每經記者 張宏  李玉雯    每經編輯 馬子卿    

“AI取代銀行業工作崗位的數量可能超過其他任何行業。”花旗集團近期一份報告顯示，美國銀行業約54%崗位將有可能實現自動化，還將有12%崗位通過AI得到增強。

當下銀行業的種種跡象已然對此觀點有所映射，特別是這兩年正逢生成式AI大模型的風口，“AI+金融”發展迅速。從應用場景來看，銀行機構在客戶服務與智能問答、信貸審批與風險管理、智能運營與流程自動化等多個領域都開展了AI應用探索且日趨成熟。

這背后的動力在于，在當前息差持續承壓、營收增速放緩的環境下，以銀行業為代表的金融機構正在進行一場“刀刃向內”的自我革新，而AI在金融領域的創新應用則推動著金融服務向著更加智能化和個性化發展，促使金融機構更有效地管理風險、提高運營效率、優化客戶體驗。

有觀點認為，以生成式AI等為代表的新興技術作為驅動力，將為金融領域帶來一場前所未有的變革，而與此同時，行業仍面臨著隱私保護、成本投入、決策可信度等多方面挑戰，如何破局成為各家金融機構面臨的共性問題。

當前，在金融數字化轉型的版圖上，一場新的科技競賽已悄然展開。

交易、貸款、反洗錢??人工智能正被廣泛應用于銀行各業務條線

“就銀行業而言，各家商業銀行都在擁抱AI技術，希望利用技術創新來支撐業務創新發展，提升服務水平，在差異化競爭中脫穎而出。”南京銀行相關負責人對記者表示，由于客戶量巨大及AI技術的成熟度，商業銀行的零售AI場景更為常見，如智能問答、OCR輔助錄入、反欺詐、智能投顧等。其實，在小微企業、中大型企業、集團以及金融市場客戶中，各類AI應用場景也逐漸豐富起來，并且銀行內部各項管理環節中，也逐步出現了增效、提質的AI場景。

行行AI董事長、工信部工業文化發展中心AI應用工作組執行組長、順福資本管理合伙人李明順表示，人工智能在金融行業的應用歷史相當悠久。并非因為大語言模型（LLM）的出現，才開啟人工智能在金融領域的應用，要將傳統的AI技術與大語言模型加以區分。

李明順介紹，“據我了解，至少從20世紀90年代開始，美國的一些金融行業就已經開始應用人工智能技術。大約在十幾年前，我國金融行業也開始采用人工智能技術。包括十年前，我本人也投資了一些專門從事風險控制、資產定價以及消費者信用評分的金融公司。這些應用已經擁有較為豐富的歷史，因此可以說，金融行業是人工智能應用較早的領域之一。”

一名在國有行從事風險管理相關工作的員工告訴記者，人工智能在銀行金融市場業務中，主要應用于量化交易算法和虛擬交易員。例如，在貴金屬、外匯等代客交易中，操作重復且結構化，往往只在方向和金額上有差異，故可使用量化交易算法（AI）代替交易員執行市場策略。而在資金業務中，虛擬交易員可利用生成式AI，在資金拆借等場外交易中，通過聊天方式完成交流、報價甚至成交。

此外，銀行還通過在“易貸類”產品中應用AI技術簡化貸款審批流程。利用AI分析客戶信息，形成“白名單”，名單內客戶將在輸入請求后快速獲得信用額度。上述國有行員工表示，“傳統審批流程繁瑣，需信貸員與客戶溝通、簽署材料、提交分行或總行審批，耗時可能數周至數月。‘易貸類’產品使審批模型化、實時化，客戶可迅速獲得反饋。”

在結算業務中，AI還用于反欺詐和反洗錢，預判交易風險。上述國有行員工指出，“以前身份證到期后需要去網點更新信息，現在不用去網點，拍照人臉識別即可，這也得益于AI的應用。”

