董希淼：人工智能技术如何全面影响金融业

据上海金融与发展实验室微信公众号消息，9月18日，上海金融与发展实验室副主任、招联首席研究员董希淼在中国人民大学深圳研究院主办的大金融思想沙龙第263期“人工智能如何重塑金融业”上发言，全文如下：

工智能技术在银行前中后台的业务和管理中都已经有广泛而成熟的应用。对于金融行业而言，人工智能既有积极影响，也会带来新的挑战。人工智能的应用一方面能够推进业务创新、组织重构和认知革命，另一方面也导致技术层面、监管层面和人才层面许多新问题产生。对此，金融机构应该坚持差异发展、开放协同的理念，优化人才培养方式和风险防范机制；监管机构则要改进监管框架并创新监管手段。要通过多方协同，让人工智能技术成为金融业高质量发展的“安全引擎”，而非“风险盲盒”。

人工智能技术发展及金融行业应用

央行前行长周小川曾说，金融业是“半个IT行业”。技术在金融业的应用历来至关重要，金融业是使用科技最领先的行业之一。粗略统计，目前银行业每年信息科技投入约3000亿元，约占全国研发投入的十分之一，这从侧面反映出银行业对包括人工智能在内的新技术的高度重视。

人工智能在金融领域的应用超越了我们的想象。比如：2024年12月5日，美联储主席鲍威尔在《纽约时报》的一次峰会上进行了一场约34分钟的公开讲话，海外机构用微表情分析等技术对其政策态度进行研判，得出其对降息“非常谨慎”的结论。事实验证也较为吻合，直到今年9月美联储才开始降息。姜富伟教授提到的文本分析相对容易实现，而微表情、肢体语言分析非常困难，但是人工智能技术仍然有比较好的表现。

国家层面高度重视人工智能的发展，国内的人工智能产业，从政策体系到产业体系都比较完整。具体到金融业，机器学习、计算机视觉、人脸识别、自然语言处理和知识图谱五个方面的技术已经得到广泛应用，生成式人工智能技术也在反欺诈、智能客服、信贷管理、行业研究、运营管理、财富管理、合规监控等前中后台各个领域具有广阔的应用前景。

人工智能技术对金融业的影响分析

（一）正向影响：业务—组织—认知的三重变革

人工智能应用对于金融行业的积极影响主要体现在三个方面：一是业务层面的变革创新，二是组织层面的重构重塑，三是信任体系的认知革命。

从业务层面来看，人工智能的应用带来了三方面的积极影响。一是业务效率提升，贷款审批速度和账户开户速度大大提高，人工操作错误减少；二是服务模式创新：银行服务除了线下的银行网点外，远程银行与非接触式服务兴起，互联网银行等创新模式让银行服务无处不在、无时不在；三是风险管理的升级：在信贷领域，以往对信用风险多是事后处置，即出现逾期贷款或不良贷款后才去采取应对策略，但如今在人工智能的加持下，在事前环节就可以预判贷款申请人的信用风险、发现并拦截异常的贷款申请行为。

在组织层面，一方面，在人工智能时代，技术迭代和产品创新加速，传统的科层制和总分行体制下，银行通常不能及时对创新做出反应，因此银行会主动或被动向更为敏捷、扁平的组织架构转变。另一方面，数字化时代银行很多组织上的观念、架构上的理解会发生变化。例如，“一线员工”的定义正在发生变化：在过去的理解中，线下网点的柜台员工和客户经理直接面向客户，被视为一线员工；如今，科技部门、网络金融部门的多数员工也可以视作一线员工，因为他们开发、运营的APP背后就是大量的线上客户。

在认知层面，人工智能和智能合约等相结合，推动了信任体系的革命。比如，人工智能赋予智能合约动态决策能力：供应链场景中实时分析千家上下游数据，将放款周期从数十天缩至分钟级，并通过事中拦截次品订单降低坏账；融合物理（用水用电）、数字（链上交易）、社会（舆情）数据构建三维监管图谱，预判企业风险触发资金限制；隐私计算下模拟未来百种经营场景生成弹性授信。

（二）潜在问题：技术—监管—人才的三重挑战

人工智能应用不仅推动了业务、组织、认知层面的积极变革，同时也带来了技术、监管、人才方面的新问题。

在技术层面，数据侧碎片化数据生态下形成的“数据孤岛”会带来模型偏差，训练过程中数据隐私和安全的保护也是亟待解决的问题；算法侧不透明的模型决策过程和生成式人工智能的“幻觉”风险使得应用难度加剧；网络安全受到的威胁也有所升级。

在监管层面，一方面，现行金融监管体系主要针对传统业务模式设计，对人工智能技术驱动的新兴业态缺乏有效规制手段；另一方面，跨国金融机构面临不同司法辖区监管标准差异带来的合规挑战。

在人才储备方面，目前金融科技人才缺口仍然非常大。如今，不只是科技部门需要技术人才，业务部门也会招聘科技背景的人才，一些机构甚至提出“业务科技人员”这一新概念。但高校培养与实际需求之间仍存在明显的错配和较大的缺口。

金融机构人工智能应用策略与建议

一是合理定位、差异发展。从中国的实际情况来看，大型金融机构与中小金融机构在规模和经营方式上存在较大差异。因此，不同的金融机构应用人工智能的路径和策略很可能完全不同。大型金融机构要从“工具赋能”进阶为“价值重构”，更多关注业务重构、流程再造、组织变革，形成新产品、新模式、新业态。而中小机构由于缺乏试错能力，不应盲目追求新热点和高技术，应基于自身资源禀赋，聚焦发展方向和业务重点，走差异化、特色化的转型发展之路。

二是开放协同、共建生态。大型金融机构应承担更多引领与赋能的责任，做人工智能技术研发和应用的“领路人”，同时释放冗余的科技能力与人才；中小机构应该秉持开放合作的态度，与头部金融机构或者外部的科技公司进行合作，围绕业务重点高频场景融入技术生态圈，加快探索“业技融合”。

三是优化组织、培养人才。为了用好技术、留住人才，在组织文化方面，要营造开放包容、容错试错的创新氛围；在岗位考核方面，应促进协作融合；在选拔机制方面，应构建人才生态。比如，不但要设立首席信息官，更要让首席信息官有责有权有为。

四是重视安全、防范风险。即使是已经广泛应用的人脸识别技术，在银行业应用中也不乏负面案例。因此，一方面要将人工智能相关风险全面纳入全面风险管理体系，采取多方面措施有效防范和处置风险，另一方面也要充分考虑人工智能技术的漏洞，对新型风险加以注意和防范。

深化人工智能技术金融应用的建议

在监管标准层面，对内要建立分类监管政策，对不同风险的应用制定差异化的监管要求；对外要加快推动国际标准协调，积极参与金融稳定理事会（FSB）、国际清算银行（BIS）等国际组织的标准制定，争取在人工智能监管领域获得更多的国际话语权。

在监管手段层面，一是优化制度设计，建立及时响应、全面覆盖、审查到位的合规体系；二是创新监管工具，构建人工智能驱动的合规监测平台，实现“用新技术监管新技术”；三是加强生态建设，降低金融机构合规成本，努力缩小大中小金融机构在人工智能技术孵化应用方面的“马太效应”。