“AI+金融”提效更需防風險

　　金融業憑借數據密集、技術驅動的特性，一直是科技創新應用的先行者，處于全社會數字化轉型的前沿。在近日由中國金融四十人論壇(CF40)與清華大學聯合主辦的2025外灘年會上，與會嘉賓普遍認為，從最早的信息化到數字化再到數智化，人工智能(AI)正在全面提升金融業的服務效能和水平，也給行業未來發展帶來更大的想象空間。AI在金融領域的應用處于什么階段，在金融機構展業過程中發揮怎樣的作用，未來是否會有AI幫客戶做決策……記者就這些問題進行了采訪。

　　應用有基礎

　　“金融與科技的互動歷來是相輔相成、相互促進的。”國家金融監督管理總局副局長肖遠企表示，過去，款項的支付需要依靠人背馬馱的遠程操作。1000多年前我國北宋時期發行了世界上最早使用的紙幣“交子”，這也得益于當時印刷術和版畫技術發明的支持；電氣時代解決了匯款難題；互聯網時代，則實現了金融業務的24小時運營。現在金融行業成為AI新科技的領先應用者，業內并不感到意外。

　　那么，目前AI在金融行業主要有哪些應用呢？肖遠企總結了三方面：首先，中后臺運營的智能化，覆蓋了數據收集、加工、信息甄別與識別以及客戶評估等多個環節，當前已經在銀行等金融機構內部應用比較廣泛。其次，在客戶交流方面，許多金融機構在客戶關系管理環節，包括營銷、維護和問題解答等方面都普遍應用了AI技術。最后，在金融產品提供方面，AI的應用帶來了雙重效益——對內，它幫助金融機構降低成本、提高效率；對外，能夠為客戶和利益相關者提供更個性化、更精準的金融產品與服務，更有效地解答問題和滿足需求。

　　今年國務院發布《關于深入實施“人工智能+”行動的意見》，明確將加快實施重點行動，其中包括“人工智能+”產業發展，創新服務業發展新模式，在軟件、信息、金融、商務、法律、交通、物流、商貿等領域，推動新一代智能終端、智能體等廣泛應用。

　　“AI應用于金融系統有良好基礎。”中國人民銀行原行長周小川表示，過去金融系統積累了海量數據，這些數據可用于機器學習、深度學習，使傳統模型轉向智能推理模型。通過機器學習或深度學習金融穩定數據、金融機構健康性的歷史變化，推理預知金融不穩定風險的出現，是一個重要探索方向。

　　金融行業高度重視人工智能應用，目前也正在積極布局。交通銀行副行長兼首席信息官錢斌介紹，按公開信息披露，2024年我國國有大型商業銀行在科技資金上的投入合計超過1200億元，科技人員超過10萬人。以交通銀行為例，自2021年起把人工智能作為交通銀行數字化轉型的新名片之后，該行每年科技資金投入始終保持在120億元，占整個營收約5.4%，科技人員達到1萬人，占交行總員工數10%以上，體現了對人工智能的重視。

　　肖遠企表示，當前，以人工智能為代表的科技成果在金融領域已經開始廣泛應用，可以預期，對金融的促進與影響可能是重大且根本性的。

　　邊際有變化

　　那么對于金融體系而言，AI究竟是一種邊際性的技術工具進步，還是更像蒸汽機、電力，是全方位重塑行業業態的根本性變革？對于這一問題，周小川認為，從金融的角度來看，AI是在歷史上信息處理、IT和自動化基礎上的又一次新的邊際變化——但這個邊際變化是一個很大的變化，涉及銀行主要業務、客戶行為與監管等諸多層面。

　　周小川表示，銀行與其他行業有所不同，人工智能前幾年興起時，大家非常關注生成式模型，后來重視多模態處理；而銀行相對簡單，較少使用多模態或生成式技術，主要依賴大數據分析和推理模型，因此有其自身的特點。基于這一特點，銀行未來結構會進一步向這個方向發展。

　　此外，客戶行為也在發生深刻變化。過去客戶與銀行打交道時，許多人習慣與人溝通，不習慣與機器互動。但近10年的變化顯示，越來越多客戶習慣與機器打交道，不太愿意或認為沒有必要人工介入，這個變化也非常深刻。因此，人工智能在銀行業的支付、定價、風險管理和市場推廣等方面發揮著重要作用，這是一個很大的邊際變化。