此外，李明順也表示，生成式AI正被用于提供輕度引導服務，包括為高凈值客戶提供投資理財咨詢。結合數字人技術，指導客戶辦理手續，提供專業投資建議，同時降低隱私信息泄露風險。傳統人工服務中，客戶經理可能記住敏感信息，存在信息泄露風險。人工智能則能有效保護客戶隱私，避免數據泄露。

人工智能還可被應用于催收。李明順表示，“過去，催收工作通常由人工執行。然而，人工催收存在情緒波動問題，可能導致不當溝通和極端行為。生成式AI輔助催收可通過預設表述避免過激語言，能夠始終保持禮貌、專業，且不用休息。”

參與項目篩選、盡職調查??硅谷風投機構“玩轉”人工智能

談及未來可探索的領域，上述國有行工作人員表示，AI還可用于貸后管理，預警市場風險、信用風險或其他風險指標。此外，由于生成式AI在文本處理上具有先天優勢，未來還可探索在輿情管理方面的應用。

李明順表示，人工智能輔助面試在大規模招聘中極具潛力。人工智能可準確記錄候選人的情緒、性格及專業程度，幫助面試官客觀評分，減少私人關系影響。已有公司在連鎖企業中嘗試AI面試，雖非直接服務金融，但原理相同，預示著AI在金融人力資源領域的應用前景廣闊。

一位在海外咨詢行業工作的數據分析師告訴記者，他所在的公司正在訓練自己的大模型。“公司在這個行業已有20年歷史，我們想把歷史數據做成數據庫，輸入到大模型中，做一個聊天機器人。”訓練過程需要大量數據微調，“要將機器人變成能回答某一領域問題的專家，就需要這個領域的專家出馬，給出問題的答案。組內的數據工程師再將答案拿走用作微調，逐步將大模型調整到可以給出合理答案的狀態。”

《AIGC：智能創作時代》作者、未可知集團創始人杜雨曾先后供職于騰訊、紅杉資本。他表示，大模型在數據處理、表格創建方面的速度及能力已遠超傳統信息服務軟件。目前，券商在報告編寫、投資協議草擬及定期報告撰寫等場景中，已開始利用這項技術。

此外，硅谷風險投資機構已廣泛采用人工智能參與項目篩選、盡職調查，并撰寫投資備忘錄。AI通過算法和數據分析，提高風投與初創公司匹配效率，實現自動化篩選和交易搜索。它輔助商業數據分析，使投資人快速決策。投資人還可利用專有數據源訓練人工智能平臺，構建內部知識庫，增強投資決策深度和廣度。

在投資機會發現階段，AI通過分析招聘平臺動態、應用程序下載量和消費品交易規模，幫助投資者識別潛在項目。盡職調查環節中，生成式AI自動生成公司業務介紹，進行前瞻性分析，直接通過郵件發送給投資者，包括投資選項比較和評估。撰寫投資建議書環節，生成式AI可以完全自動化地完成，提供專業且精準的投資建議。

此外，AI在時間管理和規劃方面也能為投資團隊提供有力支持。團隊成員可以在系統上查看同事對特定項目的評價和反饋。系統具備定期提醒功能，確保投資團隊能夠及時回訪目標公司，并更新業務進展。

多位受訪人士指出，AI介入金融領域帶來的優勢是多方面的，其中最為顯著的是效率和成本的優化。與傳統的業務操作流程相比，AI技術能夠自動化、智能化地處理大量數據，實現快速、準確地決策，從而顯著節省時間和人力成本。

同盾科技創新研發負責人Tinus對記者表示，AI的介入能夠提升金融風控、金融營銷等應用的精準度，提高金融機構的效率、降低運營成本，并增強金融服務的普及性。

他舉例說道，傳統金融業務流程主要依賴專家決策系統，系統建設以指標和專家規則為基礎，指標加工以數據批處理等離線方式為主，數據時效性較低；專家規則的更新維護以數據分析為基礎，需要大量領域專家的人工成本，且難以滿足日益增長的業務體量。

