商業銀行推進人工智能應用的建議

◎張德茂

人工智能指采用計算機對人的行為進行智能模擬的統稱，包含訓練計算機實現自主學習、判斷和決策等一系列與人的思維與行為相關的內容。現階段，人工智能技術包含了智能機器人、語音識別和自然語言處理、深度學習以及計算機視覺五大類。對商業銀行而言，人工智能不僅是一場技術革命，更是業務模式和經營理念的革新，能夠改善銀行業的管理效率與成本，提升整體管理水平，重建商業銀行核心競爭優勢。

人工智能對商業銀行的影響

1.支撐大數據、區塊鏈等新興技術應用，助力打造智能銀行

在智能銀行的構建過程中，人工智能支撐著大數據、區塊鏈等新興技術的落地應用。一是與大數據、云計算實現融合應用。云計算和大數據是促進人工智能迅猛發展的關鍵驅動力。而人工智能的迅猛發展也會使大數據越來越豐富，為云計算的發展帶來機會和挑戰。未來，云計算會變得越來越智能化，并進入一個嶄新的智能時代。二是與區塊鏈基于雙方各自優勢實現互補。人工智能包含數據、運算能力與算法三個核心要素。在“數據”方面，二者可以各自發揮作用，人工智能承擔業務自動處理與智能化決策任務，區塊鏈可以提供可靠的數據；在算法方面，二者可以彼此滲透。事實上，區塊鏈的智能合約就是一種算法的代碼，所以可以將人工智能植入區塊鏈中，使合約變得更為智能。三是支持5G業務創新。5G網絡需要智能化運營。目前，人工智能在通信網絡中的典型應用場景就是5G智能化的網絡切片[1]，采用人工智能技術，基于顧客的各種需求來選擇最恰當的切片部署一個模型；同時利用預測功能，根據業務需求實時調整資源。

2.變革商業銀行的業務模式和經營理念

一是提升業務辦理效率。如招商銀行“閃電貸”就是以銀行內部數據以及個人征信、POS流水記錄和稅務等第三方機構數據為基礎，充分運用大數據信用評分模型和人工智能決策系統，在革新客戶體驗的同時提升銀行貸款審批效率[2]。二是優化成本控制。從銀行角度來說，人工智能在規范化、遠程與高頻度金融業務中更加適用，在智能化的客服、投資咨詢、賬戶服務與量化交易等領域有著巨大的應用潛力。此外，機器人與智能客服等一些智能技術的運用將輔助或全面代替人工，降低人力成本；利用智能機器辦理業務，憑借自動化與電子化，無需要耗費紙質資源，能在很大程度上減少材料損耗、紙張和庫房等一些硬性成本支出，從而實現對運營成本的有效控制。

3.拓展商業銀行的應用場景

人工智能在商業銀行的應用主要體現在前、中、后臺，前臺主攻業務發展，中臺主攻風險控制，后臺主攻安全基礎建設。由此拓展了商業銀行的相關應用場景，即智能客服、機器人小I、智能投股、分析預測、風險控制與智能監控（見表）。在不同應用場景所需要的人工智能技術類型中，語音識別和自然語言處理主要運用于智能客服和智能投顧場景中，不僅能為客戶提供細粒度知識管理技術，還為銀行與海量用戶之間建立有效的溝通；機器人視覺被運用于智能監控和分析預測中，這是因為運用視覺技術能夠有效跟蹤和識別目標，對身份進行鑒別，能夠在銀行各種監控場景加以應用；而深度學習則被廣泛應用于智能銀行中的所有場景中。

表 人工智能在商業銀行的應用場景與相關技術

商業銀行應用人工智能的SWOT分析

1.優勢（strengths）

作為與信息技術融合最深的行業之一，商業銀行在推動人工智能應用落地方面也具有一定的優勢。

（1）長期以來，商業銀行十分重視科技投入，具有較好的技術基礎。近年來，國內商業銀行陸續通過戰略部署金融科技發展，全力推動銀行的數字化、智慧化轉型，完成了從被迫改革到主動擁抱金融科技發展的轉變。《中小銀行金融科技發展研究報告（2020）》顯示，2019年，國有大型銀行和股份制銀行金融科技/信息科技資金投入合計1008億元，占營收比重總體上超過了2%。其中，中國建設銀行、中國工商銀行、中國農業銀行和中國銀行4家大型銀行投入超過百億元，其中，中國建設銀行以176.33億元位居首位。

（2）商業銀行的資金相對充足，能夠承擔試錯成本。近年來國內商業銀行紛紛從技術層面發力，將人工智能作為轉型升級的核心戰略，加快智慧網點、智能風控、智能客服以及智能投顧等應用場景落地。如浦發銀行創新推出i-Counter智能柜臺，通過對人工智能、生物識別和語音識別等新技術的運用，促進了柜面業務遷移和人員釋放[3]；招商銀行在手機銀行5.0的版本上推出“摩羯智投”，融入招行十多年基金研究及財富管理實踐，運用機器學習算法構建以公募基金為基礎、全球資產配置的“智能基金組合配置服務”等。

