沈子杰 匡甜甜

摘 要：當前，金融業(yè)正處于人工智能發(fā)展的新階段，作為提升經(jīng)營效益的有效途徑，人工智能正成為推動金融機構(gòu)數(shù)字化轉(zhuǎn)型的核心驅(qū)動力。通過賦能金融價值鏈，人工智能使金融機構(gòu)能夠獲得更加精準的決策與分析能力、更高的執(zhí)行效率和更加全面的風控體系。雖然現(xiàn)階段我國金融業(yè)在布局人工智能過程中存在著一系列發(fā)展痛點，但隨著數(shù)據(jù)管理能力的逐步提高、智能化決策能力的不斷進步、模型解釋工作的充分開展和高級人才的加速培育，我國金融行業(yè)智能化進程將穩(wěn)步推進。與此同時，香港銀行業(yè)的人工智能部署經(jīng)驗值得內(nèi)地銀行業(yè)借鑒。展望未來，人工智能將重構(gòu)金融機構(gòu)業(yè)務(wù)體系，業(yè)務(wù)辦理將全面掙脫傳統(tǒng)網(wǎng)點束縛，深耕人工智能是我國金融業(yè)未來的發(fā)展大勢。

關(guān)鍵詞：人工智能；價值鏈；比較優(yōu)勢；數(shù)字化轉(zhuǎn)型；金融價值鏈；智能化

本文索引：沈子杰，匡甜甜.<變量 2>[J].中國商論，2024（07）：-118.

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2024）04（a）--06

1 引言

新冠疫情的爆發(fā)加速了銀行業(yè)人工智能轉(zhuǎn)型的步伐。根據(jù)麥肯錫報告，全球銀行業(yè)的凈資產(chǎn)收益率至少5年內(nèi)都無法恢復到疫情前水平，其中全球銀行業(yè)凈資產(chǎn)收益率ROE，從2019年的8.9%下滑至2020年的5.4%，2021年觸底下降至1.5%，其中北美降至-1.1%、歐洲降至-1.8、亞洲發(fā)達市場降至-0.2%、新興亞洲降至-0.2%、中東和非洲降至3.7%、拉丁美洲降至5.2%、中國銀行業(yè)降至8.6%。與此同時，零利率市場環(huán)境還會持續(xù)壓縮凈息差，銀行必須重新思考基于風險中介定位的業(yè)務(wù)模式，銀行管理層若不采取行動，全球銀行業(yè)ROE將會繼續(xù)下滑，利潤率也將進一步承壓，多數(shù)地區(qū)銀行業(yè)ROE也將轉(zhuǎn)為負值。數(shù)字化的快速發(fā)展正使得客戶對于金融智能化期望增加、領(lǐng)軍金融科技公司及平臺公司正在加速人工智能技術(shù)布局、數(shù)字生態(tài)系統(tǒng)也正在加速傳統(tǒng)金融服務(wù)脫媒，如果銀行不能盡快將智能化作為其核心戰(zhàn)略，就可能面臨著被競爭對手超越和被客戶拋棄的風險。因此，在零利率、去中介化背景下，如何提升金融收益與運作效率已成為重要議題。為實現(xiàn)利潤增長，銀行必須采取包括提高產(chǎn)出、強化風險管理和優(yōu)化主權(quán)資本等在內(nèi)的多種干預(yù)政策，而人工智能技術(shù)則為這些措施的達成提供了一個良好的解決方案，利用人工智能技術(shù)能夠打造效率引擎、推動金融自動化基礎(chǔ)設(shè)施建設(shè)、強化風險管理，從而推動資本優(yōu)化目的達成。

近年來，人工智能技術(shù)發(fā)展的主要推動因素在于可利用數(shù)據(jù)量的增加、網(wǎng)絡(luò)帶寬的增加以及機器學習算法的持續(xù)進步，人工智能的應(yīng)用范圍已從固定執(zhí)行預(yù)先設(shè)定好的應(yīng)用程序，逐步發(fā)展為執(zhí)行類似于人類大腦的思考，利用大數(shù)據(jù)技術(shù)進行海量數(shù)據(jù)培訓，在循環(huán)反饋機制作用下構(gòu)成神經(jīng)網(wǎng)絡(luò)。銀行與其他數(shù)據(jù)分析技術(shù)相比，AI算法能夠完全利用輸入數(shù)據(jù)自行建模，這一特性決定了AI技術(shù)相較其他數(shù)據(jù)分析技術(shù)而言更加智能和靈活，同時AI還能利用不同的訓練數(shù)據(jù)集合實現(xiàn)自優(yōu)化，在現(xiàn)階段布局到金融業(yè)務(wù)領(lǐng)域，能夠取代或增強人類的判斷，還能達成近乎實時的客戶儲備數(shù)據(jù)分析，降低傳統(tǒng)人為的出錯概率并發(fā)揮數(shù)倍于人工的高效作用。綜合上述各項優(yōu)勢，銀行希望利用AI技術(shù)賦能價值鏈，用以優(yōu)化整體業(yè)務(wù)流程、達成實時決策以及實現(xiàn)自動化批量業(yè)務(wù)處理的能力。銀行若想成為人工智能銀行，則需要實現(xiàn)整體轉(zhuǎn)型，由部門內(nèi)部小范圍的人工智能技術(shù)實驗，逐步轉(zhuǎn)向面朝銀行內(nèi)部整體發(fā)展人工智能技術(shù)，但在此過程中銀行面臨著諸多的轉(zhuǎn)型發(fā)展痛點，而如何解決這些問題已成為業(yè)界普遍關(guān)注的焦點。鑒于人工智能技術(shù)對于銀行價值鏈的影響以及如何在銀行內(nèi)部應(yīng)用的問題是近年來較新的研究領(lǐng)域，國內(nèi)相關(guān)研究文獻較少，并且缺乏一定的針對性，故本文參考近年來國外知名咨詢機構(gòu)有關(guān)人工智能與銀行業(yè)的最新研究報告，用以探究人工智能對銀行價值鏈的影響、香港地區(qū)人工智能技術(shù)的布局與比較優(yōu)勢、現(xiàn)階段我國銀行業(yè)布局人工智能的發(fā)展痛點和轉(zhuǎn)型策略，以期為我國銀行界人工智能技術(shù)的發(fā)展提供一些參考建議。

