人工智能背景下財經類高校人才培養探析*

鄭 軍 馮舒杰

(安徽財經大學 金融學院， 安徽 蚌埠 233030)

近年來，人工智能保持高速增長，發展勢頭強勁。習近平在一帶一路峰會時明確提出數字絲綢之路，將人工智能列入規劃。國務院于2017年7月8日公布的《新一代人工智能發展規劃》中要求到2030年，我國成為世界主要人工智能創新中心。與此同時，高校大學生畢業生人數將越來越多。據統計，2010-2016我國高校畢業生人數分別為631萬、660萬、680萬、699萬、727萬、749萬、765萬人①，就業已成為一個突出的問題。《教育部關于做好2016屆全國普通高等學校畢業生就業創業通知》指出要圍繞國家發展戰略開拓就業崗位，引導高校畢業生到新興領域就業，其中就包括人工智能行業。當前形勢下，人工智能的快速發展將會對財經類高校人才的培養產生較為深刻的影響。

一、人工智能的內涵及發展

美國Stanford大學人工智能研究中心尼爾遜教授將人工智能定義為：人工智能是關于知識的學科，是怎樣表示知識以及怎樣獲得知識并使用知識的科學。[1]從其本質來講，人工智能是指能夠模擬人類智能活動的智能機器或智能系統，從數據挖掘、智能識別到機器學習、人工智能平臺等，其中許多技術已經運用到經濟生活之中。[2]

在《2016年全球人工智能發展報告》中,2011-2016年人工智能領域社會投資增長的情況，詳見圖1。數據顯示人工智能領域2015年社會投資比2013年增長了三倍左右，人工智能領域正在得到資本界的青睞。根據國際權威研究機構CB Insights統計，2017年全球范圍內有152億美元被投入到AI領域，比2016年增加141%。②近些年來隨著人工智能社會投資不斷增長，各個領域都可能成為人工智能的潛在應用領域，從低層的操作到高層的決策，人工智能都能得到充分的應用[3]。人工智能是顛覆性的創新，創新是引領其發展的第一動力，它大大提升了生活質量和生產效率，正成為我國推進供給側結構性改革的新動能。未來人工智能的蓬勃發展，將會對產業結構產生巨大的影響，從智能家居，到智能客服，再到智慧醫療和智慧教育，“智能+X”將成為創新時尚。人工智能是一門綜合性的邊緣學科，并且隨著其發展，不斷有新的學科加入這個領域，這些學科的知識都在人工領域里發揮著重要的作用。在教育部印發的《高等學校人工智能創新行動計劃》中，要求推進“新工科”建設，重視人工智能與經濟學、統計學、計算機、社會學等學科專業教育的交叉融合，形成“人工智能+X”復合專業培養新模式，高校成為建設世界主要人工智能創新中心的核心力量和引領新一代人工智能發展的人才高地，為我國躋身創新型國家前列提供科技支撐和人才保障。

圖12011-2016年人工智能領域社會投資增長情況

數據來源：根據《2016年全球人工智能發展報告》相關數據整理得到

二、人工智能對財經類高校人才培養提出的新挑戰和新要求

(一)人工智能對財經類高校人才培養的新挑戰

1.人工智能取代銀行信審零售崗位

人工智能正前所未有地重度沖擊銀行業，對一些標準化的、常規流程化的、低附加值業務崗位展現出一定的替代效應。

高頓財經CFA研究院表示：信審自動化，大勢已定。銀行的信審工作重在對借錢人的準確分類，而人工智能結合大數據可以對人群進行準確劃分，區分有意愿還錢的人和沒有意愿還錢的人，區分有能力還錢的人和沒有能力還錢的人，區分能夠準時還錢的人和不能夠準時還錢的人。在傳統的信貸辦理流程中，用戶需要在貸款機構的網點現場申請貸款信息，提交相關資料，貸款機構有信審專員進行人工審核貸款請求，而引入人工智能后，只需通過活體檢測、人臉識別、聲紋識別、指紋識別等技術驗證與個人相關的材料，在大數據風控算法下可進行自動審批，這極大地削減了人力成本。

