人工智能對商業銀行的影響與應對策略

◎李勇軍 郭夢雨

隨著科技的發展，人工智能（AI）近年來被廣泛應用于金融、醫療和教育等行業中，對社會經濟發展產生了深刻的影響。銀行業是人工智能應用發展最快的行業，這是因為銀行業龐大的客戶群與數據量，為AI的數據分析和建模提供了堅實可靠的基礎。人工智能不僅為商業銀行帶來了技術，而且對傳統銀行業務模式和商業理念產生了巨大的影響。

影響

1.有效降低運營成本，提升服務效率

在互聯網時代，手機銀行等的出現降低了客戶對工作人員的依賴，但這種單向交流方式使得銀行在降低成本的同時失去了創造更多金融價值的機會，獲客能力降低。隨著人工智能技術的日趨成熟，智能化技術在商業銀行得以廣泛應用，如機器人客服以及核心區域的巡檢機器人，可提供7×24小時不間斷互動服務，這些技術可以優化銀行的業務流程、提升服務效率并降低運行成本[1]。

2.提高風險防范能力，使風險評估更加科學

風險管理是金融的本質，金融業務的核心是風險控制。人工智能可以成為商業銀行改善風險管理的工具，極大地提升風險評估準確率和靈敏度。一是助力便捷信貸和安全信貸。通過人工智能技術建立風控模型，不斷更新企業與個人風控水平，有效提高金融防范能力。借助機器學習技術，銀行可以實時、動態監控借款人的還貸能力，以減少因壞賬造成的損失。二是減少服務缺失情況的出現。獲取客戶的數字化特征后，服務機器人可使用大數據進行甄別和風險測量，使缺乏信用記錄的客戶有獲得服務的機會。尤其是對有融資需求的中小企業，可通過數據挖掘和分析技術獲取企業實際業務狀況、盈利水平和信用狀況，為銀行向客戶貸款提供參考，深挖優質客戶。

3.改變銀行內部管理，促進其內部組織變革

人工智能大發展的背景下，對內部員工的管理將更加規范、科學。智能機器的存在將使得越來越多的操作性崗位人員被替代，人員將優化到銀行發展的核心方向。這將改變商業銀行人員結構，提高銀行管理水平，將銀行管理體系從垂直化逐步轉變為扁平化，從而促使其內部結構發生變革。

4.改變銀行競爭格局

現今，越來越多的商業銀行將人工智能作為轉型升級的戰略核心，這是銀行轉型的必然方向，也是銀行重塑核心競爭力的關鍵所在[2]。圍繞核心競爭，銀行將進一步提升行業的智能化水平，并對競爭模式進行深度變革，這必然會改變銀行間的競爭格局。

應用場景

1.自然語言處理應用

自然語言處理是用計算機來處理、理解以及運用人類語言，包括兩個方面：一是讓機器人識別人類的語言、理解人類所要表達的意思。二是機器以人類能夠理解的方式將信息生動地傳達給人類，如智能客服應用場景。運用自然語言處理還可以將重點信息聚類，挖掘客戶關注熱點，為營銷與服務提供決策支持。自然語言處理還應用于一些核心的金融業務場景，如信貸報告解析、競價報告等。

2.計算機視覺與生物特征識別

人臉識別技術是一種生物識別技術，運用后可加強商業銀行的安全防護能力。在商業銀行網點，ATM攝像頭、人臉識別不僅用來識別客戶身份，還可以根據人物特征提前識別可疑人員及可疑行為動作；利用柜臺內部攝像頭，監控并判斷員工行為是否合規。商業銀行的安全管理尤其是對核心區域的安全監控非常重要，如機房、金庫及保險柜等場所，是銀行的命脈所在，可通過增加人像識別攝像頭，實現智能識別，提高安全控制。

3.機器學習

在實踐中，機器學習是一種隨著數據樣本而自動積累程序，然后根據程序自動獲得精準預測的方法。目前機器學習在商業銀行中的應用主要表現在：一是欺詐識別，通過機器學習的方法，識別數據形態，將信息整合到一起，然后從行為活動中分辨出欺詐行為，并提前做好防范。二是智能投顧，根據用戶目標和風險承受能力對投資組合提出相關建議。智能投顧將運用多層神經網絡，根據用戶的風險偏好及投資目標在各類資產和金融工具中進行搜索匹配。系統會根據用戶目標和市場的變化作出實時調整，一切以滿足用戶投資目標為核心。三是交易預測，系統通常每天會操作數千次或百萬次交易，機器學習和深度學習在實時交易決策中正發揮愈加重要的作用。

4.服務機器人技術應用

很多商業銀行在大堂設置智慧機器人，賦予其人類的形象、感情與動作，實現自動巡航功能，通過自然語言處理、語音識別及人像識別等技術，完成與客戶的業務交流及辦理；將24小時巡檢機器人投放在機房等核心區域，進行實時監控[3]。