2 人工智能對銀行價值鏈的影響

銀行擁抱人工智能能夠提供全方位的智能化與個性化服務(wù)，對銀行的價值鏈帶來深遠影響。在銀行價值鏈的核心流程與支持流程中，人工智能帶來了諸多創(chuàng)新模式，不僅為銀行提供了全面的智能化分析與決策手段，還將銀行自動化水平推向了新高度。人工智能在銀行內(nèi)部的應(yīng)用范圍，從產(chǎn)品和解決方案、風險管理與核校、產(chǎn)品營銷與咨詢，再到信息技術(shù)、人力資源和財務(wù)管理，所帶來的潛在優(yōu)勢十分顯著。利用人工智能，銀行擁有更加智能化的數(shù)據(jù)分析方法來提升服務(wù)質(zhì)量和客戶獲取能力，幫助銀行創(chuàng)造收入；通過提高自動化程度，能夠降低人工錯誤發(fā)生率、提高資源利用效率和金融運作效率，從而降低整體運行成本、提升經(jīng)營效益；通過從海量數(shù)據(jù)中獲得價值信息，不僅能為銀行創(chuàng)造新的發(fā)展機遇，還能夠更好的防范銀行內(nèi)部與外部風險。麥肯錫（McKinsey）的一份研究報告提出，人工智能和機器學習有可能在金融和IT領(lǐng)域額外創(chuàng)造1000億美元的收入，每年可以為銀行釋放約10000億美元的增量價值（數(shù)據(jù)來源：“The executives AI playbook，” McKinsey.com.）。綜上所述，銀行價值鏈在人工智能技術(shù)的賦能下，銀行得以獲得三個關(guān)鍵能力：更精準的分析與決策能力、更高的經(jīng)營效率與盈利能力以及更加完備的風險控制體系。

第一，更為精準的分析與決策能力。深入了解客戶行為和市場產(chǎn)品需求，是提高銀行競爭力的關(guān)鍵要素，銀行為提高競爭力需要為客戶提供更精準的服務(wù)以保持和擴大現(xiàn)有的市場份額。銀行正在尋求將內(nèi)部客戶數(shù)據(jù)與外部數(shù)據(jù)結(jié)合起來，與外部非銀行金融機構(gòu)形成數(shù)據(jù)合作伙伴關(guān)系，利用開放銀行解決數(shù)據(jù)獲取問題，應(yīng)用編程接口API幫助銀行與第三方的服務(wù)商連接和協(xié)作，共享客戶授權(quán)的金融數(shù)據(jù)，從而便利銀行利用人工智能分析技術(shù)產(chǎn)生對客戶行為的詳細畫像，根據(jù)客戶概況、交易歷史和其他數(shù)據(jù)建立客戶個性化標簽，為銀行客戶獲取提供切入點。對于個人客戶而言，智能化銀行能夠精準識別消費者的消費模式、提供全面的個性化資金管理方案和儲蓄投資建議。針對企業(yè)客戶而言，智能化銀行能夠為企業(yè)客戶制定貸款解決方案、匹配和尋找供應(yīng)商與買家。人工智能通過賦能以機器人投資顧問、智能數(shù)據(jù)分析、銀行遠程客戶端等為代表的應(yīng)用，優(yōu)化了金融價值鏈，這類技術(shù)正幫助銀行獲得更精準的客戶分析能力與決策能力，從而為客戶提供更靈活、更加全面的解決方案。

