人工智能在商業銀行的應用研究

趙大偉 周有容

商業銀行掌握大量客戶資金往來、賬戶管理信息，人工智能在商業銀行的應用將有效改善商業銀行零售服務水平，提升客戶體驗，緩解商業銀行面臨的金融脫媒、激烈市場競爭等困境，有望成為商業銀行下一個利潤增長點。

“人工智能”（Artificial Intelligence，簡稱AI）一詞誕生以來，其定義范圍已從預設定邏輯規則的應用程序演變為模擬人類認知功能的技術。AI的目標是允許計算機模仿人類的智能、感知、思考和行動，以實現自動化并獲得分析見解。人工智能優化了銀行服務流程，在營銷、信貸、客戶服務、 財富管理等領域可以帶來生態變化。

商業銀行業務“痛點”分析

盈利模式受到挑戰

商業銀行傳統盈利模式是依賴存貸利差實現的，隨著利率市場化的推進，這一模式逐漸受到挑戰。無論是美國、日本等發達國家，還是巴西、智利等發展中國家，銀行業都在利率市場化過程中受到很大的沖擊，中國商業銀行也不例外。2013年以來，我國商業銀行凈利潤增速逐年走低。2012年，銀行凈利潤同比增長18.9%，到2020年同比下降1.8%。與此同時，不良貸款比例卻不斷攀升，從2012年的1%增長到2020年的1.92%。近幾年，商業銀行大力發展理財業務，導致表外融資過快發展，積聚了一定的風險。2018年，多部門聯合出臺資管新規，一定程度上規范了銀行理財業務的發展。商業銀行亟須尋求新的利潤增長點。

傳統業務面臨沖擊

過去我國金融體系市場化程度不高，企業融資需求主要通過商業銀行體系，導致金融體系資源配置功能未完全發揮等問題。政府不斷深化金融市場化改革，提出發展多層次資本市場，加速金融脫媒，銀行信貸占社會融資總額的比重逐步趨于下降。在此基礎上，金融科技的迅速發展，使更多非銀金融機構、數字化企業開始從事金融服務，再一次引起金融脫媒的擔憂。特別是大型科技公司以支付業務為突破口，建立一站式金融服務平臺。2020年三季度，我國電子支付業務中，銀行共處理649.77億筆，非銀行支付機構處理業務2345億筆，非銀行支付機構電子支付業務筆數是商業銀行的3.6倍。大型互聯網公司市場份額合計占中國移動支付市場的94%。信貸業務方面，大型互聯網公司也在積極拓展。不難推測，商業銀行將來會面臨更多挑戰，包括優質客戶分流、貸款增長受限、負債穩定性下降，等等。

同質化經營格局難以持續

市場競爭不斷加劇，銀行、非銀金融機構、從事金融業務的工商企業提供相似的金融服務，但銀行受到的監管限制卻高于其他類型企業，導致銀行在競爭中處于相對劣勢地位。此外，客戶需求深刻變革，互聯網技術的普及也改變了人們的思維模式。消費者普遍傾向于通過簡單易懂的碎片化信息對金融產品獲得基本了解，并通過互聯網渠道選購金融產品和服務。商業銀行需要加快產品渠道創新，著力提升服務能力和效率，以適應客戶對銀行服務需求從簡單到復雜、從標準化到定制化的重要改變。

人工智能在商業銀行的應用分析

隨著政府強調簡政放權，更加重視發揮市場在資源配置上的決定性作用，傳統的金融監管部門在監管理念和監管政策出現了階段性調整，以更加開放的姿態為新一代信息技術在商業銀行的應用提供了容錯、試錯空間。

人工智能在金融領域的應用已經滲透到多個主要業態，引起金融行業的廣泛關注。銀行業也加快向智能化轉型，人工智能優化了銀行服務流程，推動了傳統服務創新，在為客戶提供豐富的服務產品及良好體驗的同時，也為商業銀行的發展帶來了新的變化。

人工智能在營銷領域的應用

金融產品種類繁多，客戶需求各異，商業銀行可利用人工智能技術實現客戶需求與金融產品的準確匹配，精準營銷提升客戶體驗。傳統上，客戶找銀行的模式已經不再適用。非銀金融機構的興起導致金融服務主體增多，在服務同質化較高的前提下，商業銀行須在獲客方面加大力度。金融科技的興起又使科技公司進入金融行業從事借貸業務，進一步增加了銀行加大營銷投入、豐富營銷手段的需求。但傳統營銷手段對營銷人員依賴性較強，營銷人員的整體數量、專業能力、個人精力都可能影響營銷效果，且不易把控，無法與金融科技手段競爭。因此，銀行可采用人工智能等金融科技手段，采用智能營銷手段處理信息，降低信息損漏，充分利用原本不易收集的客戶信息進行營銷。同時，利用人工智能技術參與營銷還能避免營銷服務受到銷售人員個人因素的影響，保證營銷質量把控，甚至隨時、隨地、隨需進行，充分挖掘需求。中國發展研究基金會與波士頓咨詢公司（BCG）曾聯合發布《取代還是解放：人工智能對金融業勞動力市場的影響》報告指出，如果人工智能投入應用，營銷與銷售環節將會縮減60%的工作時長。