2.劣勢（weaknesses）

現階段，商業銀行在開發及應用人工智能技術方面還存在著一些瓶頸：

（1）底層技術開發程度不夠。目前，互聯網公司采用技術疊加金融場景，尤其以底層技術的應用最為擅長。商業銀行主要是金融場景上疊加技術，更注重通過技術手段搭建平臺。相對于科技公司，商業銀行在底層技術研發能力方面仍處于劣勢。

（2）數據治理不到位。銀行業開展人工智能探索需要以大數據技術為基礎，引入新數據后往往會面臨非常多的特征維度，少則幾千，多則上萬，且非常稀疏、低飽和，遠超出傳統風控評分卡體系的建模能力。目前銀行已有的數據準確性較高，但是寬度和廣度不足，無法全面刻畫客戶360度視圖，較難結合應用場景做出綜合判斷，影響人工智能的應用效果。

（3）場景滲透度不深入。人工智能在商業銀行的應用必須要和特定的業務場景深度結合，否則技術只能停留在概念階段。商業銀行長期以來的經營模式為“以產品為中心”，而忽視了市場需求的快速變化。盡管目前商業銀行業在第三方支付、直銷銀行和消費金融方面開始發力，但場景深入度仍達不到百度、阿里、騰訊和京東等科技公司的水平，限制了線上客戶流量增長。

（4）相關復合型人才稀缺。《2018年中國金融科技調查報告》顯示，一半以上的傳統金融機構認為金融科技人才的流動性比常規部門員工的流動性更高，不少傳統金融機構表示會出現團隊流失的情況。此外，在高度不確定性的業務環境中，團隊協作、工作分配和機制磨合等也帶來了內部管理壓力，增大了員工的流失風險。

3.機遇（opportunities）

（1）我國互聯網用戶體量很大，沉淀的數據也頗具規模。中國互聯網信息中心（CNIC）第46次《中國互聯網絡發展狀況統計報告》顯示，截至2018年底，我國網民數量達到8.3億人，全年新增網民5663萬，互聯網普及率達59.6%，較2017年底提升3.8個百分點，超過全球平均水平（57%）2.6個百分點。龐大的用戶數量沉淀了大量的數據資源。

（2）政策促進人工智能在商業銀行的應用。2018年7月，國務院發布的《新一代人工智能發展規劃》中提出，鼓勵金融行業應用智能客服、監控等技術和裝備，建立金融風險智能預警與防控系統。2019年9月6日，中國人民銀行正式發布《金融科技（FinTech）發展規劃（2019-2021年）》，提出要充分考慮到新一代人工智能發展特征，穩步推進人工智能技術深入應用于金融行業，實現與金融業務的深入融合。銀行業應用人工智能、大數據的時代大幕正在開啟。

（3）大量科技公司的涌現為商業銀行應用人工智能提供有力的技術支撐。從全球看，我國的人工智能應用水平處于領先地位，這主要得益于大量科技公司涌現，對人工智能底層技術，如深度學習技術、神經網絡技術等進行了深入研發，能夠為商業銀行開展創新應用提供有益的價值輸入。近年來，商業銀行致力于打造合作、共建、共贏的“科技+金融”生態圈。

4.挑戰（threats）

（1）應用標準尚未統一。現階段我國對人工智能產品尚未建立統一標準，使得機器學習成本較高，導致人工智能技術和用戶界面各自為政，不利于后期落地應用。此外，我國信息披露也尚未制定統一的標準，難以保證信息的機密性和用戶的知情權。

（2）監管機制滯后。長久以來，我國金融監管基本依靠事后監管。在金融科技快速發展時代，人工智能技術正在重塑銀行前臺營銷、風險控制和后臺客服等重要環節，突發金融風險的波及程度將會超過傳統業務，可能導致金融市場混亂，造成投資者損失，目前缺乏現成的法規去厘清責任，處罰不當行為。

（3）存在技術安全風險。由于商業銀行應用人工智能技術尚處于探索期，存在算法缺陷、響應不及時以及人臉識別安全性弱等技術問題。通過機器深度學習得出的投資建議有可能與市場特征不匹配，造成投資者損失。

對策建議

1.完善應用規劃頂層設計

（1）提高對銀行業網絡化、智能化發展趨勢的認識。從戰略視角，加大對大數據、人工智能以及互聯網等新興技術在商業銀行的應用研究，構筑適應數字經濟的新金融體系[4]。從業務視角看，應結合金融科技戰略定位及技術應用需求，制定智慧網點、智能客服、智慧風控場景的應用規劃，為客戶提供智能化、泛在的金融服務。從管理視角看，應建立更加扁平化的管理架構，實現跨部門、跨條線的高效管理。