第二，更強的經(jīng)營效率與盈利能力。對于商業(yè)銀行來說，找到更經(jīng)濟的方法降低人工出錯概率，提升經(jīng)營效率與盈利能力至關(guān)重要，這也是銀行尋求人工智能技術(shù)賦能金融價值鏈的重要因素，而人工智能所帶來智能自動批量化處理，為上述目標的達成提供了有效的解決方案，AI使銀行業(yè)務(wù)流程實現(xiàn)自動批量化處理走向現(xiàn)實，這有利于保持銀行所提供服務(wù)的性價比，提高金融經(jīng)營效益。與此同時，隨著開放API支持與業(yè)務(wù)合作伙伴之間共享越來越多的數(shù)據(jù)。有了Open API所有信息都可以實現(xiàn)數(shù)字化并被銀行計算機系統(tǒng)所理解，未來銀行系統(tǒng)可以更容易地集成相關(guān)數(shù)據(jù)和信息，從而更容易實現(xiàn)端到端的全面自動化批量處理過程。

第三，更加完備的風險控制體系。人工智能可以通過考察交易歷史、市場趨勢和客戶信用記錄等數(shù)據(jù)，在保證精確度的同時能夠簡化傳統(tǒng)風險管理流程，在風險管理流程中，對可能發(fā)生的風險情景進行全面監(jiān)測，以達成降低傳統(tǒng)金融風險的目的。

3 香港銀行業(yè)人工智能技術(shù)業(yè)務(wù)布局與比較優(yōu)勢

3.1 香港銀行業(yè)人工智能技術(shù)業(yè)務(wù)布局

香港地區(qū)銀行業(yè)已將AI作為提高效率、降低成本、強化反欺詐能力和提高客戶參與的重要方式，將AI技術(shù)整合到銀行多個關(guān)鍵職能領(lǐng)域，包括前線業(yè)務(wù)、風險管理、后臺運營（清算、結(jié)算與財務(wù)）和客戶服務(wù)。在香港銀行業(yè)內(nèi)部，目前已通過審批采用和計劃推出的人工智能應(yīng)用程序已經(jīng)超過50款。相關(guān)數(shù)據(jù)顯示，香港地區(qū)銀行業(yè)人工智能技術(shù)應(yīng)用最廣泛的領(lǐng)域為風險管理領(lǐng)域，AI應(yīng)用規(guī)模占已采用和計劃推出人工智能技術(shù)總數(shù)的57%，主要應(yīng)用場景為反洗錢、客戶盡職調(diào)查、網(wǎng)絡(luò)安全維護；其次是客戶服務(wù)領(lǐng)域，規(guī)模占到17%，主要應(yīng)用場景包括遠程客戶注冊、客戶服務(wù)機器人和個性化產(chǎn)品推薦；前線業(yè)務(wù)占比為12%，主要應(yīng)用場景包括算法交易，財務(wù)建議與信用評分；后臺運營領(lǐng)域人工智能技術(shù)用例的占比為14%，主要應(yīng)用領(lǐng)域包括自動化操作、智能合同分析、債務(wù)管理與客戶信息管理（數(shù)據(jù)來源：HKIMR Applied Research Report No. 2/2020）。而在所有的人工智能應(yīng)用中，最受香港銀行業(yè)歡迎的三項AI應(yīng)用為處理運營任務(wù)的自動化批量處理、用于檢測欺詐與支持風險管理的機器學習程序以及用于客戶服務(wù)中心的機器人客服。

具體來看，香港地區(qū)銀行業(yè)人工智能應(yīng)用目前已廣泛布局于核心金融領(lǐng)域、客戶管理領(lǐng)域、銀行職能領(lǐng)域和各銀行服務(wù)渠道。首先，在核心金融領(lǐng)域，人工智能技術(shù)已廣泛應(yīng)用于銀行客戶管理、金融產(chǎn)品創(chuàng)新與定價、貸款業(yè)務(wù)和抵押品管理，在該領(lǐng)域應(yīng)用人工智能技術(shù)能夠維護銀行賬戶的可操作性、更好的向客戶提供增值服務(wù)、支持創(chuàng)新金融產(chǎn)品研發(fā)、實現(xiàn)產(chǎn)品價值最大化定價以及提高數(shù)據(jù)集的管理效率，香港銀行業(yè)在該領(lǐng)域主要的AI應(yīng)用案例包括智能客服、金融產(chǎn)品定價程序和數(shù)據(jù)集管理系統(tǒng)。其次，在客戶管理領(lǐng)域，人工智能技術(shù)在香港銀行業(yè)已廣泛應(yīng)用于客戶服務(wù)、客戶獲取與客戶畫像，目的是用以提升服務(wù)質(zhì)量、提高客戶搜集能力、實現(xiàn)精準的客戶需求分析與客戶細分。在該領(lǐng)域，人工智能主要的應(yīng)用案例包括客服機器人、客戶情感分析機器人、客戶流失預(yù)測、個性化產(chǎn)品推薦以及遠程客戶端服務(wù)。再次，在銀行職能領(lǐng)域，香港銀行業(yè)在該領(lǐng)域的人工智能應(yīng)用布局最為廣泛，主要應(yīng)用場景包括欺詐檢測、自動編碼與功耗管理、清算與結(jié)算、報告與合規(guī)文件處理、人才管理、風險評估檢測和交易支付等領(lǐng)域，在該領(lǐng)域主要的AI應(yīng)用案例包括反洗錢、欺詐檢測、客戶分析、網(wǎng)絡(luò)安全檢測、智能識別系統(tǒng)、智能合同分析、自動化文件批量處理、基于自然語言技術(shù)生成報告、員工行為監(jiān)督、經(jīng)濟與數(shù)據(jù)預(yù)測和風險管理。最后，在銀行服務(wù)的渠道方面，人工智能技術(shù)廣泛布局在銀行手機端、網(wǎng)上銀行端、銀行客服中心、自動柜員機、智能柜臺等渠道上，用以幫助客戶實現(xiàn)遠程注冊、快捷的業(yè)務(wù)辦理以及用于提升自動柜員機（ATM）的現(xiàn)金管理效率。當然，在上述之外的其他領(lǐng)域，香港銀行業(yè)人工智能技術(shù)應(yīng)用還廣泛布局于企業(yè)貸款、投資與證券、財富管理、消費融資、現(xiàn)金管理與信用卡等領(lǐng)域，用于支持銀行信用評分、達成算法交易、優(yōu)化資本運作效率、增強投資組合管理效率、提供財務(wù)建議以及提升卡片管理系統(tǒng)的運作效率。

