通過制度設計、工具創新和生態協同相結合,促進金融機構增強主動風險防范意識,從“被動響應”轉向“主動引領”;通過制度剛性約束與市場柔性激勵相結合,推動金融機構將AI風險防范內化為合規文化。
一是制度設計上,促進銀行等金融機構對新產品、新業務、新模式帶來的技術和業務邏輯變化,建立起及時響應、全面覆蓋、審查到位的合規體系,進一步規范全面風險管理范圍,如新型操作風險、科技外包風險、模型算法風險等如何識別、防范和監控。
二是工具創新上,可考慮構建AI驅動的合規監測平臺,自動解析監管文件并評估金融機構的合規狀況。從而提升監管的時效性,及時反饋當前金融機構可能碰到的問題和風險。同時,可建立跨機構的數據共享平臺,利用AI分析系統性風險,并實現信息披露和共享。
三是鼓勵第三方機構提供AI模型審計、數據合規檢測等服務,降低金融機構合規成本。第三方審計可避免金融機構“自我審查”的潛在利益沖突,確保結果公正。同時也減少金融機構的自身投入,特別是中小金融機構無需自建昂貴的AI審計團隊或采購高端技術工具,通過第三方專業服務節省人力、技術和時間成本。同時第三方機構專注于合規技術,積累跨行業經驗,能夠快速識別風險并提供精準解決方案,如,算法偏見檢測、數據泄露防護等。這將有助于形成統一的審計與檢測標準。
人工智能(AI)技術是新一輪科技革命和產業變革的重要驅動力量,將對全球經濟社會發展和人類文明進步產生深遠影響。面向未來,我們要深入貫徹落實黨中央、國務院關于人工智能發展的決策部署,不斷推動人工智能與金融業深度融合,充分發揮AI技術在促進金融數字化轉型、做好數字金融大文章等方面的重要作用;同時推動金融更好地賦能AI技術迭代創新,為加快形成新質生產力、促進經濟高質量發展注入源源不竭的金融動能。(原載《金融電子化》雜志4月上半月刊,發表時有修改)
(董希淼系招聯首席研究員、上海金融與發展實驗室副主任,徐蓓蕓系安碩信息金融業務研究院高級顧問、上海金融與發展實驗室特聘研究員)
責任編輯:王煊
免責聲明:
中國電子銀行網發布的專欄、投稿以及征文相關文章,其文字、圖片、視頻均來源于作者投稿或轉載自相關作品方;如涉及未經許可使用作品的問題,請您優先聯系我們(聯系郵箱:cebnet@cfca.com.cn,電話:400-880-9888),我們會第一時間核實,謝謝配合。