應用中存在的問題

1.智能化過程存在信息安全問題

一是智能化技術在商業銀行的應用仍處于探索階段，銀行在智能化過程中難免會存在一些系統漏洞，再加上與金融相關的信息很容易受到黑客的攻擊，而安全漏洞的補修速度要慢于非法使用信息的速度，從而埋下了安全隱患。二是數據在傳送過程中可能存在缺失的風險[4]。

2.數據和算法尖端人才稀缺

人工智能的應用推動了銀行從傳統經營模式向智能化模式轉變，這意味著企業對數據和分析型人才需求陡增。目前銀行雖然也在培養吸收大量的數據分析及算法人員，但是他們的知識與技能偏向于數據管理層面，而智能化所需要的分析型人才分布于多個業務層面，顯然這方面的人才供給小于需求，使得商業銀行難以對各個領域的數據進行有效分析，限制了商業銀行的智能化發展步伐。

3.數據資產經濟價值和挖掘觀念不足

當前，銀行內部機構之間的數據信息溝通不暢，導致很多數據被閑置，數據資產還停留在為存儲而存儲的被動階段，無法充分實現數據的經濟價值。此外，一些銀行工作人員對人工智能技術了解不深入，導致內部員工對其應用前景信心不足，影響員工對數據收集和整理的積極性，而充分的大數據資源是智能分析精準化的前提，因此，這是目前銀行智能化發展面臨困境的主要原因之一。

4.銀行監管不到位

一是很多針對銀行風險控制的法律法規并不能適應新的智能化運營模式，導致很多不當的智能化管理方式及操作游走在法律管控的邊緣。二是由于監管具有滯后性，如果銀行披露的數據存在數據造假、缺失的問題，有可能會誤導大眾。

5.智能化銀行系統存在一些潛在的不穩定因素

一是人工智能模型通過各種方法分析非結構化數據，如果智能模型出錯了或者程序出錯了，那么將會對銀行造成經濟損失。二是互聯網數據的開放性促進了銀行間信息共享，這意味著銀行數據庫的來源更加多樣化，相應地，也面臨著更多的不確定性。

對策建議

人工智能在商業銀行零售領域的應用可以提升數據的處理效率，節約人工成本和時間成本，但在提高銀行效率的同時，也會給銀行帶來相當程度的風險。因此商業銀行應遵循人工智能的運行規律，逐步改進智能化體系構建中的不足，加強信息安全管理，加快彌補人工智能技術應用在銀行業的監管機制漏洞[5]。

1.完善應用頂層設計和規劃，加快戰略部署

人工智能在商業銀行的推廣與應用不僅需要零售網點的智能化應用，更需要管理層制定與之相適應的頂層設計和專項規劃。與此同時，應根據智能技術在銀行應用的發展周期制定相應的戰略，突出數據的重要性，加強相關知識理論和核心技術研究，使之獲得戰略層面的重視。前期可先應用較為成熟的智能機器，如語音識別、生物識別等，后期可重點攻克智能機器人等，整個過程中基于深度學習的技術一直是發展的重點，要不斷地優化與提升智能模型。

2.整合數據資產，完善數據生態系統

大量的非結構化數據是銀行智能化、精準營銷、防控風險及開發產品的重要基礎。因此在智能化的趨勢下，必須重視銀行內部數據的積累與整合，制定科學合理的數據采集標準和格式標準以便于共享數據、防止數據泄露與失真，確保客戶信息安全。銀行內部之間的信息溝通不暢不利于數據的充分利用，這種情況下建構完善的數據生態圈尤為必要。在一個完善的數據生態圈下，商業銀行可以通過應用深度學習技術，做到對數據的充分挖掘，為銀行的決策提供數據與技術支持，節省決策時間。

3.加快金融監管，提升銀行內部系統的穩定性

信息安全不僅關系到新技術的可持續發展，也關系到個人隱私。銀行應借助人工智能技術監管多變的數據環境，建立風險防范機制，確保系統能夠穩定運行。面對人工智能的迅速發展，金融監管機構應根據人工智能的特點制定法律法規，以引導商業銀行合法進行數據的獲取、交易及公開，確保銀行的信息安全。利用人工智能技術進行金融監管，可以及時有效地發現并解決智能模型出現的偏差。

4.打造智能型人才隊伍，提高人才質量

與傳統的專業人才不同，智能化人才具有知識結構交叉及綜合的特征，很難通過傳統的技術培訓獲得[6]。因此商業銀行在進一步深化與高校等科研機構合作的同時也應引進和培養智能化專家團隊，積極儲備新型人才。科技的不斷發展促使知識結構的不斷更新，作為新型人才需要不斷地學習新技術才能不被淘汰，相應地銀行也要改進并完善人才的培訓體制，幫助員工提升自我，以培養一批梯隊合理、綜合性發展的智能型人才。