3.2 香港地區(qū)人工智能發(fā)展相較內(nèi)地的比較優(yōu)勢

首先，秉承人工智能發(fā)展人才先行策略。一方面，香港的大學院校在人工智能技術(shù)相關(guān)領(lǐng)域表現(xiàn)一直較為出眾，例如計算機科學及信息系統(tǒng)、電子工程、數(shù)學等學科的表現(xiàn)在世界大學排名中位居前列，校內(nèi)科研投入的穩(wěn)步增長將相當數(shù)量的科研課題轉(zhuǎn)化為科技成果，這些優(yōu)勢為香港地區(qū)人工智能技術(shù)的發(fā)展孕育了土壤。與此同時，香港金管局較為重視人工智能人才培養(yǎng)，早在2016年香港金管局便與高校相關(guān)技術(shù)院系合作，用以鼓勵銀行和大學共同開發(fā)人工智能相關(guān)項目，加速學生將理論知識轉(zhuǎn)變?yōu)閷嵺`經(jīng)驗與科技成果的過程，提高應(yīng)屆畢業(yè)生在這一領(lǐng)域的相關(guān)技能，提早積累行業(yè)經(jīng)驗并確定適合自己的技術(shù)研究方向。這一做法為香港銀行業(yè)擴大金融科技人才庫，減少金融科技人才缺口打下了堅實的基礎(chǔ)。另一方面，香港金融界近年來繼續(xù)加大科技人才的引進力度，持續(xù)擴大科技人才市場，為海內(nèi)外符合條件的、擁有先進分析技能的數(shù)據(jù)科學家和能夠創(chuàng)建、部署和管理人工智能應(yīng)用程序的數(shù)據(jù)工程師提供更快速的就業(yè)通道安排。

其次，金融科技領(lǐng)域發(fā)展全球領(lǐng)先。香港作為全球排名前列的國際金融中心，擁有扎實的信息科技基礎(chǔ)設(shè)施，科技領(lǐng)域的發(fā)展較為成熟，近年來以信息通訊科技、物聯(lián)網(wǎng)、人工智能、新材料、生物科技為代表的初創(chuàng)企業(yè)正迅速崛起，加上香港存在有大量地區(qū)性金融機構(gòu)營運，兩者疊加，近年來為香港地區(qū)培育出了全球領(lǐng)先金融科技生態(tài)，香港地區(qū)成為全球金融科技公司較為理想的營運地點，本地金融科技企業(yè)數(shù)量呈現(xiàn)增長趨勢，截至2023年末香港地區(qū)金融科技企業(yè)已超500家，其中包括數(shù)家全球領(lǐng)先的人工智能和技術(shù)咨詢公司。這些金融科技公司給香港以銀行業(yè)代表的金融服務(wù)行業(yè)帶來了較大影響，同時香港經(jīng)管局也在加強銀行與金融科技公司之間的合作方面發(fā)揮著重要作用，為香港銀行開發(fā)新的技術(shù)應(yīng)用提供支持，本地區(qū)零售與非零售銀行通過與金融科技公司合作、成立金融科技子公司等途徑，為傳統(tǒng)銀行實現(xiàn)智能化轉(zhuǎn)型、構(gòu)建人工智能架構(gòu)提供快速、專業(yè)的解決方案，加速了香港銀行業(yè)在財富管理、機器人顧問、語音與生物識別、網(wǎng)絡(luò)安全、反欺詐等領(lǐng)域的智能化發(fā)展步伐。