與傳統的離線批處理方式相比，AI可以更及時地獲取最新的數據和信息，為決策提供更全面的參考。與傳統的基于指標和規則的風險評估相比，AI優化的決策系統可以綜合利用更多維度的數據和因素，更全面地識別潛在的風險，通過持續的數據分析和模型優化，可以不斷提升決策的精準度。

瑞銀證券非銀金融分析師曹海峰以證券行業為例闡釋AI介入帶來的優勢。一是大幅減少基礎性、重復性的人力工作，提升效率。例如，營銷環節中的人工客服、營銷內容制作；投顧業務中初步客戶信息收集、客戶咨詢；投研工作中的數據檢索、會議紀要、定期報告撰寫、路演材料制作；投行業務中的銀行流水核查、招股書撰寫等；投資中的交易策略代碼撰寫；中后臺的報告生成、辦公、代碼開發。

二是提效，賦能員工，提升產品競爭力，投研業務中分析師利用“數字分身”提高傳播效果；投資業務中實現數據的自動挖掘分析、股價預測、優化基金產品的收益風險比；交易業務中優化交易策略以減少交易成本及人為偏差。

三是優化服務，提升客戶體驗。例如，在營銷環節中實現千人千面的營銷；投顧業務中深度分析客戶需求并提供個性化推薦，投顧通過智能檢索內部智庫為客戶提供專業化服務，人性化的智能客服。

一位就職于頭部券商的投資顧問告訴每經記者，他在日常工作中通過人機結合的方式擴大了服務半徑。一方面，生成式AI的介入提高了微信回復客戶的效率；另一方面，借助生成式AI將專業術語轉化為客戶易懂的語言或故事，再結合自己的專業知識校正，增強溝通效果，提升轉化率。

“大模型在直播準備中也能發揮重要作用，”由于工作需要，他經常需要直播。“幫助確定主題、搜索資料、設計PPT，節省時間。主播只需提供核心思想，給出總體趨勢或策略，并負責審閱修改。這讓我能夠專注于核心策略和研究工作。”

合規風險、隱私保護??人工智能尚不適用于金融行業核心部門

曹海峰認為，短期來看，對于生成式AI技術實際落地仍相對謹慎，特別是對客業務，落地案例較少。制度環境方面，隨著《生成式人工智能服務管理暫行辦法》的出臺，以及未來金融監管的或有規定，公司需要考慮如何合理地使用這一技術。

合規風險方面，一方面需要保證內部數據的安全性，另一方面使用GPT技術服務客戶，直接推薦股票、基金等受到監管牌照限制。技術方面，大模型在一些問題的回答上仍存在謬誤，需要人工介入審核和校對，可能會招致客戶投訴。

同時，記者在采訪中了解到，目前AI在金融領域的應用還存在以下痛點。

一是可能導致市場變得更加脆弱。上述國有行員工指出，如果金融市場中的參與者廣泛采用同一模型進行決策，這可能會導致市場變得更加脆弱。假設所有參與者使用相同的模型，并且輸入相同的數據，那么很可能會得出相似的結論。金融市場的交易需要觀點不同的買賣雙方達成一致才能完成交易。如果大多數參與者都采取相同的觀點，比如同時選擇賣出，那么市場波動可能會因此而劇烈增加。

二是大模型尚不適用于金融行業核心部門。李明順總結了金融業在應用大模型時的困境。他表示，可以將大模型在金融行業中的應用理解為人工智能技術的一個分支。大模型在金融行業的主要應用體現在營銷端和服務端，例如資料整理、咨詢服務等。然而，在一些更為嚴格和關鍵的金融領域，如風險控制和資產定價，其應用并不十分直接，因為大模型目前還存在幻覺。

