沈子杰 匡甜甜

摘 要：當(dāng)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(jī)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(jī)構(gòu)能夠獲得更加精準(zhǔn)的決策與分析能力、更高的執(zhí)行效率和更加全面的風(fēng)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(jìn)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(jìn)程將穩(wěn)步推進(jìn)。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(jī)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(xiàn)標(biāo)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(fù)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(dá)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(fēng)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(jìn)一步承壓，多數(shù)地區(qū)銀行業(yè)ROE也將轉(zhuǎn)為負(fù)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(fēng)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(qiáng)化風(fēng)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(dá)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(qiáng)化風(fēng)險管理，從而推動資本優(yōu)化目的達(dá)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(jī)器學(xué)習(xí)算法的持續(xù)進(jìn)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(jìn)行海量數(shù)據(jù)培訓(xùn)，在循環(huán)反饋機(jī)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(xùn)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(qiáng)人類的判斷，還能達(dá)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(dá)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(xiàn)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(jī)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(yuǎn)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(fēng)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(jī)遇，還能夠更好的防范銀行內(nèi)部與外部風(fēng)險。麥肯錫（McKinsey）的一份研究報告提出，人工智能和機(jī)器學(xué)習(xí)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(zhǔn)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(fēng)險控制體系。

第一，更為精準(zhǔn)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(zhǔn)的服務(wù)以保持和擴(kuò)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(jī)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(xì)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(biāo)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(zhǔn)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(jī)器人投資顧問、智能數(shù)據(jù)分析、銀行遠(yuǎn)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(zhǔn)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(qiáng)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(jì)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(biāo)的達(dá)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(jī)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(fēng)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(fēng)險管理流程，在風(fēng)險管理流程中，對可能發(fā)生的風(fēng)險情景進(jìn)行全面監(jiān)測，以達(dá)成降低傳統(tǒng)金融風(fēng)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(qiáng)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(fēng)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(fēng)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(hù)；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(yuǎn)程客戶注冊、客戶服務(wù)機(jī)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(fēng)險管理的機(jī)器學(xué)習(xí)程序以及用于客戶服務(wù)中心的機(jī)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(hù)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(zhǔn)的客戶需求分析與客戶細(xì)分。在該領(lǐng)域，人工智能主要的應(yīng)用案例包括客服機(jī)器人、客戶情感分析機(jī)器人、客戶流失預(yù)測、個性化產(chǎn)品推薦以及遠(yuǎn)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(fēng)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(jì)與數(shù)據(jù)預(yù)測和風(fēng)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(jī)端、網(wǎng)上銀行端、銀行客服中心、自動柜員機(jī)、智能柜臺等渠道上，用以幫助客戶實現(xiàn)遠(yuǎn)程注冊、快捷的業(yè)務(wù)辦理以及用于提升自動柜員機(jī)（ATM）的現(xiàn)金管理效率。當(dāng)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(dá)成算法交易、優(yōu)化資本運作效率、增強(qiáng)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(xué)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(jī)科學(xué)及信息系統(tǒng)、電子工程、數(shù)學(xué)等學(xué)科的表現(xiàn)在世界大學(xué)排名中位居前列，校內(nèi)科研投入的穩(wěn)步增長將相當(dāng)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(xué)共同開發(fā)人工智能相關(guān)項目，加速學(xué)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(kuò)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(jìn)力度，持續(xù)擴(kuò)大科技人才市場，為海內(nèi)外符合條件的、擁有先進(jìn)分析技能的數(shù)據(jù)科學(xué)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(jī)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(qiáng)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(jī)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(dǎo)致銀行AI投入積極性不高，還可能會導(dǎo)致銀行采用相對保守的方式進(jìn)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(fēng)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(jìn)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(dān)心在重大投資后可能會出現(xiàn)的違規(guī)風(fēng)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(kuò)展且靈活度仍待提高，維護(hù)基礎(chǔ)架構(gòu)所需耗費的時間成本也高，團(tuán)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(tuán)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(jìn)行組織且功能過于細(xì)分。