最后，擁有較全面的銀行業(yè)人工智能發(fā)展指引。AI技術(shù)在銀行內(nèi)部的部署會受到外部監(jiān)管的影響，不僅會導致銀行AI投入積極性不高，還可能會導致銀行采用相對保守的方式進行AI應(yīng)用開發(fā)，為了解決這一問題，香港金管局通過參考業(yè)界穩(wěn)健做法，結(jié)合香港人工智能發(fā)展實際情況，向銀行業(yè)提供了包括應(yīng)用人工智能的高層次原則通告等在內(nèi)的系列人工智能應(yīng)用程序發(fā)展指引，幫助銀行業(yè)更好的應(yīng)對所帶來的風險管理新挑戰(zhàn)，指引為香港銀行業(yè)提供了一個有利的環(huán)境和更加清晰的監(jiān)督框架，促進銀行更合理、公平和審慎地使用這項技術(shù)。在完善的政策指引下，銀行能更清晰地了解與 AI 應(yīng)用程序相關(guān)的監(jiān)管和合規(guī)要求，不用再過分擔心在重大投資后可能會出現(xiàn)的違規(guī)風險，而是將注意力轉(zhuǎn)移到應(yīng)用人工智能技術(shù)提供業(yè)務(wù)解決方案的層面。

4 現(xiàn)階段我國銀行業(yè)布局人工智能的痛點

第一，核心系統(tǒng)薄弱與運營模式阻礙。這主要表現(xiàn)在核心系統(tǒng)薄弱與運營模式過時兩個方面。一方面，傳統(tǒng)銀行核心系統(tǒng)往往缺乏支持人工智能應(yīng)用程序所需的計算能力和實時數(shù)據(jù)分析所需的數(shù)據(jù)儲存容量，核心系統(tǒng)無法快速擴展且靈活度仍待提高，維護基礎(chǔ)架構(gòu)所需耗費的時間成本也高，團隊需要花費較長時間來建設(shè)用于開發(fā)測試的技術(shù)環(huán)境。同時，受銀行傳統(tǒng)組織架構(gòu)的影響，銀行的數(shù)據(jù)儲備還分散在多個獨立的業(yè)務(wù)和技術(shù)團隊的系統(tǒng)之中，業(yè)務(wù)數(shù)據(jù)被限制在多個部門中難以集成、無法跨系統(tǒng)傳輸、缺乏數(shù)據(jù)主干，再加上核心系統(tǒng)錯誤率偏高、刷新率較低，這些因素均不利于人工智能在銀行內(nèi)部開展數(shù)據(jù)分析任務(wù)。另一方面，大多數(shù)傳統(tǒng)銀行都是圍繞著不同的業(yè)務(wù)線進行組織且功能過于細分。銀行高層單方面定義的目標往往與部門間所設(shè)定的策略缺乏一致性，孤島式的工作團隊和突擊式的目標實現(xiàn)過程，導致人工智能技術(shù)在測試開發(fā)過程中頻繁出現(xiàn)延誤、成本超支抑或是新技術(shù)產(chǎn)品性能不足等問題。

第二，優(yōu)質(zhì)人才資源及高質(zhì)量數(shù)據(jù)限制。優(yōu)質(zhì)人力資源的缺乏和數(shù)據(jù)主干薄弱掣肘了金融人工智能發(fā)展。首先，數(shù)據(jù)和尖端算法人才稀缺，缺乏具備數(shù)據(jù)挖掘和算法專業(yè)知識，同時掌握金融知識的人才是掣肘銀行人工智能發(fā)展的現(xiàn)存痛點之一。由于技術(shù)發(fā)展處在初級階段，人工智能作為一項新興技術(shù)，相關(guān)標準并不健全，技術(shù)標準和協(xié)同機制仍未完全統(tǒng)一并且所涉及的技術(shù)構(gòu)成較多，這意味著商業(yè)銀行在技術(shù)選擇上需要多種解決方案，加之銀行高層普遍傾向于依賴第三方技術(shù)而不是選擇自主研發(fā)，造成在AI開發(fā)過程中多個關(guān)鍵功能普遍由多家技術(shù)供應(yīng)商所提供，技術(shù)布局碎片化現(xiàn)象較為嚴重，這在后期不同技術(shù)功能之間會牽扯大量知識產(chǎn)權(quán)問題，銀行需要協(xié)調(diào)的技術(shù)公司和技術(shù)人員多、協(xié)調(diào)難度也大。正是自身技術(shù)短板及人才劣勢鉗制了銀行內(nèi)部人工智能AI的發(fā)展，在理想情況這些系統(tǒng)與應(yīng)用應(yīng)由銀行自主開發(fā)才能與其他競爭對手形成差異化競爭優(yōu)勢。其次，用于訓練與驗證AI模型的數(shù)據(jù)質(zhì)量高低對模型性能影響也很大，因此銀行需要對非結(jié)構(gòu)化數(shù)據(jù)或質(zhì)量較差的數(shù)據(jù)進行重大清潔工作，為了保證數(shù)據(jù)的充分性，銀行還要針對內(nèi)部分散于不同業(yè)務(wù)線和業(yè)務(wù)系統(tǒng)當中存量數(shù)據(jù)進行充分整合，若這些數(shù)據(jù)處置不當則發(fā)揮不出AI的數(shù)據(jù)挖掘價值，數(shù)據(jù)質(zhì)量限制對于人工智能模型的訓練仍是較大的挑戰(zhàn)。鑒于AI模型在部署前使用歷史數(shù)據(jù)進行培訓和驗證至關(guān)重要，銀行還需要確保算法適用于現(xiàn)實生活中的真實情況，上述任何環(huán)節(jié)出現(xiàn)問題均會導致 AI模型行為發(fā)生嚴重的預(yù)測與決策風險。

