近期人機互動模型ChatGPT進入應用領域，意味着人工智能的發展達到了新高地。那麼，人工智能在金融領域的應用與未來發展趨勢如何？會給金融機構帶來哪些挑戰？日前，《金融時報》記者就上述問題采訪了三亞經濟研究院院長張承惠。
張承惠 國務院發展研究中心金融研究所前所長、研究員，享受國務院政府特殊津貼。中國現代金融學會常務理事、社科院研究所學生院博士研究所學生導師、第七屆中國環境與發展國際合作委員會特邀顧問、清華大學五道口金融學院戰略咨詢委員會委員。重點研究領域：金融改革、中小企業融資、金融科技、場外資本市場、ESG。曾參加三十餘項國務院發展研究中心的重大重點課題，主持研究數十個課題，發表論文三百多篇，十餘次獲得中國發展研究獎。
應用場景與未來發展趨勢 提問
記者：最近，ChatGPT引發了各方關注，它擁有史上最強的機器大腦和知識庫，不僅可以幫助人們更好地了解世界，還可以打破語言和文化障礙，促進人類的跨界交流與合作，甚至在一定程度上改變人類思維和認知的方式。您如何看待人工智能在金融領域的應用與未來發展趨勢？
張承惠：近年來金融科技得到廣泛應用和快速發展，已經深刻改變了金融的業态、金融的内在邏輯和金融職場的行為方式。而大資料、區塊鍊、人工智能、物聯網等本來就是金融科技的主要組成部分。随着人工智能技術水準的提升，金融科技必将更加廣泛和深入地對金融業産生影響。
第一，客戶服務與金融産品數字化營銷。客服是人工智能最能快速發揮作用和效果的應用場景。到目前為止，各類交易平台已經廣泛采用了機器人客服。但是總體上看，效果并不理想。其原因，是機器人客服對客戶千差萬别的語言表述缺乏感應能力，對客戶需求缺乏同理心，知識面也不寬。從ChatGPT的表現來看，進階别的人工智能有可能比人工客服更有經驗，知識面更廣，反應速度更快。可以預料在不遠的将來，人工客服将完全被智能機器人替代，客服崗位用工數量将銳減，龐大的客服工作場所亦将不複存在，進而在很大程度上降低了金融機構的人力成本和管理成本。
随着金融科技的發展，數字化營銷在挖掘金融機構大量“長尾”和“睡眠”客戶中發揮了很大作用。而人工智能深化了營銷過程中的了解、對話功能，提高了識别準确率，可與受訪者進行高品質一對一交流，有效解決了人工跟進成本高、對人工席的管理難度大、資料難以實時監控等問題。近年來呼聲很高的個性化服務對于營銷人員的專業能力、需求識别的精準度和應答的靈活度提出了極高的要求，人工智能的廣泛應用有助于快速提升金融機構的産品營銷能力。
第二，金融風險管理。防範風險是金融機構的天職和核心職責。金融機構作為資金的中介機構，其所面臨的風險類型多種多樣，如信用風險、市場風險、管理風險、流動性風險、法律及合規風險等等。面對風險，金融機構首先要建立完善的内部控制和風險管理制度，建立完善的風險管理架構對各類風險進行分類、評估和管理。在這個過程中，人工智能可以充分發揮作用，包括監控制度的執行情況、對劇烈波動的市場做出快速反應、科學評估風險類型和程度等。其次，員工對風險的認識和對制度的執行能力是金融機構風險管理的關鍵，風險管理人員尤其要具備豐富的風險管理經驗和理論知識。金融機構在為員工提供系統的教育訓練和教育的過程中引入人工智能，可以有效地提升教育訓練效率，準确檢測關鍵崗位人員的風險管理能力和水準。再次，風險資訊的披露和公開是金融機構對社會公衆的責任和義務。而資訊披露涉及大量資料和資訊，僅靠人力很難科學、準确、快速處理這些資訊，人工智能在這個領域中同樣可以大大提升效率。
第三，産品定價。金融産品定價的本質是風險評估，需要根據客戶的資信狀況、還款能力、财務狀況等因素對客戶進行風險評估，制定不同的風險升水或貼水，以避免客戶可能因違約帶來的損失。由于金融産品的多樣性和複雜性，需要大量運用數學、統計學、經濟學知識和技能。以保險精算為例，合理的保險精算不僅可以保障保險公司自身利益，也有利于保護客戶的權益。保險精算涉及因素至少包括：保險産品的風險（承保風險類型、風險等級、保險責任、保險期限、保險金額、免賠額等）、曆史資料與統計分析（平均壽命、意外事故機率、天氣變化等）、保險産品風險（預測損失、機率分布、時間價值等）、政策法規和監管要求、經濟環境（通脹、利率等）和市場競争情況、保險公司的承保能力（資産負債狀況與比對、投資組合、盈利預算、儲備金、償付能力）等。
