金融业凭借数据密集、技术驱动的特性，一直是科技创新应用的先行者，处于全社会数字化转型的前沿。在近日由中国金融四十人论坛（CF40）与清华大学联合主办的2025外滩年会上，与会嘉宾普遍认为，从最早的信息化到数字化再到数智化，人工智能（AI）正在全面提升金融业的服务效能和水平，也给行业未来发展带来更大的想象空间。AI在金融领域的应用处于什么阶段，在金融机构展业过程中发挥怎样的作用，未来是否会有AI帮客户做决策……记者就这些问题进行了采访。

应用有基础

“金融与科技的互动历来是相辅相成、相互促进的。”国家金融监督管理总局副局长肖远企表示，过去，款项的支付需要依靠人背马驮的远程操作。1000多年前我国北宋时期发行了世界上最早使用的纸币“交子”，这也得益于当时印刷术和版画技术发明的支持；电气时代解决了汇款难题；互联网时代，则实现了金融业务的24小时运营。现在金融行业成为AI新科技的领先应用者，业内并不感到意外。

今年国务院发布《关于深入实施“人工智能+”行动的意见》，明确将加快实施重点行动，其中包括“人工智能+”产业发展，创新服务业发展新模式，在软件、信息、金融、商务、法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。

“AI应用于金融系统有良好基础。”中国人民银行原行长周小川表示，过去金融系统积累了海量数据，这些数据可用于机器学习、深度学习，使传统模型转向智能推理模型。通过机器学习或深度学习金融稳定数据、金融机构健康性的历史变化，推理预知金融不稳定风险的出现，是一个重要探索方向。

金融行业高度重视人工智能应用，目前也正在积极布局。交通银行副行长兼首席信息官钱斌介绍，按公开信息披露，2024年我国国有大型商业银行在科技资金上的投入合计超过1200亿元，科技人员超过10万人。以交通银行为例，自2021年起把人工智能作为交通银行数字化转型的新名片之后，该行每年科技资金投入始终保持在120亿元，占整个营收约5.4%，科技人员达到1万人，占交行总员工数10%以上，体现了对人工智能的重视。

肖远企表示，当前，以人工智能为代表的科技成果在金融领域已经开始广泛应用，可以预期，对金融的促进与影响可能是重大且根本性的。

边际有变化

那么对于金融体系而言，AI究竟是一种边际性的技术工具进步，还是更像蒸汽机、电力，是全方位重塑行业业态的根本性变革？对于这一问题，周小川认为，从金融的角度来看，AI是在历史上信息处理、IT和自动化基础上的又一次新的边际变化——但这个边际变化是一个很大的变化，涉及银行主要业务、客户行为与监管等诸多层面。

周小川表示，银行与其他行业有所不同，人工智能前几年兴起时，大家非常关注生成式模型，后来重视多模态处理；而银行相对简单，较少使用多模态或生成式技术，主要依赖大数据分析和推理模型，因此有其自身的特点。基于这一特点，银行未来结构会进一步向这个方向发展。

此外，客户行为也在发生深刻变化。过去客户与银行打交道时，许多人习惯与人沟通，不习惯与机器互动。但近10年的变化显示，越来越多客户习惯与机器打交道，不太愿意或认为没有必要人工介入，这个变化也非常深刻。因此，人工智能在银行业的支付、定价、风险管理和市场推广等方面发挥着重要作用，这是一个很大的边际变化。

可以看到，AI能够帮助金融机构对内提升运营效率，对外更好地提供服务和产品。但不少人也因此产生了担忧：金融机构员工数量庞大，随着AI效率提升，是否会带来内部员工安置的压力？对此，肖远企回应称，到目前为止，还没有听到金融机构单纯因AI应用而出现员工安置压力的案例。

“员工是金融机构最有效的生产力，每一位员工都在创造价值。尽管AI发展迅猛、应用广泛，但我们必须明确一点，目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。”肖远企表示，在信贷、保险定价、定损、精算等关键领域，仍然离不开人的专业判断；在金融领域，人才始终是我们最宝贵、最有价值的资产。

风险需警惕

“AI的应用究竟是边际性改变、增量性变革，还是根本性颠覆，这还需要继续观察，但至少在目前，AI应用所带来的风险，与历史上几次重大科技革命在金融领域应用时产生的风险类似，目前或许难以定论。”肖远企表示，从历史视角看，过去几轮科技革命在金融领域主要带来的是增量风险和边际风险——风险的成因、路径和形态有所变化，但金融行业面临的根本性风险，如信用风险、市场风险、流动性风险和操作风险，并未发生革命性改变。

具体到这一轮AI变革对金融领域带来的风险，肖远企认为可以从宏观和微观两个层面观察。

从微观层面来说，对单家金融机构而言，主要有两类新型或增量风险：一是模型稳定性风险。这一轮AI应用高度依赖模型支撑业务拓展，因此模型的稳定性和可靠性变得至关重要。二是数据治理风险。这涉及数据来源的选择、数据质量的把控以及事后的评估与监测程序，也就是数据治理的程序。这两类风险对单个机构非常关键。

对整个行业而言，则主要有两类增量风险：一是集中度风险。金融行业在AI模型技术上可能会依赖少数技术开发能力强、稳定性高、资源投入大的服务提供商。同时，大型金融机构在资源投入上可能比小型金融机构更具有优势，可能导致市场集中度提高，这一点有待观察。二是决策趋同风险。所使用的模型和数据相对标准化和集中使金融机构在决策依据上可能趋同，进而导致行业整体决策同质化。如果趋同性过高，可能引发“共振”效应，这是需要关注的。

周小川还提到，如果AI模型大量运用短期高频数据，学习结果可能是高频、短期、技术性的，可能与金融稳健和宏观调控所需要的长远稳定性要求不一致，这个问题需要认真对待和解决。

“归根结底，人永远要成为新技术的主人，人要成为人工智能的主导者，成为关键决策的决策者。我们既要用人工智能的精准判断和趋势判断，更要把人的温度、人文的考量进行有机结合。”钱斌表示，有的企业前几年受到疫情影响出现了财务危机，如果严格按照财务报表来看，它的现金流量、资产负债包括利润都出现了一些危机，达到了银行进行催收、断贷的标准。这时候如果严格按照人工智能规则，就必须断贷。“但市场更需要金融有温度，更需要金融负责任，那段时期我们采取理性的无还本续贷模式来更好地支持企业度过危机。所以从这个角度来说，金融在人工智能运用的关键决策点，仍必须由人把控。”钱斌说。

来源：经济日报