同樣地，在銀行零售崗位，人工智能的運用正在加速。截至2016年末，農業銀行共減少柜員10 843人，建設銀行減少30 007人，工商銀行減少14 090人。2014-2016年銀行柜員呈加速遞減的趨勢。而在傳統銀行柜員減少的同時,銀行離柜交易同比幾乎翻了一番,2016年銀行業協會數據顯示,離柜交易金額達到1522.54萬億元,銀行業金融機構離柜交易達1 777.14億筆,行業平均離柜率達到84.31%③，離柜交易數據的增長也在一定程度上反映出銀行智能化業務的成長。比如招商銀行的可視柜臺(VTM)，通過人機互動可以實現一卡通開戶、卡片激活、定期業務、轉賬匯款等20余項非現金業務，處理業務的效率是柜面的1.8倍。

2.人工智能沖擊保險理賠定損業務

《中國保險科技發展白皮書(2017)》發布并揭示了十項重點科技，其中就包括人工智能。人工智能在保險業的布局，將會成為保險科技發展的新機遇，驅動互聯網保險進入3.0時代。人工智能和保險的結合，可以實現保險理賠自動化。以往的核損流程分為查勘、定損、核損，客戶拿到理賠的錢大約需要一個月的時間，流程繁瑣冗雜，需要投入大量人力，用戶體驗差，而通過人工智能的方式可以大大節約時間，提升理賠效率，還可以降低騙保率。日本壽險巨頭富國生命保險計劃裁減近30%的理賠部門員工，因其于2016年1月引入Watson AI系統，裁員30%將為其每年節省約1.4億日元。④

在定損環節，人工智能模擬人工作業流程，讓定損變得高效便捷。螞蟻金服推出的“定損寶”，就是人工智能運用在保險定損環節的一個案例，它用深度學習圖像識別檢測技術來代替定損員的工作，短時間內就可以給出準確的定損結果，包括受損部位、維修方案及維修價格。有定損需求的用戶不用再在現場等待定損員，而是自己把現場照片發到定損平臺，就能由后臺的人工智能技術完成定損。保險行業目前約有10萬人在查勘定損工作崗位上，太多人力被用來處理簡單案件，如果“定損寶”在保險公司推廣開來，預計可減少一半的查勘定損員。

3.財務機器人威脅基層會計人員

根據2015年智聯招聘調查統計(詳見圖2)，財務、審計和稅務是金融行業校園招聘投遞熱門職位之一，占比達到16%，而初入財務、審計和稅務的大學生往往從事的是基層、簡單的工作。隨著社會經濟發展程度的不斷提高，人工智能取代基層會計工作是一個趨勢。基層會計工作是指信息的收集、處理、存儲等，即算賬、記賬和報賬等，而這些工作正是計算機所擅長的工作。在不久的將來，智能稅務、智能審計等人工智能系統會代替稅務、審計等基礎的財務人員，原因是人類無法和善于運算和記憶的計算機系統競爭，一些簡單重復、不需要多少技術含量的基層會計工作面臨巨大的沖擊。

作為會計行業的風向標，德勤、普華永道、安永相繼推出財務機器人，這些財務機器人主要運用于基層，解決一些低效且重復的工作。財務機器人的運用，威脅到的還是底層的會計人員，尤其是一些簡單的數據分析，憑證粘貼的工作，70%的基層會計人員將被替代。由于財務機器人未來可以綜合處理圖像、視頻、語音、文字等數據，并通過有關財務方面的大數據樣本的學習，獲得財務分析、預測和決策能力，傳統的記賬、算賬、報賬的業務流程，會因為人工智能而改變。

圖22015年金融行業校園投遞熱招職位類別

數據來源：智聯招聘

4.人工智能顛覆傳統人工金融風控

利用人工智能取代傳統人工對金融交易、服務信息審查監管，控制交易活動中潛在的違法行為，可更好地避免操作風險和道德風險。[4]

通常一個風控業務包括客戶端用戶資料申請、提交、收集，合規、反欺詐、邏輯校驗，核心決策授信，包括電調和申請評分，以及最后的催收。新金融風控領域面對的數據痛點，一般有幾大類，一是群體欺詐多，有組織、有規模進攻；二是數據駕馭難，強征信數據少，非結構化數據多；三是風險高，客群下沉，欺詐成本低；四是量大，人工無法大規模審批，成本高。面對業務流程，每個風控節點人工智能都在發揮作用。比如反欺詐環節，人工智能可以基于申請人、手機號、設備、IP地址等各類信息節點構建龐大網絡圖，并在這基礎上進行反欺詐模型的實時識別。在申請評分環節，傳統評分卡數據往往大量缺失，而人工智能可以對專家人工特征和機器學習特征構建規則模型、深度學習模型、機器學習模型等進行復雜集成，實現對客戶多元化需求的滿足。面對數據繁雜的問題，大型風控場景中已經運用深度學習的特征生成框架，對諸如時序、文本、影像等互聯網行為、運營商非結構化數據實現了深層特征加工提取，超出想象地提升了模型效果。