金融機構的風險模型是一個很複雜的系統，需要綜合運用風險評估、資料收集、數學模組化、模型驗證和風險管理等多個方面的知識和技能。事實上，在建立和運用、檢驗風險模型的過程中，金融機構已經大量應用了金融科技，而進階别人工智能的加入，将進一步提升這些模型的科學性，人工智能在一定程度上替代精算師是有可能的。
第四，保險勘察理賠。保單出險後保險公司面臨的最大風險就是欺詐。每年都有數十億美元的欺詐性索賠事件發生。為降低這類風險，保險公司對于索賠申請，必須進行必要的調查和審查，仔細甄别損失的真實性和程度，為理賠決策提供依據。此外，由于保單量大面廣，涉及多個領域，複雜程度很高，勘察理賠工作往往耗時費力。人工智能可以大大簡化這一過程，消除人為錯誤，提升理賠工作的科學性和速度。
第五，投資顧問。金融科技已經開始在證券投資領域得到廣泛應用，包括量化投資、為客戶提供個性化的投資建議和推薦、在保證風險控制和收益最大化的前提下對客戶的投資組合進行優化等。但是，在PE和VC投資領域，人工智能主要還是作為被投資對象而不是以投資決策工具的身份出現。在未來投資顧問的場景中，人工智能應該可以利用其強大的資料庫、知識庫和分析能力，幫助私募股權投資行業更加科學地進行投資決策，提高投資組合的收益和風險控制能力。
第六，家庭資産管理。相對于主要服務于機構和高淨值客戶的投資顧問行業而言，家庭資産管理在大陸很大程度上還是空白。這裡既有中國家庭傳統上很難接受收費服務的原因，也有不同行業之間存在壁壘，金融機構缺乏為家庭提供全壽命周期定制化服務能力的因素。例如銀行客戶經理在傳統的存貸彙業務之外，隻能推薦基金、理财等少量産品，客戶要買證券、保險，必須與提供相應産品的金融機構直接接觸。人工智能的資料處理能力将幫助金融機構以及第三方服務機構開發家庭資産管理這個巨大的市場，進而進一步提升金融服務的效率。
基于人工智能在提升反應速度和工作效率方面的巨大能量，未來金融機構必将更多地使用人工智能，并借此催生出更多的金融服務場景和新的盈利模式。可以預料，金融科技的發展将繼續朝着數字化、智能化、個性化、跨界化的方向發展，進而進一步深化金融服務的差異化，使不同類别的金融服務更加融合和創新。
資料安全是轉型的關鍵因素
記者：資料安全是人工智能時代必須重視的風險因素，也是影響金融機構數字化轉型的關鍵因素。應該如何保證資料安全？
張承惠：目前來看，廣義的資料安全涉及客戶資訊和個人隐私安全、金融機構全業務周期和各個業務流程的資料安全、金融機構資訊系統和基礎設施的安全、金融機構線上線下業務場景營運過程中的資料安全等多個方面。而社會和群眾最敏感的就是個人資料被集中收集使用後産生“批量洩露”的風險。
沖突之處在于，要實作資料價值的最大化就必須依賴大量多樣化資料的彙聚、流動、處理和分析，而在這個流程中，難免遇到黑客攻擊、使用者管理不善、資料被惡意使用等問題。威瑞森釋出的《2021年資料洩露調查報告》指出，資料洩露事件中85%的洩露涉及人的因素，人為疏忽成為資料安全的最大威脅。為妥善處理資料流動與安全問題，1995年以來歐盟陸續出台了多個與資料保護相關的法規，明确了資料擷取過程中的若幹原則，并通過制訂高額罰款、設立政府監督機構、要求企業新增資料保護專員等方式，大幅提升了資料保護水準。2022年5月，《資料治理法案》在經歐洲議會投票通過後經歐盟理事會準許成為法律，進一步豐富和細化了資料治理内涵。
大陸2000年4月釋出的《計算機病毒防治管理辦法》首次從計算機病毒方面對個人資料造成的威脅進行規範管理，以後又陸續出台了若幹相關法規。2016年，《中華人民共和國網絡安全法》出台。該法确立了個人資料處理原則，建立了個人資訊和重要資料的境記憶體儲以及出境安全評估制度。2021年6月全國人大通過的《中華人民共和國資料安全法》，更加注重對資料本身的安全保護，提出要制定重要資料目錄，推動資料分級分類，定期開展資料風險評估。2021年11月施行的《中華人民共和國個人資訊保護法》則制訂了個人資訊處理和跨境提供的規則、建立起完整的個人資訊保護架構。
