人工智能应用于银行业的问题研究

文/杨颖，上海大学经济学院

1 引言

人工智能是指利用自然语言处理、知识图谱构建和机器学习三大核心技术，研究、开发、模拟人的行为和意识的自动化设备的科学。对银行业而言，人工智能有着巨大商业应用前景。人工智能通过对银行产生的海量数据进行分析，进而发现数据的内在规律，最终为客户提供更加精准的服务，同时也可以减少银行的人工成本，提高风险管理能力。目前，国内外银行业都在加快使用人工智能的步伐：美国银行将智能应用于处理企业的应收账款；平安集团运用人像识别技术识别陌生人的可疑行为，大连银行与京东金融成立了人工智能实验室，交通银行推出了人工智能服务机器人“娇娇”。

学界关于人工智能在银行业的研究主要集中于智能机器人、智能投顾和风控三方面，且并没有一个清晰的应用场景分类，本文按照人工智能提供的服务将人工智能在商业银行的应用场景分为智能客服与营销、智能投顾、智能风控三类，并在查阅资料的基础上增加新的应用场景—智能投研。通过对上述四种场景分析，笔者发现由于人工智能技术的不成熟性以及相匹配监管措施的不完善性，此项技术在商业银行的应用依然存在着一些问题。基于对问题的理解，笔者对相关问题提出了一些政策性的建议，供商业银行以及监管部门参考。

2 人工智能在银行的应用场景

2.1 智能客服与营销

智能客服是指营业网点的机器人向客户提供咨询、问答等服务。相比于传统客服，机器人客服的特点可以概括如下：一是对客户进行智能识别。智能客服通过人脸识别或语音识别技术，能够有效的辨别出客户级别，如 VIP 客户和普通客户，并为客户提供相应的金融服务。此外，机器人通过采集客户的行为能够判断可疑人员，降低人为风险。二是智能解答客户疑问。机器人客服在与客户进行沟通的过程中，可以及时记录客户的疑点与关注点，并自行学习搜索疑点的答案和相关热点问题，给客户提供更加全面的解答。三是开展精准营销。机器人客服通过对客户前端数据的搜集，可以自动匹配适合客户的产品，实行精准化的营销，满足客户的需求。

2.2 智能投顾

传统的投资顾问需要根据客户的特定要求如资产偏好、可投资金额等，结合当下的市场环境为客户提供有针对性的投资服务。传统投顾需要特定的人工完成，人工成本比较高，提高了理财服务的门槛，因此一般是针对高净值人群。而智能投顾则将强大的模型算法与人工智能技术有效结合，为银行客户实现精准画像，并提供独特的、专一的、个性化的资产管理服务。目前，国内很多银行或金融机构都推出了自己的人工智能投顾产品，招商银行于 2016年推出的摩羯智投就是其中之一。摩羯智投利用大数据算法对市场上的基金进行分类，并实时跟踪市场变化情况，针对客户的不同需求，向其推荐与与之相匹配的基金。智能投顾通过减少人工成本降低了理财服务的门槛，使得中产阶级也能享受到专属的理财投资服务，扩大了受众群体。此外，智能投顾不受情绪化与个人偏好的影响，能够为客户提供更加全面、更加科学的投资组合建议。

2.3 智能投研

金融机构资管新规的出台要求银行理财产品净值化转型，因此银行的投研能力越发成为影响投资者投资的关键因素，这也是未来银行的核心竞争力之一。传统的投研依赖于研究人员对数据的收集、处理和分析输出，此过程存在着诸多缺陷：一是数据来源不全面，数据主要来源于搜索引擎、共享文库、交易所等，搜索途径不完善，数据获取不完整；二是分析结果的主观性强，传统投研的分析依靠的主要是投研人员自身的知识丰富度和对某一问题的理解，没有确切的评判标准，主观性比较强；三是报告呈现时间长，投研人员需要查阅大量的文献、书籍，关注实事、热点新闻，完成报告所耗费的时间比较长。智能投研中，机器人可以辅助人工进行数据搜集与整理，完成繁琐的基础工作，不仅缩短了工作时间，还拓宽了数据的维度和广度，丰富了研究内容。