（2）制定明確的商業目標。目前尚未出現普適性的人工智能“終極算法”，因此，短期內商業銀行不應求全求大，需明確階段性目標-可采用的技術框架、效果評價體系等。開發人員和業務人員應加強溝通合作，明確待解決的問題、解決思路以及所需條件等情況。

（3）進一步增加科技創新投入。建議商業銀行加大對人工智能產品、技術改造的資源投入力度，大力支持移動金融、智慧網點和智能風控等重點項目。可從每年稅后利潤或營業收入中拿出固定比例投入到IT建設中，為系統優化、渠道轉型、生態圈構建和對外合作提供資金支持。

2.建立金融數據生態圈

海量數據是應用人工智能技術、加速創新和吸引技術人才的關鍵。為使內外部數據來源彼此融合，商業銀行應該搭建管理高效、數據規范、技術高超和統一化的大數據服務平臺。

（1）積極探索數據跨界融合和挖掘技術，持續推進語音識別、語義處理及機器學習技術在銀行客戶畫像、精準營銷和智能投顧等領域的應用，使金融產品和服務更具針對性和智能性，提升銀行創新與渠道開發能力。

（2）整合銀行內部存儲數據，規范管理和使用。相對于其它行業公司，銀行儲存數據在價值、交易密度與績效穩定性等方面更具優勢。商業銀行合理規劃、使用大數據，提供更多的信息渠道來支持人工智能的信息獲取，為深度學習筑下堅實的基礎。

（3）整合銀行內外部數據來源，支撐人工智能發展。全面整合各種渠道的有價值數據，通過與電商和社交平臺進行深入融合，全面采集、整理、分析和應用數據，運用大數據技術實現系統與精細化算法應用，建立高效精準的數據分析平臺。

3.拓展應用場景

（1）持續推進分布式架構轉型建設。按照統一規劃、分步實施、持續改進的原則，逐步完成手機銀行、公司與零售場景、支付、大數據等核心平臺的分布式改造，以及網銀等其他渠道體系、場景應用體系建設。通過積累線下網點、移動互聯網以及傳統信息的數據，拓寬重要數據信息渠道，打造標準化的信息數據平臺，實現銀行智能與數字化經營。

（2）建立敏捷型IT運營模式。在新興領域，針對客戶管理開發模塊及前端渠道組成獨立的開發團隊，通過IT團隊與傳統業務部門合作開展跨職能開發，完成以客戶需求為中心的敏捷作業；在傳統領域，如核心交易系統及后臺模塊，需通過模塊化和測試導向的開發提高效率，打造直通式處理模式，實現規模效應。

（3）充分發揮金融科技子公司研發能力。以商業銀行成立的金融科技子公司為依托，做好創新孵化工作，儲備科技創新能力，實現科技能力輸出，在服務好本行科技轉型的前提下，在研發過程中將系統逐步產品化，進行同業輸出，切入具體的資管、風險管理和客服等金融場景。

4.變革組織文化理念

（1）構建允許“試錯”的企業文化。作為一種持續改進的探索性技術，人工智能的應用開發受模型選取、數據規模以及部門協作、監管要求等多重影響，易出現模型構建時間過長、實際應用效果不顯著等問題，開發人員很難一次就成功，而是需要進行不停地測試和驗證。基于此，商業銀行需建立允許試錯的企業文化，采取差異化的業績考核機制，支持探索創新。

（2）建立開放、賦能的共享文化。面對新金融生態，商業銀行在加強內部自身技術研發的同時，也要通過與科技公司進一步開展深入全面戰略合作，加強人工智能在零售銀行、消費金融、企業信貸、校園生態、資產管理和個人聯名賬戶等領域的應用。同時，改變以往銀行“一廂情愿”單一輸出思維，主動和第三方合作者一起，利用自己的技術優勢和服務優勢賦能合作者，共同打造更為優質的服務，提高客戶的整體服務體驗。

（3）打造高效敏捷的團隊，加強部門間溝通協作。人工智能技術成功應用的關鍵是將模型和算法潛入到銀行業務中[5]，降低金融機構運營成本，這需要商業銀行樹立以客戶為中心的理念，打破過去傳統的條線管理限制，開展多部門之間的通力協作，構建企業家視角的人工智能系統，實現業務流程再造，從而提高業務辦理效率、提升客戶體驗和銀行綜合競爭力。

5.完善風險安全防范機制

（1）分階段發展相關技術。根據實際情況和人工智能技術的應用成熟度，本著謹慎原則，優先發展人工智能識別技術，逐步開展基于神經網絡技術和機器深度學習的場景應用。

（2）在系統設計方面，開展更多白盒與特殊值的黑盒測試，在上線之前必須做好應急預案工作。

（3）進一步完善風險管理體系。在新技術落地應用前，需仔細查驗深度學習框架和軟件可能存在的漏洞，并在試用中得到逐步完善。