人工智能在信貸領域的應用

信貸業務是商業銀行的核心。人工智能技術能夠大幅改善商業銀行零售貸款業務模式，降低人工成本，有效控制風險，提升用戶體驗。例如，循環神經網絡可用于文檔關鍵信息識別，商業銀行面對海量個人或小微企業客戶信息，利用該技術能夠準確識別關鍵信息，提高工作效率。自動編碼器技術則可確保信貸安全性，縮短風險識別的時間，使銀行服務更加便捷高效。深度強化學習技術則可用在信貸資源配置方面，摒棄人工判斷受到某類信貸特征的干擾，提高資源配置有效性。

人工智能在客戶服務領域的應用

開戶是客戶享受銀行業務的第一步，開立銀行賬戶的過程通常定義了客戶與銀行的未來關系。其過程看起來簡單，但通常涉及大量紙張的手動過程，也須耗費大量時間。利用人工智能的遠程客戶注冊使用機器學習進行欺詐檢測，取代了傳統的基于知識的身份驗證（Knowledge Based Authentication，簡稱KBA）方法進行客戶盡職調查（Customer Due Diligence，簡稱CDD），節省大量的處理時間和成本。

開戶過程中，客戶身份核驗是客戶辦理諸多銀行業務的前置工作。傳統的身份核驗主要采用密碼驗證、人工驗證相結合的方式，存在一些難以解決的痛點、難點。例如，賬戶密碼與客戶身份關聯性較差，密碼一旦泄露則可能被不法分子利用，而人工驗證的效率、準確率又受到工作人員能力等因素影響。業務高峰期，工作人員壓力較大，難免出現紕漏。而人臉識別、指紋識別、活體檢測等基于人工智能的新型身份驗證方式，可以豐富驗證手段，提高賬戶冒用難度，提高驗證效率和結果的準確性。

商業銀行可采用金融生物特征識別平臺，解決身份核驗難題。平臺最上層是生物識別管理門戶和人臉識別客戶端。生物識別管理部門可用于查詢影像庫及相關資料、預警信息及進行相關的用戶管理、權限管理等。金融業務中各種需要使用生物認證服務的柜面應用、自助機具應用、移動端應用、銀行內網其他業務應用均通過人臉識別客戶端后端的生物特征識別服務。管理門戶和人臉識別客戶端通過接口適配層使用數據模塊、人臉靜態模塊、人臉動態模塊。平臺基礎服務層主要是上述功能模塊所需要依賴的中間服務或其他基礎服務。在銀行柜面業務辦理中，平臺可將現場采集到的人臉圖片與身份證信息獲取的人臉照片進行識別對比，并將對比分數及相應的閾值返回給柜面人員，柜面人員可基于此來判斷人、證是否屬于同一個人。采用改系統后，銀行身份核驗過程可在短短1秒內完成，日均可辦理人臉識別業務5.8萬筆，識別準確率可超過99.3%。

智能語音機器人是人工智能在商業銀行客戶服務方面的重要應用。聊天機器人可用于在線虛擬對話，可根據客戶需求自動做出響應，并在沒有銀行客服人員在崗的情況下模擬人機交互，實時解決客戶疑問。理論上，聊天機器人能比人工客服更快響應客戶需求，提供更加優質的服務。同時，聊天機器人可以處理許多重復性問題，可節約大量人力資源投入。智能語音機器人還可以同其他人工智能技術合作。例如，通過使用自然語言處理技術，聊天機器人可以理解不同語言或不同方言。通過觀察客戶的動作，機器人還可以積累、優化內部通用流程和系統知識，理解客戶行動意圖，以便提供更符合客戶心意的服務。通過內部互聯網技術（Internet Technology，簡稱IT）知識庫中預設的機器學習和基于規則的判斷邏輯，聊天機器人可以學習診斷問題，確定問題是否可以解決，如果不能解決，則將其傳遞給人工IT支持團隊。

人工智能在財富管理領域的應用

智能投顧也稱為機器人投顧（Robot-advisor），最早由美國于2012年提出，是一種通過互聯網為投資者提供在線財富管理的服務，是大資管時代應用互聯網技術提供的極具特色的投資管理模式。根據現代資產組合理論，根據個人投資者的特定風險偏好和投資目標，并通過后臺算法結合人性化界面，提供給用戶個性化的最優投資組合。近年來，我國居民投資需求增加，但傳統投資顧問人數少，能力參差不齊甚至存在詐騙的可能。同時，商業銀行方面也認為雇用專業投資顧問人工成本過高，通常只服務于高凈值人群，無法充分滿足市場需求。而智能投顧則可發揮人工智能的技術優勢，收集消費者多方面信息，為普通消費者提供定制化的投資建議，降低投資顧問服務門檻，提升金融普惠性。

