黄浦区金融办 2023-05-22 02:30 发表于上海
近期人机互动模型ChatGPT进入应用领域，意味着人工智能的发展达到了新高地。那么，人工智能在金融领域的应用与未来发展趋势如何？会给金融机构带来哪些挑战？日前，《金融时报》记者就上述问题采访了三亚经济研究院院长张承惠。
张承惠 国务院发展研究中心金融研究所前所长、研究员，享受国务院政府特殊津贴。中国现代金融学会常务理事、社科院研究生院博士研究生导师、第七届中国环境与发展国际合作委员会特邀顾问、清华大学五道口金融学院战略咨询委员会委员。重点研究领域：金融改革、中小企业融资、金融科技、场外资本市场、ESG。曾参加三十余项国务院发展研究中心的重大重点课题，主持研究数十个课题，发表论文三百多篇，十余次获得中国发展研究奖。
应用场景与未来发展趋势
提问
记者：最近，ChatGPT引发了各方关注，它拥有史上最强的机器大脑和知识库，不仅可以帮助人们更好地理解世界，还可以打破语言和文化障碍，促进人类的跨界交流与合作，甚至在一定程度上改变人类思维和认知的方式。您如何看待人工智能在金融领域的应用与未来发展趋势？
张承惠：近年来金融科技得到广泛应用和快速发展，已经深刻改变了金融的业态、金融的内在逻辑和金融职场的行为方式。而大数据、区块链、人工智能、物联网等本来就是金融科技的主要组成部分。随着人工智能技术水平的提升，金融科技必将更加广泛和深入地对金融业产生影响。
第一，客户服务与金融产品数字化营销。客服是人工智能最能快速发挥作用和效果的应用场景。到目前为止，各类交易平台已经广泛采用了机器人客服。但是总体上看，效果并不理想。其原因，是机器人客服对客户千差万别的语言表述缺乏感应能力，对客户需求缺乏同理心，知识面也不宽。从ChatGPT的表现来看，高级别的人工智能有可能比人工客服更有经验，知识面更广，反应速度更快。可以预料在不远的将来，人工客服将完全被智能机器人替代，客服岗位用工数量将锐减，庞大的客服工作场所亦将不复存在，从而在很大程度上降低了金融机构的人力成本和管理成本。
随着金融科技的发展，数字化营销在挖掘金融机构大量“长尾”和“睡眠”客户中发挥了很大作用。而人工智能深化了营销过程中的理解、对话功能，提高了识别准确率，可与受访者进行高质量一对一交流，有效解决了人工跟进成本高、对人工席的管理难度大、数据难以实时监控等问题。近年来呼声很高的个性化服务对于营销人员的专业能力、需求识别的精准度和应答的灵活度提出了极高的要求，人工智能的广泛应用有助于快速提升金融机构的产品营销能力。
第二，金融风险管理。防范风险是金融机构的天职和核心职责。金融机构作为资金的中介机构，其所面临的风险类型多种多样，如信用风险、市场风险、管理风险、流动性风险、法律及合规风险等等。面对风险，金融机构首先要建立完善的内部控制和风险管理制度，建立完善的风险管理框架对各类风险进行分类、评估和管理。在这个过程中，人工智能可以充分发挥作用，包括监控制度的执行情况、对剧烈波动的市场做出快速反应、科学评估风险类型和程度等。其次，员工对风险的认识和对制度的执行能力是金融机构风险管理的关键，风险管理人员尤其要具备丰富的风险管理经验和理论知识。金融机构在为员工提供系统的培训和教育的过程中引入人工智能，可以有效地提升培训效率，准确检测关键岗位人员的风险管理能力和水平。再次，风险信息的披露和公开是金融机构对社会公众的责任和义务。而信息披露涉及大量数据和信息，仅靠人力很难科学、准确、快速处理这些信息，人工智能在这个领域中同样可以大大提升效率。
第三，产品定价。金融产品定价的本质是风险评估，需要根据客户的资信状况、还款能力、财务状况等因素对客户进行风险评估，制定不同的风险升水或贴水，以避免客户可能因违约带来的损失。由于金融产品的多样性和复杂性，需要大量运用数学、统计学、经济学知识和技能。以保险精算为例，合理的保险精算不仅可以保障保险公司自身利益，也有利于保护客户的权益。保险精算涉及因素至少包括：保险产品的风险（承保风险类型、风险等级、保险责任、保险期限、保险金额、免赔额等）、历史数据与统计分析（平均寿命、意外事故概率、天气变化等）、保险产品风险（预测损失、概率分布、时间价值等）、政策法规和监管要求、经济环境（通胀、利率等）和市场竞争情况、保险公司的承保能力（资产负债状况与匹配、投资组合、盈利预算、储备金、偿付能力）等。