(二)人工智能對財經類高校人才培養的新要求

1.培養與機器打交道的能力

在互聯網出現之前，人與人能交流，但人與物不能交流，互聯網的出現提高了人與人之間的溝通效率，而在人工智能時代，將徹底解決人與萬物的溝通問題。人與萬物的溝通主要依賴于智能機器人，這種機器人帶有多種傳感器，能夠將多種傳感器得到的信息進行融合，具有很強的自適應能力、學習能力和自治功能。[5]軟銀CEO孫正義在MWC 2017大會上表示在未來30年內，超級智能機器人數量將超過人類，屆時將有逾1萬億個物品被接入互聯網。⑤在人工智能時代，智能機器人比人聰明得多，智能機器人比人強得多，駕馭機器的關鍵在于現在我們要培養與機器打交道的能力。

財政部、國家發改委、工業和信息化部聯合發布的《機器人產業發展規劃(2016-2020年)》針對智能產業現狀，提出經過五年的努力，機器人產業體系建設較為完善。隨著國內智能機器人變得強大和普及，那些能熟練使用電腦以及相關通信和信息處理設備，理解電腦的運行和工作原理，能夠靠直覺將電腦運用于營銷的人將成為最明顯和最直接的受益者。再從社會結構的變化上看，“人—機器”的社會結構終將被“人—智能機器(人工智能)—機器”的社會結構所取代。創新工場首席執行官李開復預測在未來任何一個以大數據為核心的領域里面，當一個人的工作是10秒鐘以內能做出判斷的，或者是做的是重復性的工作，他們的工作將會被機器完全取代。如底層數據員和分析員，他們的工作是基于方案做好數據分析，按規定時間提交給市場調研人員，還負責公司錄入人員的管理和業績考核等工作。數據分析、挖掘要應用機器學習算法，而人工智能也是應用機器學習算法，那些只會用簡單分析工具的人肯定會被淘汰。因此，人們要適應這種變化了的社會結構，就不得不學會與智能機器相處。[6]

而現階段財經類高校傳統課程體系中，存在傳統基礎型學科比重過大，計算機技術課程體系實踐偏少、內容陳舊的問題。作為財經類高校，要鼓勵大學生依托高校資源，進行電腦知識的學習，將財經知識和人工智能結合，主動融入到人工智能時代。這種做法是因為在未來，所有可計算的邏輯性工作都將被人工智能所取代，發生值和標準值一碰撞就能得到結果，人和智能機器競爭，幾乎沒有贏的可能，而搞定機器的人將會有高回報。

2.向復合型人才轉型

在以人工智能為代表的技術推動下，不同學科的知識、理論和手段的交叉滲透正發生在廣泛的學科領域，但現在財經類高校人才培養受傳統學科專業的束縛，不同學校間的相同學科人才培養方案趨同，多學科交叉融合的思維還未貫穿到專業建設和人才培養的整個過程，人才培養模式不能由單一模式向復合型轉變，導致按傳統的人才培養模式培養的人才不能適應復雜多變的智能時代。

財經類高校大學生畢業入職的崗位通常是單一業務型的，而人工智能時代則需要更多綜合型人才。綜合型人才，是指擁有兩種以上的技術知識的才能，比如管理與技術綜合，以及會計、證券等與計算機綜合的人才等，他們是社會的稀缺資源。《2016年中國互聯網金融人才白皮書》顯示，金融人才數量在50萬以上，互聯網人才在10-50萬之間。而相比之下，互聯網金融作為新興行業，人才數量只有1-5萬。⑥這意味著，如果成為一個互聯網金融人才，那自身的鍍金能力和身價將大大提升。而人工智能作為互聯網的下一幕，隨著AI技術被廣泛運用于保險、證券、銀行等行業之中，未來幾年內復合型人才將十分受歡迎。

在人工智能時代，數據無處不在，但找到一個既懂業務，也能處理數據，還要會數據挖掘算法的復合型人才不易。人工智能涉及面廣，相關人才要有跨行業、多領域的理解力，能夠全面考慮問題。現階段我國人工智能人才知識結構主要以理工科為主，專業有電子、自動化和計算機等。當然人工智能從業者在設計、生產產品的過程也需感性和理性的結合，而不是冰冷的算法程序。財經類高校在人才培養上應選擇幾個與人工智能領域有關的學科進行學科整合，在教授專業知識的同時拓展學生技能，爭取為社會提供更多優秀的復合型人才。