第三，監(jiān)管環(huán)境變動所帶來的不確定性。伴隨各國采取新法規(guī)保護與賦予公民權(quán)利，全球數(shù)據(jù)法規(guī)正處于變革期，針對人工智能技術(shù)的監(jiān)管規(guī)則不僅涉及云端服務(wù)、個人數(shù)據(jù)、財務(wù)數(shù)據(jù)的使用，還涉及財務(wù)安全、就業(yè)、人力資源、全球及區(qū)域經(jīng)濟增長領(lǐng)域，這些規(guī)則的變動正在以多種方式，影響銀行業(yè)人工智能的發(fā)展。銀行擔心監(jiān)管規(guī)定的變動會增加銀行在未來針對人工智能AI投入的各項支出成本，使銀行面臨額外的運營風險、聲譽風險、法律和戰(zhàn)略風險。銀行不僅需要遵守本地區(qū)個人資料隱私條例，海外數(shù)據(jù)隱私條例和行業(yè)標準的出臺與變動還可能影響銀行的人工智能AI發(fā)展進程，在數(shù)據(jù)使用方面，這些問題使得銀行在使用哪些數(shù)據(jù)、如何使用數(shù)據(jù)的問題上難以拿捏，現(xiàn)存數(shù)據(jù)也尚未詳細界定數(shù)據(jù)使用權(quán)與轉(zhuǎn)讓權(quán)利等。新技術(shù)在運用的初期本身就具備不確定性，而由監(jiān)管變動所造成的技術(shù)成本投入之外其他隱性成本的增加，也會使商業(yè)銀行面對于人工智能AI技術(shù)的開發(fā)與運用考慮再三。

第四，不可預(yù)見性風險現(xiàn)階段仍難以有效規(guī)避。人工智能在利用訓練數(shù)據(jù)進行機器學習和深度學習的過程中，存在著不可預(yù)見性，算法黑箱得出的結(jié)論往往難于及時精準定位到出現(xiàn)錯誤的具體發(fā)生環(huán)節(jié)。歐洲資本需求指令（CRD IV）指出，銀行面臨的人工智能模型風險是指人工智能模型做出的決定可能會在設(shè)計、實施或使用此類模型時出現(xiàn)錯誤。（1）人工智能在決策過程中普遍不會向客戶提供清晰的釋義及結(jié)論推導過程，人工智能通過機器學習模仿訓練數(shù)據(jù)當中人腦所做出的決策判斷會包含有存在判斷偏差的信息，當人工智能學習了帶有偏見色彩的數(shù)據(jù)，人工智能在決策過程中就可能會發(fā)生無意識歧視等錯誤，造成不可預(yù)見的風險。這類錯誤對于該決策所涉及利益相關(guān)方缺乏模型解釋力，客戶對于此類決策的質(zhì)疑和行業(yè)并未在制度上就應(yīng)該如何對該類不當決策所涉及的利益相關(guān)者提供保障進行規(guī)定，這對于風險管控極為嚴格的銀行業(yè)來說是不可接受的。（2）在模型設(shè)計、模型訓練、模型測試和模型驗證的層面，如果缺乏技術(shù)嚴格控制就有可能導致輸出不準確，同時程序當中安全漏洞可能會讓內(nèi)部或外部的參與者操縱人工智能模型的輸出結(jié)果導致錯誤決策。此外，云計算和開源技術(shù)的大量使用會間接導致AI模型開發(fā)的分散化，如果沒有內(nèi)部風險控制部門或經(jīng)驗豐富的模型開發(fā)人員的適當驗證，使用第三方模型產(chǎn)生的缺陷也可能會導致銀行AI軟件做出錯誤決策。