金融机构的风险模型是一个很复杂的系统，需要综合运用风险评估、数据收集、数学建模、模型验证和风险管理等多个方面的知识和技能。事实上，在建立和运用、检验风险模型的过程中，金融机构已经大量应用了金融科技，而高级别人工智能的加入，将进一步提升这些模型的科学性，人工智能在一定程度上替代精算师是有可能的。
第四，保险勘察理赔。保单出险后保险公司面临的最大风险就是欺诈。每年都有数十亿美元的欺诈性索赔事件发生。为降低这类风险，保险公司对于索赔申请，必须进行必要的调查和审查，仔细甄别损失的真实性和程度，为理赔决策提供依据。此外，由于保单量大面广，涉及多个领域，复杂程度很高，勘察理赔工作往往耗时费力。人工智能可以大大简化这一过程，消除人为错误，提升理赔工作的科学性和速度。
第五，投资顾问。金融科技已经开始在证券投资领域得到广泛应用，包括量化投资、为客户提供个性化的投资建议和推荐、在保证风险控制和收益最大化的前提下对客户的投资组合进行优化等。但是，在PE和VC投资领域，人工智能主要还是作为被投资对象而不是以投资决策工具的身份出现。在未来投资顾问的场景中，人工智能应该可以利用其强大的数据库、知识库和分析能力，帮助私募股权投资行业更加科学地进行投资决策，提高投资组合的收益和风险控制能力。
第六，家庭资产管理。相对于主要服务于机构和高净值客户的投资顾问行业而言，家庭资产管理在我国很大程度上还是空白。这里既有中国家庭传统上很难接受收费服务的原因，也有不同行业之间存在壁垒，金融机构缺乏为家庭提供全寿命周期定制化服务能力的因素。例如银行客户经理在传统的存贷汇业务之外，只能推荐基金、理财等少量产品，客户要买证券、保险，必须与提供相应产品的金融机构直接接触。人工智能的数据处理能力将帮助金融机构以及第三方服务机构开发家庭资产管理这个巨大的市场，从而进一步提升金融服务的效率。
基于人工智能在提升反应速度和工作效率方面的巨大能量，未来金融机构必将更多地使用人工智能，并借此催生出更多的金融服务场景和新的盈利模式。可以预料，金融科技的发展将继续朝着数字化、智能化、个性化、跨界化的方向发展，从而进一步深化金融服务的差异化，使不同类别的金融服务更加融合和创新。
数据安全是转型的关键因素
记者：数据安全是人工智能时代必须重视的风险因素，也是影响金融机构数字化转型的关键因素。应该如何保证数据安全？
张承惠：目前来看，广义的数据安全涉及客户信息和个人隐私安全、金融机构全业务周期和各个业务流程的数据安全、金融机构信息系统和基础设施的安全、金融机构线上线下业务场景运营过程中的数据安全等多个方面。而社会和民众最敏感的就是个人数据被集中收集使用后产生“批量泄露”的风险。
矛盾之处在于，要实现数据价值的最大化就必须依赖大量多样化数据的汇聚、流动、处理和分析，而在这个流程中，难免遇到黑客攻击、使用者管理不善、数据被恶意使用等问题。威瑞森发布的《2021年数据泄露调查报告》指出，数据泄露事件中85%的泄露涉及人的因素，人为疏忽成为数据安全的最大威胁。为妥善处理数据流动与安全问题，1995年以来欧盟陆续出台了多个与数据保护相关的法规，明确了数据获取过程中的若干原则，并通过制订高额罚款、设立政府监督机构、要求企业新增数据保护专员等方式，大幅提升了数据保护水平。2022年5月，《数据治理法案》在经欧洲议会投票通过后经欧盟理事会批准成为法律，进一步丰富和细化了数据治理内涵。
我国2000年4月发布的《计算机病毒防治管理办法》首次从计算机病毒方面对个人数据造成的威胁进行规范管理，以后又陆续出台了若干相关法规。2016年，《中华人民共和国网络安全法》出台。该法确立了个人数据处理原则，建立了个人信息和重要数据的境内存储以及出境安全评估制度。2021年6月全国人大通过的《中华人民共和国数据安全法》，更加注重对数据本身的安全保护，提出要制定重要数据目录，推动数据分级分类，定期开展数据风险评估。2021年11月施行的《中华人民共和国个人信息保护法》则制订了个人信息处理和跨境提供的规则、建立起完整的个人信息保护框架。