　　“在人工智能的影響下，監管也會發生很大變化。我們現在的反洗錢、反恐融資系統是最典型可運用大量數據分析發現線索、識別洗錢和恐怖融資活動的領域。過去有一個很大的困惑就是，凡是涉及大額交易都必須向反洗錢部門報告，但收集海量數據后不知道該如何處理。而如果利用已破獲案件數據進行機器學習、深度學習，模型會逐漸提升，從中找出規律，這對監管也有巨大作用。”周小川表示，這方面現在已經取得了很大進展。

　　可以看到，AI能夠幫助金融機構對內提升運營效率，對外更好地提供服務和產品。但不少人也因此產生了擔憂：金融機構員工數量龐大，隨著AI效率提升，是否會帶來內部員工安置的壓力？對此，肖遠企回應稱，到目前為止，還沒有聽到金融機構單純因AI應用而出現員工安置壓力的案例。

　　“員工是金融機構最有效的生產力，每一位員工都在創造價值。盡管AI發展迅猛、應用廣泛，但我們必須明確一點，目前AI在金融領域的應用仍處于早期階段，其作用仍是輔助性的，無法取代人的決策。”肖遠企表示，在信貸、保險定價、定損、精算等關鍵領域，仍然離不開人的專業判斷；在金融領域，人才始終是我們最寶貴、最有價值的資產。

　　風險需警惕

　　“AI的應用究竟是邊際性改變、增量性變革，還是根本性顛覆，這還需要繼續觀察，但至少在目前，AI應用所帶來的風險，與歷史上幾次重大科技革命在金融領域應用時產生的風險類似，目前或許難以定論。”肖遠企表示，從歷史視角看，過去幾輪科技革命在金融領域主要帶來的是增量風險和邊際風險——風險的成因、路徑和形態有所變化，但金融行業面臨的根本性風險，如信用風險、市場風險、流動性風險和操作風險，并未發生革命性改變。

　　具體到這一輪AI變革對金融領域帶來的風險，肖遠企認為可以從宏觀和微觀兩個層面觀察。

　　從微觀層面來說，對單家金融機構而言，主要有兩類新型或增量風險：一是模型穩定性風險。這一輪AI應用高度依賴模型支撐業務拓展，因此模型的穩定性和可靠性變得至關重要。二是數據治理風險。這涉及數據來源的選擇、數據質量的把控以及事后的評估與監測程序，也就是數據治理的程序。這兩類風險對單個機構非常關鍵。

　　對整個行業而言，則主要有兩類增量風險：一是集中度風險。金融行業在AI模型技術上可能會依賴少數技術開發能力強、穩定性高、資源投入大的服務提供商。同時，大型金融機構在資源投入上可能比小型金融機構更具有優勢，可能導致市場集中度提高，這一點有待觀察。二是決策趨同風險。所使用的模型和數據相對標準化和集中使金融機構在決策依據上可能趨同，進而導致行業整體決策同質化。如果趨同性過高，可能引發“共振”效應，這是需要關注的。

　　周小川還提到，如果AI模型大量運用短期高頻數據，學習結果可能是高頻、短期、技術性的，可能與金融穩健和宏觀調控所需要的長遠穩定性要求不一致，這個問題需要認真對待和解決。

　　“歸根結底，人永遠要成為新技術的主人，人要成為人工智能的主導者，成為關鍵決策的決策者。我們既要用人工智能的精準判斷和趨勢判斷，更要把人的溫度、人文的考量進行有機結合。”錢斌表示，有的企業前幾年受到疫情影響出現了財務危機，如果嚴格按照財務報表來看，它的現金流量、資產負債包括利潤都出現了一些危機，達到了銀行進行催收、斷貸的標準。這時候如果嚴格按照人工智能規則，就必須斷貸。“但市場更需要金融有溫度，更需要金融負責任，那段時期我們采取理性的無還本續貸模式來更好地支持企業度過危機。所以從這個角度來說，金融在人工智能運用的關鍵決策點，仍必須由人把控。”錢斌說。

　　本報記者 勾明揚