銀行智能投顧產品可綜合利用聚類分析、投資組合模型、機器學習等方法，結合多年財富管理的實踐經驗積累與客戶自身生活、資產信息，為客戶提供智能資產組合配置服務，實現風險分散目的。在投資者設定好投資期限與可承受風險等級后，智能投顧可綜合考慮客戶的流動性安排與風險偏好，給出相關建議，并由客戶自主決定是否照此計劃配置資產。通常，智能投顧按照如下流程提供服務：確定目標風險、構建組合、一鍵購買、風險預警、提示調倉、一鍵優化組合（智能調倉）、出據客戶服務報告。通過以上技術與流程，智能投顧能夠幫助客戶實現“低波動、穩增長”的投資組合以及水平。我國居民儲蓄率較高，目前居民財富主要集中于房地產和銀行存款，在住房不炒和銀行利率市場化的背景下，智能投顧應用空間廣闊。此外，智能投顧服務門檻相對較低，有效滿足廣大工薪階級財富管理需求。

人工智能在商業銀行運營領域的應用

商業銀行可采用人工智能手段優化成本控制，提升業務效率。首先，采用客服機器人、自然語言處理等技術，在電話、網銀、手機銀行等多渠道參與相關服務，可有效減少商業銀行銷售、客服等基礎崗位人員需求，逐步降低商業銀行人力資源投入成本。據BCG咨詢的報告顯示，到2025年，銀行業受人工智能技術應用的影響，崗位將削減23%。人工智能技術的應用使電子簽名、電子憑證等嵌入商業銀行業務處理流程，在保證安全性的基礎上，降低了相關業務處理對紙質材料的依賴，有效控制銀行運營成本。其次，人工智能技術對傳統貸款審批業務流程的改造，不但提升了用戶體驗，而且優化了商業銀行業務辦理效率。浦發銀行“網貸通”、招商銀行“閃電貸”、民生銀行“小微寶”產品，融合銀行數據與個人征信、訴訟、稅務等第三方機構數據，利用人工智能技術對海量數據進行學習，在短時間完成貸款審批程序并實現對客戶的綜合信用評價與差異化風險定價。

人工智能在風險控制領域的應用

互聯網金融將比傳統模式面臨更多樣、復雜的風險挑戰，借助人工智能技術可以創新風險管理方法，用科技監管科技，以科技應對風險。

一是傳統金融風險。首先，人工智能采集多維度數據，嚴控信用風險。平臺多方搜集客戶社交信息、支付記錄、興趣愛好等數據，利用復雜網絡模型、行為序列檢測、違約概率評估等方式，綜合評價用戶信用。復雜網絡模型認為潛在高風險客戶與歷史違約客戶在某些數據維度上存在一定聯系。利用人工智能技術學習歷史違約客戶的特征，與新客戶對比，如出現曾使用同一終端、同一地址等足以證明新客戶與違約客戶存在緊密聯系的特征，客戶將被認定為高風險。行為序列檢測認為某些行為模式與違約行為存在高度相關關系。例如，用戶多次更換設備、改密碼，用戶使用身份證進行身份驗證時間過長，用戶下單前未充分瀏覽產品信息都意味著違約風險上升。商業銀行通過人工智能技術嚴格限制評分較低客戶的授信額度，對于評分低于門檻值的潛在用戶，平臺甚至不顯示金融服務入口，從源頭上嚴控信用風險。其次，人工智能利用大數據、機器學習技術管理流動性風險。大數據技術可構建資金流向監測系統，生成實時資金流向監測數據，針對單個賬戶生成資金流向監測統計，全面掌握資金動向。機器學習可構建符合機構業務實際的流動性風險網絡模型，優化流動性風險度量指標體系;開展流動性壓力測試，對市場可能發生的極端情況盡早預警，輔助金融機構做決策，增強金融機構流動性風險管理能力。

二是技術風險。首先，人工智能技術可刻畫用戶“安全基線”，保障交易資金安全。應用程序通過識別客戶常用的交易設備、交易地點、行為偏好等多維信息了解客戶的交易習慣，刻畫用戶“安全基線”，一旦一筆新交易偏離“安全基線”，將增加額外驗證環節。若新交易與歷史交易信息出現嚴重沖突，系統將瞬時阻斷交易發生。

（趙大偉為中國人民銀行金融研究所互聯網金融研究中心副秘書長、副研究員，周有容為中國人民銀行金融研究所業務助理。本文編輯/王曄君）