3.成為復雜模式的創新者

金融市場復雜多變，由于數據限制和基礎研究等方面的原因，人工智能現在很難獨自應付整個金融市場，當遇到如金融危機和技術故障等突發事件時，人工智能系統可能將無法做出正確選擇。在可見的將來，人工智能雖然能輔助人們進行決策，代替常規傳統的一些工作，但它缺乏創新求變破解難題的能力。而且，目前多數財經類高校在課程設置中過于強調專業課，老師講、學生聽的教學模式很普遍，學生被動接受知識，用固定的思維思考問題，泯滅了學生的個性，削弱了學生用創新性思維解決問題的能力。在這種重知識灌輸、輕創新實踐的傳統培養模式中出來的學生不是智能時代急需的創新型人才，也難以適應復雜的經濟社會需求。

人工智能通過深度學習已經在不斷進行升級與改造，同樣地，它也要求人們要更加富有創造性，用創造性思維去改造和更新人工智能。習近平在中國科學技術協會第九次全國代表大會、中國工程院第十三次院士大會和中國科學院第十八次院士大會、全國科技創新大會時提出了“弘揚創新精神，培育符合創新發展要求的人才隊伍”的要求。人工智能時代，是繼文藝復興和工業革命之后的又一次人類重大創新變革期，這一時代，需要新的人才培養方式，需要創新型人才引領時代前沿。傳統工作已經不能適應人工智能發展的要求，真正符合人工智能時代要求的是那些具有深度挖掘價值、可以充分創新的工作。未來，隨著人工智能逐漸接管常規性工作，創造性思維將是成功的關鍵技能，財經類高校應將創造性思維能力納入人才培養目標考核體系中。在培養創造性思維的同時，還需要強大的思維邏輯和模糊情景判斷能力來應對復雜的經濟社會，財經類高校從現在開始就要有意識地培養學生在錯綜復雜的環境中求變與創新的能力。

三、人工智能背景下財經類高校人才培養：目標、理念、重點

人工智能對財經類高校人才培養的新挑戰和新要求，對于當今的財經類高校而言，傳統教育面臨著嚴峻形勢，只有讓大學生融入到人工智能時代這股潮流中才可以贏得先機。下面將從人才培養的目標、理念、重點三個方面進行探討。

(一)目標：以突出個人技能專長，符合人工智能需要為目標

人工智能的顛覆性發展已是既定的事實，但其顛覆性發展對于有個人技能專長的人而言沖擊并不顯著。人工智能的發展反倒成為具備機器管理能力、流程咨詢能力、平臺及數據管理能力、領導力和判斷力的復合型人才個人發展的絕佳平臺。

“領英”數據分析發現，10年以上經驗的人工智能人才在美國占比接近50%，而我國只有25%。總體上，我國人工智能專業人才總量較美國和歐洲發達國家來說還較少，10年以上資深人才缺乏。[7]北京郵電大學教授、中國人工智能學會常務副理事長楊放春在接受《光明日報》記者專訪時表示，國內智能科學與技術專業本科專業只有36所大學開設，無法滿足日益擴大的人才需求。在智能社會，會有一些新職位誕生，比如已經被行業認可的“語音識別工程師”，以及“自然語言處理”等等，還有業內人都沒意識到的職位，比如機器人產品經理，未來可能會有“機器人道德或暴力評估師”等職位。根據國際機器人聯合會(IFR)的研究，制造類機器人直接或間接創造的崗位總數將從190萬增長到350萬，每部署一個機器人，將創造出3.6個工作崗位。⑦在金融、交通運輸、教育、IT等領域，人工智能為求職者創造了大量的就業機會，只要抓住人工智能需要，就會有立足之地。財經類高校應立足智能社會的發展需要，通過開展財經技能培訓或競賽，培養技術應用型人才；重視與人工智能企業合作，鼓勵學生寒暑假到企業進行調研或實習，在從業實踐中提高學生的操作技能。

