人工智能應用于銀行業的問題研究

文/楊穎，上海大學經濟學院

1 引言

人工智能是指利用自然語言處理、知識圖譜構建和機器學習三大核心技術，研究、開發、模擬人的行為和意識的自動化設備的科學。對銀行業而言，人工智能有著巨大商業應用前景。人工智能通過對銀行產生的海量數據進行分析，進而發現數據的內在規律，最終為客戶提供更加精準的服務，同時也可以減少銀行的人工成本，提高風險管理能力。目前，國內外銀行業都在加快使用人工智能的步伐：美國銀行將智能應用于處理企業的應收賬款；平安集團運用人像識別技術識別陌生人的可疑行為，大連銀行與京東金融成立了人工智能實驗室，交通銀行推出了人工智能服務機器人“嬌嬌”。

學界關于人工智能在銀行業的研究主要集中于智能機器人、智能投顧和風控三方面，且并沒有一個清晰的應用場景分類，本文按照人工智能提供的服務將人工智能在商業銀行的應用場景分為智能客服與營銷、智能投顧、智能風控三類，并在查閱資料的基礎上增加新的應用場景—智能投研。通過對上述四種場景分析，筆者發現由于人工智能技術的不成熟性以及相匹配監管措施的不完善性，此項技術在商業銀行的應用依然存在著一些問題。基于對問題的理解，筆者對相關問題提出了一些政策性的建議，供商業銀行以及監管部門參考。

2 人工智能在銀行的應用場景

2.1 智能客服與營銷

智能客服是指營業網點的機器人向客戶提供咨詢、問答等服務。相比于傳統客服，機器人客服的特點可以概括如下：一是對客戶進行智能識別。智能客服通過人臉識別或語音識別技術，能夠有效的辨別出客戶級別，如 VIP 客戶和普通客戶，并為客戶提供相應的金融服務。此外，機器人通過采集客戶的行為能夠判斷可疑人員，降低人為風險。二是智能解答客戶疑問。機器人客服在與客戶進行溝通的過程中，可以及時記錄客戶的疑點與關注點，并自行學習搜索疑點的答案和相關熱點問題，給客戶提供更加全面的解答。三是開展精準營銷。機器人客服通過對客戶前端數據的搜集，可以自動匹配適合客戶的產品，實行精準化的營銷，滿足客戶的需求。

2.2 智能投顧

傳統的投資顧問需要根據客戶的特定要求如資產偏好、可投資金額等，結合當下的市場環境為客戶提供有針對性的投資服務。傳統投顧需要特定的人工完成，人工成本比較高，提高了理財服務的門檻，因此一般是針對高凈值人群。而智能投顧則將強大的模型算法與人工智能技術有效結合，為銀行客戶實現精準畫像，并提供獨特的、專一的、個性化的資產管理服務。目前，國內很多銀行或金融機構都推出了自己的人工智能投顧產品，招商銀行于 2016年推出的摩羯智投就是其中之一。摩羯智投利用大數據算法對市場上的基金進行分類，并實時跟蹤市場變化情況，針對客戶的不同需求，向其推薦與與之相匹配的基金。智能投顧通過減少人工成本降低了理財服務的門檻，使得中產階級也能享受到專屬的理財投資服務，擴大了受眾群體。此外，智能投顧不受情緒化與個人偏好的影響，能夠為客戶提供更加全面、更加科學的投資組合建議。

2.3 智能投研

金融機構資管新規的出臺要求銀行理財產品凈值化轉型，因此銀行的投研能力越發成為影響投資者投資的關鍵因素，這也是未來銀行的核心競爭力之一。傳統的投研依賴于研究人員對數據的收集、處理和分析輸出，此過程存在著諸多缺陷：一是數據來源不全面，數據主要來源于搜索引擎、共享文庫、交易所等，搜索途徑不完善，數據獲取不完整；二是分析結果的主觀性強，傳統投研的分析依靠的主要是投研人員自身的知識豐富度和對某一問題的理解，沒有確切的評判標準，主觀性比較強；三是報告呈現時間長，投研人員需要查閱大量的文獻、書籍，關注實事、熱點新聞，完成報告所耗費的時間比較長。智能投研中，機器人可以輔助人工進行數據搜集與整理，完成繁瑣的基礎工作，不僅縮短了工作時間，還拓寬了數據的維度和廣度，豐富了研究內容。

2.4 智能風控

過去的風險管理模式主要以合規和滿足監管為導向，而智能風控則強調用金融科技降低風險管理成本、提升客戶體驗。智能風控的“智能”可以體現以下方面：一是智能獲取數據。智能風控是以大數據為基礎，獲取的數據不僅包括金融數據，還包含個人特征、消費傾向、社會行為等數據。二是智能建模。獲取數據后，計算機可以對內外部數據進行整合、預處理，再選擇合適的算法進行分析實施。三是智能畫像。通過對大數據的分析，深度刻畫用戶的基本信息、購買能力、消費偏好等，實現用戶畫像。

3 使用人工智能面臨的問題

3.1 “不確定性”的存在

由于人工智能技術現在還處于初步研究發展階段，技術并不成熟，因此在應用人工智能的過程中會存在著一系列的不確定性因素，這些“不確定性”的存在本身就代表了風險的存在，主要表現在以下方面：1）決策的不確定性，銀行和監管機構難以完全掌握人工智能進行交易與投資決策的流程，對于事件危機的出現可能無法解釋，并且不能提出合理的解決措施；2）風險預知的不確定性，若每個投資者在還未充分了解應用程序時就進行投資，很可能由于過度樂觀造成風險的低估，并抬高分攤損失的費用；3）第三方的經營的不確定性，若一家重要的人工智能供應商破產或遭受操作風險事件，則可能導致大量金融機構同時中斷運營。