5 我國銀行業(yè)人工智能轉(zhuǎn)型策略的實施

第一，了解自身人才結(jié)構(gòu)，培育高級AI人才。人才是銀行在激烈競爭中立于不敗之地的關(guān)鍵資源，銀行應(yīng)充分了解自身人才結(jié)構(gòu)和現(xiàn)有員工的素質(zhì)情況，通過制定指標來評估銀行人工智能員工的能力，如教育背景、相關(guān)經(jīng)驗和專業(yè)資格，從中挑選有技術(shù)背景的銀行技術(shù)人員，將其培育為銀行內(nèi)部高級人工智能專業(yè)化人才。當前對于人工智能人才培訓的方式主要有兩種，一種是與業(yè)內(nèi)AI專家密切合作，銀行通過聘請海內(nèi)外專家進行前沿AI技術(shù)交流、與行內(nèi)人員合作開發(fā)新的AI應(yīng)用程序，以此來熟悉模型設(shè)計和驗證方面的最新技術(shù)，提升行內(nèi)高級技術(shù)人員AI能力；另一種是可以將本行的高級人工智能人才派遣至外部人工智能技術(shù)領(lǐng)先的單位或部門，進行外部有關(guān)數(shù)據(jù)科學和機器學習技術(shù)的技術(shù)培訓，自我員工培訓是銀行吸收AI技術(shù)所產(chǎn)生的全部價值的最佳途徑。與此同時，在銀行內(nèi)部除了上述AI高級人才的培養(yǎng)外，參與銀行運營的大多數(shù)員工也都應(yīng)列入人工智能應(yīng)用培訓計劃，用以加速銀行整體人工智能業(yè)務(wù)能力的提升，更好的處理人工智能所涉及的相關(guān)環(huán)節(jié)，這是銀行應(yīng)對未來智能化轉(zhuǎn)型的重要舉措。此外，銀行業(yè)若想短期內(nèi)提升自身核心競爭力，也可通過逐步落實人才引進計劃來實現(xiàn)，通過設(shè)置優(yōu)厚的待遇以吸引海內(nèi)外高素質(zhì)科技人才。

第二，強化數(shù)據(jù)管理，提升數(shù)據(jù)可用性。數(shù)據(jù)是人工智能發(fā)展的第一要義，在整個銀行組織中，部署人工智能需要提升金融數(shù)據(jù)管理能力。在銀行內(nèi)部，確保數(shù)據(jù)的可用性與可操作性是人工智能分析的關(guān)鍵，由于數(shù)據(jù)的可用性會隨著數(shù)據(jù)壁壘的消除而提高，當多個部門同時使用相同數(shù)據(jù)進行操作時，能夠增加團隊的協(xié)調(diào)性。首先，行業(yè)要建立數(shù)據(jù)標準，這有助于實現(xiàn)數(shù)據(jù)整合、數(shù)據(jù)共享與金融系統(tǒng)間交互操作。其次，要解決銀行內(nèi)部數(shù)據(jù)獲取的孤島問題，通過搭建現(xiàn)代API架構(gòu)可以有效地解決信息、數(shù)據(jù)、技術(shù)、產(chǎn)品的信息壁壘，控制對銀行內(nèi)外數(shù)據(jù)的訪問并顯著提升技術(shù)框架的靈動性，實現(xiàn)內(nèi)部系統(tǒng)和外部平臺無縫獲取數(shù)據(jù)，滿足人工智能數(shù)據(jù)分析需求。再次，要搭建高效的數(shù)據(jù)治理框架確保數(shù)據(jù)質(zhì)量，重點是要實行數(shù)據(jù)集中式管理。集中式管理能夠跟蹤數(shù)據(jù)源和驗證數(shù)據(jù)的準確性，集中式管理模式下數(shù)據(jù)被獲取后通常會被納入數(shù)據(jù)庫中進行集中清理和標記，并將不同用途所需的數(shù)據(jù)相互區(qū)分，在所輸入數(shù)據(jù)中通過將需要清理的低質(zhì)量數(shù)據(jù)和重點標記以供未來分析的高質(zhì)量數(shù)據(jù)區(qū)分開，提升分析的精準性。最后，銀行要制定數(shù)據(jù)脫敏相關(guān)規(guī)范，保證人工智能在搜集與使用數(shù)據(jù)過程中，采取相適應(yīng)的管理措施，確?？蛻魝€人信息安全。銀行可通過開發(fā)額外的控制和監(jiān)控工具確保數(shù)據(jù)安全，在數(shù)據(jù)安全方面可以通過零信任設(shè)計原則和集中式指揮控制中心來保護數(shù)據(jù)，還可以運用API Theft等評估軟件來測試其機器學習模型、銀行相關(guān)數(shù)據(jù)和AI模型是否受到網(wǎng)絡(luò)竊取，增強數(shù)據(jù)安全性。