李明順認為，“大模型本質上是一種語言模型，它能夠理解和處理文本，但并不是一個規則引擎，大模型并不適用于金融行業的核心部門。”上述券商投顧也認為，大模型更適合專業人士使用。因為普通人可能缺乏足夠的金融知識和經驗來判斷生成式AI提供的信息是否準確。如果生成式AI提供的信息是錯誤的，而用戶又無法辨別，這可能會導致問題。

三是缺乏個人信用評分領域的標準化機構。李明順表示，美國金融行業廣泛應用AI于證券和資產交易，得益于標準化用戶數據。我國銀行業雖收集用戶信息，但銀行間數據未互聯互通，資產量化評級面臨標準化不足問題。AI在我國金融業主要用于風險控制和初級營銷，標準化不足是其應用的主要限制。

四是隱私保護難題。上述數據分析師表示，其所在公司雖然正在致力于將人工智能培育成領域專家，但對于將聊天機器人開放給客戶使用也有顧慮。“假設一個場景，公司先后接了兩家公司的合同，這兩家公司是競爭關系。他們都不可以通過我們知道對方公司的消息，這就需要一個壁壘。而大模型具有隨機性，這很難實現。”

按計劃，該模型數月后便可投入使用。出于這一顧慮，該模型初期僅供內部顧問使用，幫助新員工快速獲取關鍵信息。

此外，為防止隱私泄露，其所在公司的法律部門提出不能在開放的大模型平臺上訓練。最終，該公司決定將開源模型下載后部署到公司服務器上，在本地完成檢驗、微調。

生成式AI對金融行業的潛在重塑將大于其他行業

曹海峰認為，生成式AI對金融行業的潛在重塑將大于其他行業，主要由于其大量的數據沉淀、勞動力密集度高，以及與語言相關的工作內容占比高。Tinus表示，“金融領域正在經歷一場由多元技術融合推動的創新浪潮。在這場浪潮中，人工智能、區塊鏈、大數據、云計算等前沿技術相互交織，為金融應用創新提供了強大的動力。”

Tinus進一步解釋，人工智能與大數據、云計算等技術的融合，拓展大規模數據的應用，并通過強大的計算能力，支持更加復雜和智能化的金融智能應用；人工智能與區塊鏈技術的融合，利用區塊鏈的分布式賬本、智能合約等能力，實現數據的不可篡改性、可溯源性，增強金融數據應用信任度，提升人工智能在金融領域應用的可信性和可監管性。

此外，人工智能與密碼學技術融合，打破跨機構間數據智能協同共享的安全壁壘，拓展人工智能數據應用邊界，尤其是金融領域面臨的私域數據共享流通難題，以技術手段解決金融數據的安全、可信、智能化流通難題。Tinus表示，“隨著這些多元技術的不斷融合和發展，人工智能必將進一步推動金融科技創新和金融應用領域的變革。”

Tinus認為，AI在金融領域的應用中，數據全生命周期的安全保障問題至關重要，可信人工智能將成為重要的發展趨勢。

可信人工智能的特征要素包括安全性、魯棒性、公平性、可解釋性、隱私性、可控性等。采用隱私計算、區塊鏈、數據沙箱等技術搭配融合，是實現人工智能的隱私增強的有效手段。通過隱私增強打造可信人工智能的安全底座，將賦能金融科技從“數字化”向“數智化”轉型的道路上，實現安全可靠可追溯，促進人工智能的可持續發展和更多創新應用。

“AI Agent（AI智能體）是大模型在金融領域應用的一個重要趨勢。AI Agent是基于大語言模型進行構建，同時具備記憶檢索、決策推理及行動順序選擇等特性，讓其在處理復雜任務上更具備優勢，被認為是未來的發展方向。AI Agent的智能決策、自動化執行、個性化服務、持續學習和優化等特點，能夠為金融機構提供更加智能化、更高效的服務和決策支持。”Tinus表示。

封面圖片來源：視覺中國-VCG41N1472123004