銀行高層單方面定義的目標(biāo)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(tuán)隊和突擊式的目標(biāo)實現(xiàn)過程，導(dǎo)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(biāo)準(zhǔn)并不健全，技術(shù)標(biāo)準(zhǔn)和協(xié)同機(jī)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(yán)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(xùn)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(jìn)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(dāng)中存量數(shù)據(jù)進(jìn)行充分整合，若這些數(shù)據(jù)處置不當(dāng)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(xùn)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(jìn)行培訓(xùn)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(dǎo)致 AI模型行為發(fā)生嚴(yán)重的預(yù)測與決策風(fēng)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(hù)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(jì)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(dān)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(fēng)險、聲譽風(fēng)險、法律和戰(zhàn)略風(fēng)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(biāo)準(zhǔn)的出臺與變動還可能影響銀行的人工智能AI發(fā)展進(jìn)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(xì)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(fēng)險現(xiàn)階段仍難以有效規(guī)避。人工智能在利用訓(xùn)練數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)和深度學(xué)習(xí)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(zhǔn)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(fēng)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(dǎo)過程，人工智能通過機(jī)器學(xué)習(xí)模仿訓(xùn)練數(shù)據(jù)當(dāng)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(dāng)人工智能學(xué)習(xí)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(fēng)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(dāng)決策所涉及的利益相關(guān)者提供保障進(jìn)行規(guī)定，這對于風(fēng)險管控極為嚴(yán)格的銀行業(yè)來說是不可接受的。（2）在模型設(shè)計、模型訓(xùn)練、模型測試和模型驗證的層面，如果缺乏技術(shù)嚴(yán)格控制就有可能導(dǎo)致輸出不準(zhǔn)確，同時程序當(dāng)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(dǎo)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(dǎo)致AI模型開發(fā)的分散化，如果沒有內(nèi)部風(fēng)險控制部門或經(jīng)驗豐富的模型開發(fā)人員的適當(dāng)驗證，使用第三方模型產(chǎn)生的缺陷也可能會導(dǎo)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(biāo)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(dāng)前對于人工智能人才培訓(xùn)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(jìn)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(jìn)行外部有關(guān)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)技術(shù)的技術(shù)培訓(xùn)，自我員工培訓(xùn)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(xùn)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(jìn)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(qiáng)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(dāng)多個部門同時使用相同數(shù)據(jù)進(jìn)行操作時，能夠增加團(tuán)隊的協(xié)調(diào)性。首先，行業(yè)要建立數(shù)據(jù)標(biāo)準(zhǔn)，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(zhǔn)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(jìn)行集中清理和標(biāo)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(biāo)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(zhǔn)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(hù)數(shù)據(jù)，還可以運用API Theft等評估軟件來測試其機(jī)器學(xué)習(xí)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(qiáng)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(dá)成實時面向客戶提供個性化信息處理和決策的目標(biāo)，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(jī)器學(xué)習(xí)等能夠覆蓋整個業(yè)務(wù)領(lǐng)域的決策模型。而為達(dá)成這一目的，除了需要業(yè)務(wù)團(tuán)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(jìn)部署之后的持續(xù)改進(jìn)，銀行需要建立定期評估績效、人工智能模型的風(fēng)險管理等一系列的循環(huán)反饋機(jī)制，用以促進(jìn)人工智能的持續(xù)進(jìn)步。同時，銀行還需要促進(jìn)包括自然語言處理、計算機(jī)視覺技術(shù)、人工智能代理機(jī)器人、增強(qiáng)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(dāng)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(jìn)行持續(xù)試驗，用以測試和改進(jìn)應(yīng)用程序、評估潛在的風(fēng)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(jī)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(biāo)準(zhǔn)》，該標(biāo)準(zhǔn)詳細(xì)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(biāo)準(zhǔn)從可解釋性評價維度、建模準(zhǔn)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(jìn)行了詳細(xì)規(guī)定?；谝陨显u價標(biāo)準(zhǔn)，文章認(rèn)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(fēng)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(jī)構(gòu)，提供包括人工智能系統(tǒng)算法實現(xiàn)機(jī)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(jī)器學(xué)習(xí)與數(shù)據(jù)訓(xùn)練方法、人工智能培訓(xùn)方案、資產(chǎn)配置邏輯、責(zé)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(fēng)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(rèn)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(xiàn)

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(fēng)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/