(二)理念：以不斷創新、綜合素質教育和人機交互共贏為指導思想

隨著科學技術的高度發達，機器將可以在越來越大的程度上取代人類的勞動，實現人類史無前例的解放，然而人類唯一不可能被機器取代的，就是人類的創造力和創造性勞動。[8]未來人工智能社會的分工，占有主導地位的將是創新勞動。相應地，現在的人們為了適應將來的智能社會，必須提高自己的創新意識和能力。在人工智能時代，創造型勞動者將得到高工資和高資本回報，而普通勞動者只能得到很低的回報。打開腦洞，創意地工作和生活，其實是一個人一輩子的功課，財經類高校要持續培養學生的創新能力，讓學生了解新時代的政策，引導學生做一個心有創新、善于觀察、勤于動手的新時代創新者。

放眼人工智能結合金融的發展趨勢，未來的金融人才必須是綜合性人才。一方面體現在要有很強的業務操作能力，由于創新使新的業務層出不窮，所以金融管理人才在業務操作上必須有相當強的能力才能適應客觀形勢不斷變化的需求；另一方面，綜合性人才還體現在具有很強的宏觀分析能力和判斷把握能力。[9]所以在綜合素質教育中要注重學生宏觀分析、判斷能力和微觀業務操作、創新能力的培養。

作為一個重要的、新興的研究和應用領域，智能人機交互技術已被納入《信息產業科技發展“十一五”規劃和2020年中長期規劃綱要》。在未來，人與機器打交道不可避免。智能機器人能更全面、更細致地去感知人、空間、行為事件進而更多面、更完整地去服務于細分用戶場景，反過來人們也會基于智能機器人的服務表現去改善它們，最終實現人機交互共贏的良好局面。

(三)重點：建立智能教育體系

高校處于人才第一資源、創新第一動力、科技第一生產力的結合點，隨著人工智能技術不斷發展，財經類高校要不斷推動人工智能與教育深度融合，改革傳統的人才培養模式，建立智能教育體系。在教學方式上，強調個性化教育與創新能力培養，比如精準的判斷力、邏輯思維能力、人際交往能力、自我營銷能力、設計思維、識別能力；在課程設計上，以技能提高為核心，從技能培養的角度去決定專業知識講授的內容，在對學生進行創新能力培養的目標下把專業課和公共課、基礎課統一起來；在教材建設上，結合財經類高校特點和資源優勢，加快人工智能領域科研成果向教育教學轉化，努力編寫一批符合智能時代、具有一流水平的經管類教材，推動在線網絡課程開放。

2018年4月2日教育部下發關于《高等學校人工智能創新行動計劃》的通知，強調到2020年，基本完成適應新一代人工智能發展的高校科技創新體系和學科體系的優化布局，高校在人才培養和科學研究的優勢進一步提升。行動計劃的一項重點任務就是完善人工智能領域人才培養體系，財經類高校在面對市場對人才多樣化的需求時，要完善產、學、研合作教育，以產業和技術發展的最新成果推動人才培養改革。可以選派本校師生到校企培訓基地進修、學習，了解企業運作方式；或者聘請企業人員來校承擔實踐環節的課程，讓學生通過理論聯系實際，在解決問題的實踐中找到自身差距，激發學習動力。

注釋：

①數據來源：中國教育在線.2001-2016年全國高校畢業人數[EB/OL].http://www.eol.cn/html/c/2016gxbys/index.shtml,2017-03-24.

②數據來源：前瞻網.五大權威機構AI融資數據匯總[EB/OL].https://www.qianzhan.com/analyst/detail/220/180518-2cba4859.html,2018-05-20.

③數據來源：搜狐財經.銀行離柜業務已超90%，去年交易量達1 777.14億筆[EB/OL].http://www.sohu.com/a/130103619-544821,2017-03-24.

④數據來源：觀察者網.機器人來了！日本保險巨頭啟用AI替換30%理賠部員工[EB/OL].http://www.guancha.cn/Science/2017-01-03-387369.shtml,2017-01-03.

⑤數據來源：TechWeb.軟銀CEO孫正義：30年內超級智能機器人數量將超過人類[EB/OL].http://www.techweb.com.cn/world/2017-02-28/2492689.shtml,2017-02-28.

⑥數據來源：中文互聯網數據研究資訊中心.Linkedin：2016年中國互聯網金融人才白皮書[EB/OL].http://www.199it.com/archives/520386.html,2016-09-26.

⑦數據來源：中國就業網.人工智能與就業[EB/OL].http://www.lm.gov.cn/EmploymentServices/content/2017-05/15/content-1325568.htm,2017-05-15.