第三，加速核心技術(shù)部署，提升銀行智能化決策能力。為了達成實時面向客戶提供個性化信息處理和決策的目標，銀行需要提升智能化決策能力，將決策制定的速度與敏捷性植入金融決策基因之中。首先，為了實現(xiàn)智能化轉(zhuǎn)型、提升人工智能決策能力，銀行需要部署高級分析、機器學習等能夠覆蓋整個業(yè)務(wù)領(lǐng)域的決策模型。而為達成這一目的，除了需要業(yè)務(wù)團隊和分析人才之間通力協(xié)作之外，還需要打造成熟的模型開發(fā)工具。其次，為了促進部署之后的持續(xù)改進，銀行需要建立定期評估績效、人工智能模型的風險管理等一系列的循環(huán)反饋機制，用以促進人工智能的持續(xù)進步。同時，銀行還需要促進包括自然語言處理、計算機視覺技術(shù)、人工智能代理機器人、增強或虛擬現(xiàn)實技術(shù)等在內(nèi)的一整套人工智能模型在金融核心業(yè)務(wù)流程中的快速發(fā)展布局，這些技術(shù)的應(yīng)用同樣能夠起到輔助決策作用，增加數(shù)據(jù)的儲量與覆蓋面、加速銀行的決策能力，提升客戶體驗和銀行的運營效率。當然并不是所有的銀行都有能力開發(fā)AI技術(shù)，許多銀行可能掣肘于人才的缺乏和必要的投資興趣來開發(fā)這些新興技術(shù)，但在自主開發(fā)之外，對于非敏感性數(shù)據(jù)的AI模型開發(fā)，銀行能夠采用成熟的外部人工智能解決方案，通過應(yīng)用程序編程接口（API）支持的架構(gòu)從專業(yè)的供應(yīng)商那里快速獲得并集成這些新興能力，在后續(xù)不斷對這些新興技術(shù)進行持續(xù)試驗，用以測試和改進應(yīng)用程序、評估潛在的風險，在拿到具體實驗數(shù)據(jù)之后再判斷在行內(nèi)具體部署哪些技術(shù)。

第四，面向監(jiān)管機構(gòu)與客戶，提供充分的模型解釋工作。2021年，中國人民銀行發(fā)布了《人工智能算法金融應(yīng)用評價標準》，該標準詳細規(guī)定了人工智能算法應(yīng)用在金融領(lǐng)域的應(yīng)用范疇。在AI算法的可解釋層面，標準從可解釋性評價維度、建模準備、建模過程、建模過程四個方面就人工智能的可解釋評價進行了詳細規(guī)定。基于以上評價標準，文章認為銀行應(yīng)該建立與自身AI開發(fā)條件相符合的治理和風險管理框架，在應(yīng)用人工智能技術(shù)開展財富管理、智能投顧、智能營銷等相關(guān)業(yè)務(wù)時，首先應(yīng)面向金融監(jiān)管機構(gòu)，提供包括人工智能系統(tǒng)算法實現(xiàn)機制與理論、人工智能模型的主要參數(shù)定義與選擇、投資數(shù)據(jù)治理報告、模型機器學習與數(shù)據(jù)訓練方法、人工智能培訓方案、資產(chǎn)配置邏輯、責任歸屬說明等在內(nèi)的全面解釋。其次，對于接受了銀行采用人工智能技術(shù)所提供的產(chǎn)品及服務(wù)的消費者，應(yīng)對其設(shè)立獨立的智能管理賬戶，同時銀行應(yīng)給予消費者充分提示使用現(xiàn)行的人工智能算法可能會帶來的使用風險，向其解釋所接受的人工智能產(chǎn)品及服務(wù)所涉及的AI技術(shù)模型運作的基本原理，只有在消費者對于人工智能產(chǎn)品與服務(wù)有基本認知基礎(chǔ)上，才可對其提供涉及人工智能技術(shù)的金融產(chǎn)品及相關(guān)投資服務(wù)，這一手段能夠提升銀行內(nèi)部和外部不同利益相關(guān)者對于銀行AI服務(wù)的接受程度，給銀行聲譽帶來積極影響。

參考文獻

朱方偉，姜寶泉.銀行人工智能的技術(shù)應(yīng)用限制[J].中國金融，2021（12）：74-75.

劉愛成.疫情沖擊下銀行非接觸服務(wù)的模式轉(zhuǎn)型與思考[J].新金融，2020（9）：61-64.

肖翔，王平，周鈺博.人工智能金融應(yīng)用原則思考[J].中國金融，2020（13）：64-65.

黃志凌.金融智能化不可忽視的模型風險[J].武漢金融，2020（6）：3-10.

季成，葉軍.智能銀行：關(guān)鍵要素、重點場景和完善路徑[J].南方金融，2020（3）：74-82.

王蕊，顏大為.開放銀行生態(tài)圈的理論基礎(chǔ)、經(jīng)驗探索與發(fā)展路徑[J].西南金融，2019（11）：70-79.

HKMA. Reshaping Banking with Artificial Intelligence. December 2019[R].https：//www.hkma.gov.hk/eng.

PwC A practical guide to Responsible Artificial Intelligence （AI）. 2019[R].https：//www.pwc.com/gx/en/issues/data-and-analytics/artificial-intelligence/what-is-responsible-ai/responsible-ai-practical-guide.pdf

CB Insights. Fintech trends roport Q1 2020[EB/OL].http：//www.cbinsghts.com.

McKinsey. Visualizing the uses and potential impact of AI and other analytics. April 2018[EB/OL]. https：//www.mckinsey.com/featured-insights/artificial-intelligence/visualizing-the-uses-and-potential-impact-of-ai-and-other-analytics.

Faggella， Danial. Bank Reduces Money-Laundering Investigation Effort with AI. December 2018[EB/OL]. https：//emerj.com/ai-case-studies/bank-reduces-money-laundering-investigation-effort-with-ai/