董希淼:人工智能技术对金融行业的影响及应对
01 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。
02 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,互联网银行等创新让银行服务模式无处不在、wushi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较大错配和缺口。
03 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。
04 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”。