尽管已经建立起保护数据安全的法律框架，但数据安全仍将是全社会的重大挑战。当前电信网络诈骗已成为影响社会治安的突出问题，在部分省市，诈骗案件数量已占据半数刑事案件，破案和追回赃款的难度都很大。对于金融机构来说，相关法律和制度加大了开发数据资源的法律责任，迫切需要从业务和技术两个层面加快数据安全能力建设，建立数据安全体系，提升数据风险核查能力、风险预警能力和数据保护能力，完善数据管理组织体系和组织架构。而这些措施，都会在不同程度上增加成本。
金融机构发展人工智能面临的挑战
记者：人工智能技术与经济社会深度融合的过程承载着重大的机遇，也面临着一系列潜在的挑战。人工智能技术应用将给金融机构带来哪些挑战？
张承惠：尽管人工智能在金融科技中将占有越来越重要的地位，但是金融机构在发展人工智能的过程中一定会面临很多挑战。具体来看主要有以下几个方面：
一是如何有效提升算力。支撑人工智能的机器深度学习涉及海量数据和复杂算法，需要超级计算能力和大量能源。对于中小型金融机构来说，本来就存在资金实力弱、缺少人才等先天不足，很难承担提升算力所需要的巨额投入。一个解决的办法是将人工智能算法放在云上，但不少中小金融机构出于数据的隐私性和保密性，对上云仍有很大的顾虑。
大型金融机构近年来均在不断加大科技投入，例如2022年国有六大行在金融科技方面的投入金额均超过百亿元，多家股份制银行的金融科技投入占比有所提升，部分银行的金融科技投入增幅同比增长超过20%。尽管如此，在提升算力方面，大型金融机构仍然面临基础性芯片、操作系统、数据库等瓶颈约束问题；在跨时空、多技术融合的应用场景拓展能力、数据架构管理能力方面的挑战也较大。此外，由于算力基础设施耗能巨大，如何在绿色低碳撰写过程中使用更好的节能技术，引入更多绿色清洁能源，也是大型金融机构需要直面的问题。
二是如何应对人工智能开发机构的偏见。现实中，人工智能技术的偏见及其导致的歧视问题正在被越来越多的人所关注。这种偏见是由程序开发导致的。由于开发者所持有国籍、宗教信仰、种族、性别、居住地区的差别会在一定程度上导致其认知的偏见，加上AI背后训练算法的数据来源、频率等存在差异，最终形成的模型和系统一定是双标的。例如预测亚洲人论文的抄袭行为多于欧洲人、预测黑人和低收入家庭的犯罪风险远远高于白人和富裕家庭等。遗憾的是，目前我国整体人工智能算力基础软硬件的技术水平和自主可控程度上，还与国外有一定差距，深度学习框架并无竞争优势。在智能计算芯片方面，我国企业仍在很大程度上受制于包括芯片设计、晶片制作、封装制作、成本测试等在内的先进芯片制程，在软件生态环境上也与国外先进产品存在明显差距。在这种情况下，往往很难避免人工智能偏见的发生。
三是人工智能开发受到产业数字化程度制约。算力作为基础设施，需要相关的数据作为提供支持。近年来，中国金融科技实现“弯道超车”，发展水平居于世界前列，政府政务数据化程度也得到了较快提升。相比之下，产业数字化进展相对缓慢。工业互联网平台建设所必需的智能感知、自动控制、智能装备、网络连接、工业软件等一系列基础性产业高度依赖国外，传统工业数字化转型的动力和能力都有所欠缺。加上政府部门之间、产业之间数据壁垒依然存在，在相当程度上制约了金融领域人工智能的开发和运用。
四是监管压力。以ChatGPT为代表的人工智能的颠覆式发展，给人类的法律体系、标准和规则、权利保障和司法救济都提出了挑战。科技在改变生活的同时，也在改变社会的传统法则，潜在的冲击和风险不可忽视。特别是基础设施、新技术应用、数据和运营服务商、供应链层层混合交叉，远程操作和控制技术的普遍使用，带来异常复杂的监管困难。
总之，人工智能时代已经到来，未来人工智能将在金融领域得到更加广泛和深入的利用。对于金融机构来说，与其被动接受还不如主动拥抱智能时代。但是就单一市场主体而言，还是要量力而行。同时，面对人工智能发展过程中存在的问题和挑战，需要政府和行业、企业密切合作，加强沟通，加快弥补短板，共同促使人工智能在保障安全的前提下健康发展。
来源：金融时报
阅读 55