盡管已經建立起保護資料安全的法律架構，但資料安全仍将是全社會的重大挑戰。目前電信網絡詐騙已成為影響社會治安的突出問題，在部分省市，詐騙案件數量已占據半數刑事案件，破案和追回贓款的難度都很大。對于金融機構來說，相關法律和制度加大了開發資料資源的法律責任，迫切需要從業務和技術兩個層面加快資料安全能力建設，建立資料安全體系，提升資料風險核查能力、風險預警能力和資料保護能力，完善資料管理組織體系群組織架構。而這些措施，都會在不同程度上增加成本。
金融機構發展人工智能面臨的挑戰
記者：人工智能技術與經濟社會深度融合的過程承載着重大的機遇，也面臨着一系列潛在的挑戰。人工智能技術應用将給金融機構帶來哪些挑戰？
張承惠：盡管人工智能在金融科技中将占有越來越重要的地位，但是金融機構在發展人工智能的過程中一定會面臨很多挑戰。具體來看主要有以下幾個方面：
一是如何有效提升算力。支撐人工智能的機器深度學習涉及海量資料和複雜算法，需要超級計算能力和大量能源。對于中小型金融機構來說，本來就存在資金實力弱、缺少人才等先天不足，很難承擔提升算力所需要的巨額投入。一個解決的辦法是将人工智能算法放在雲上，但不少中小金融機構出于資料的隐私性和保密性，對上雲仍有很大的顧慮。
大型金融機構近年來均在不斷加大科技投入，例如2022年國有六大行在金融科技方面的投入金額均超過百億元，多家股份制銀行的金融科技投入占比有所提升，部分銀行的金融科技投入增幅同比增長超過20%。盡管如此，在提升算力方面，大型金融機構仍然面臨基礎性晶片、作業系統、資料庫等瓶頸限制問題；在跨時空、多技術融合的應用場景拓展能力、資料架構管理能力方面的挑戰也較大。此外，由于算力基礎設施耗能巨大，如何在綠色低碳撰寫過程中使用更好的節能技術，引入更多綠色清潔能源，也是大型金融機構需要直面的問題。
二是如何應對人工智能開發機構的偏見。現實中，人工智能技術的偏見及其導緻的歧視問題正在被越來越多的人所關注。這種偏見是由程式開發導緻的。由于開發者所持有國籍、宗教信仰、種族、性别、居住地區的差别會在一定程度上導緻其認知的偏見，加上AI背後訓練算法的資料來源、頻率等存在差異，最終形成的模型和系統一定是雙标的。例如預測亞洲人論文的抄襲行為多于歐洲人、預測黑人和低收入家庭的犯罪風險遠遠高于白人和富裕家庭等。遺憾的是，目前大陸整體人工智能算力基礎軟硬體的技術水準和自主可控程度上，還與國外有一定差距，深度學習架構并無競争優勢。在智能計算晶片方面，大陸企業仍在很大程度上受制于包括晶片設計、晶片制作、封裝制作、成本測試等在内的先進晶片制程，在軟體生态環境上也與國外先進産品存在明顯差距。在這種情況下，往往很難避免人工智能偏見的發生。
三是人工智能開發受到産業數字化程度制約。算力作為基礎設施，需要相關的資料作為提供支援。近年來，中國金融科技實作“彎道超車”，發展水準居于世界前列，政府政務資料化程度也得到了較快提升。相比之下，産業數字化進展相對緩慢。工業網際網路平台建設所必需的智能感覺、自動控制、智能裝備、網絡連接配接、工業軟體等一系列基礎性産業高度依賴國外，傳統工業數字化轉型的動力和能力都有所欠缺。加上政府部門之間、産業之間資料壁壘依然存在，在相當程度上制約了金融領域人工智能的開發和運用。
四是監管壓力。以ChatGPT為代表的人工智能的颠覆式發展，給人類的法律體系、标準和規則、權利保障和司法救濟都提出了挑戰。科技在改變生活的同時，也在改變社會的傳統法則，潛在的沖擊和風險不可忽視。特别是基礎設施、新技術應用、資料和營運服務商、供應鍊層層混合交叉，遠端操作和控制技術的普遍使用，帶來異常複雜的監管困難。
總之，人工智能時代已經到來，未來人工智能将在金融領域得到更加廣泛和深入的利用。對于金融機構來說，與其被動接受還不如主動擁抱智能時代。但是就單一市場主體而言，還是要量力而行。同時，面對人工智能發展過程中存在的問題和挑戰，需要政府和行業、企業密切合作，加強溝通，加快彌補短闆，共同促使人工智能在保障安全的前提下健康發展。
如果您還有疑問請留下您的問題我們會繼續解答
我要提問
小編線上等哦~
來源：金融時報記者：柳立編輯：楊晶贻郵箱：[email protected]