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”。