3.2 大數據供應基礎不足

大數據是人工智能的基礎，也是銀行進行智能營銷、智能投顧、智能風險等的前提分析條件。銀行經營不僅要獲取客戶的基本身份信息，還要獲取消費偏好信息、社交信息、相關行為信息等。這些信息不僅包括銀行通過開卡、存貸款業務自身獲取的，還需要通過外界網絡平臺查詢或是購買。目前我國政府層面開放的數據有限，且部分企業出于對自身利益的考慮，不會分享自身的的數據。數據孤島現象的存在使得數據的數量、相關性和維度多方面無法滿足銀行經營的要求。并且由于網絡的虛擬性，用戶的部分信息如社交信息并不一定能夠反映用戶的真實情況，可能會造成人工智能對用戶畫像的偏差。

3.3 操作風險較大

自動化交易和清算系統的發展提高了銀行的效率，銀行對互聯網的依賴也越來越重。但是互聯網的風險也會加劇銀行系統面臨的風險。如網絡設備故障、網絡不穩定、病毒等等。銀行一旦出現網絡問題，將會直接影響客戶的資金賬戶安全。同時，人工智能的投顧服務是基于事先輸入人工智能程序的或從互聯網上通過學習技術得到的信息提供的，因此，如果程序員由于人為原因不小心輸入了錯誤的程序，或者人工智能自動學習了錯誤的投資理財知識，人工智能的決策機制將會受到影響，給用戶帶來巨大的財富損失。此外，用戶安全保護意識的缺乏和客戶終端的脆弱性有可能造成客戶資金的賬號和密碼遭到篡改和泄露的風險。

3.4 法律責任難以追究

隨著銀行進一步加深對人工智能的應用，傳統的銀行業務運轉模式發生了轉變，信息安全將銀行各業務之間緊密的聯系在了一起并使他們的關系變得更為復雜。多元化的關系使得法律監管和追責問題變得較為困難。當金融中介使用人工智能工具給客戶造成巨大損失，難以判決責任是屬于中介結構還是人工智能開發商，又或是讓交易者獨自承擔損失。此外，對于監管方來說，雖然對金融風險和規律比較熟悉，但是對人工智能的優勢、運行風險、與金融行業的結合度還處于初級了解的階段，這也是制約追究人工智能參與主體責任的一個重要因素。

4 應對的政策性建議

4.1 出臺相關監管措施

當前，雖然國家發布了《互聯網+人工智能三年行動實施方案》及《“十三五”國家科技創新規劃》，對人工智能的發展表達了政策上的支持，但是并未出臺與人工智能監管有關的法律文件，這不僅降低了人工智能服務的從業門檻，也加大了市場的金融風險。因此國家必須盡快健全人工智能法律法規，明確規定人工智能市場的準入、經營與推出流程，規范對人工智能的開發、采購以及服務等立法，為人工智能的應用營造良好的法律環境，同時也為商業銀行防范金融風險提供法律支持，為用戶參與人工智能服務提供法律援助。

4.2 實現數據開放化

數據的標準化是人工智能開展智能投顧、智能營銷的前提，能夠提高人工智能的實際應用價值。行業協會和政府機構應建立并落實數據采集規范，盡量增加公共數據的開放度，允許私營企業也能夠獲取需要的數據，同時鼓勵第三方企業在安全可控的范圍下進行數據共享，消除信息孤島現象，在整個市場上建立良好的數據基礎。另外，人工智能應用方在收集、使用相關數據的過程中也采取合理的管理措施和技術方法，防止未經授權的客戶數據出現檢索、泄露、損毀或者篡改問題，確保客戶信息安全。

4.3 提高數據管理能力

銀行在數據管理方面存在兩個問題：第一是銀行的數據極為龐大。銀行每天需要處理的數據量多達七萬，既包括銀行自身產生的客戶信息，還包括從金融服務平臺獲取的行業信息等；第二是數據中存在著非標準化數據，如客戶的身份證掃描信息。這類數據的即耗費空間，又難以轉化為標準化的數據，給銀行從業人員的數據分析帶來極大的難度。因此銀行必須做好大數據進行高效的管理工作。銀行業務人員可以采取兩種方法對數據進行管理：一是建立應用關系型和非關系型相結合的數據管理技術，滿足銀行實時有效管理數據的要求。二是自行研發或購買模型。

4.4 設置懲罰觸碰線

銀行相關主管機關應當根據人工智能在銀行的應用渠道，盡快明確各方的責任歸屬與免責空間，為人工智能在銀行體系的推廣掃除障礙，奠定基礎。正如前文所述，由于人工智能的程序是程序員事前輸入的，因此，程序員的過錯很容易導致人工智能的數據錄入與模型的建立出錯，從而為客戶提供錯誤的理財投資計劃，給客戶的資產帶來較大的損失。一方面，程序員主觀的惡意過錯較為少見，因此應該規定一定的免責空間。另一方面，過錯造成了既定的損失，因此也同樣應該設置懲罰觸碰線，當對客戶造成的損失達到懲罰線，就根據損失情況制定不同的懲罰標準。