2.4 智能风控

过去的风险管理模式主要以合规和满足监管为导向，而智能风控则强调用金融科技降低风险管理成本、提升客户体验。智能风控的“智能”可以体现以下方面：一是智能获取数据。智能风控是以大数据为基础，获取的数据不仅包括金融数据，还包含个人特征、消费倾向、社会行为等数据。二是智能建模。获取数据后，计算机可以对内外部数据进行整合、预处理，再选择合适的算法进行分析实施。三是智能画像。通过对大数据的分析，深度刻画用户的基本信息、购买能力、消费偏好等，实现用户画像。

3 使用人工智能面临的问题

3.1 “不确定性”的存在

由于人工智能技术现在还处于初步研究发展阶段，技术并不成熟，因此在应用人工智能的过程中会存在着一系列的不确定性因素，这些“不确定性”的存在本身就代表了风险的存在，主要表现在以下方面：1）决策的不确定性，银行和监管机构难以完全掌握人工智能进行交易与投资决策的流程，对于事件危机的出现可能无法解释，并且不能提出合理的解决措施；2）风险预知的不确定性，若每个投资者在还未充分了解应用程序时就进行投资，很可能由于过度乐观造成风险的低估，并抬高分摊损失的费用；3）第三方的经营的不确定性，若一家重要的人工智能供应商破产或遭受操作风险事件，则可能导致大量金融机构同时中断运营。

3.2 大数据供应基础不足

大数据是人工智能的基础，也是银行进行智能营销、智能投顾、智能风险等的前提分析条件。银行经营不仅要获取客户的基本身份信息，还要获取消费偏好信息、社交信息、相关行为信息等。这些信息不仅包括银行通过开卡、存贷款业务自身获取的，还需要通过外界网络平台查询或是购买。目前我国政府层面开放的数据有限，且部分企业出于对自身利益的考虑，不会分享自身的的数据。数据孤岛现象的存在使得数据的数量、相关性和维度多方面无法满足银行经营的要求。并且由于网络的虚拟性，用户的部分信息如社交信息并不一定能够反映用户的真实情况，可能会造成人工智能对用户画像的偏差。

3.3 操作风险较大

自动化交易和清算系统的发展提高了银行的效率，银行对互联网的依赖也越来越重。但是互联网的风险也会加剧银行系统面临的风险。如网络设备故障、网络不稳定、病毒等等。银行一旦出现网络问题，将会直接影响客户的资金账户安全。同时，人工智能的投顾服务是基于事先输入人工智能程序的或从互联网上通过学习技术得到的信息提供的，因此，如果程序员由于人为原因不小心输入了错误的程序，或者人工智能自动学习了错误的投资理财知识，人工智能的决策机制将会受到影响，给用户带来巨大的财富损失。此外，用户安全保护意识的缺乏和客户终端的脆弱性有可能造成客户资金的账号和密码遭到篡改和泄露的风险。

3.4 法律责任难以追究

随着银行进一步加深对人工智能的应用，传统的银行业务运转模式发生了转变，信息安全将银行各业务之间紧密的联系在了一起并使他们的关系变得更为复杂。多元化的关系使得法律监管和追责问题变得较为困难。当金融中介使用人工智能工具给客户造成巨大损失，难以判决责任是属于中介结构还是人工智能开发商，又或是让交易者独自承担损失。此外，对于监管方来说，虽然对金融风险和规律比较熟悉，但是对人工智能的优势、运行风险、与金融行业的结合度还处于初级了解的阶段，这也是制约追究人工智能参与主体责任的一个重要因素。

4 应对的政策性建议

4.1 出台相关监管措施

当前，虽然国家发布了《互联网+人工智能三年行动实施方案》及《“十三五”国家科技创新规划》，对人工智能的发展表达了政策上的支持，但是并未出台与人工智能监管有关的法律文件，这不仅降低了人工智能服务的从业门槛，也加大了市场的金融风险。因此国家必须尽快健全人工智能法律法规，明确规定人工智能市场的准入、经营与推出流程，规范对人工智能的开发、采购以及服务等立法，为人工智能的应用营造良好的法律环境，同时也为商业银行防范金融风险提供法律支持，为用户参与人工智能服务提供法律援助。

4.2 实现数据开放化

数据的标准化是人工智能开展智能投顾、智能营销的前提，能够提高人工智能的实际应用价值。行业协会和政府机构应建立并落实数据采集规范，尽量增加公共数据的开放度，允许私营企业也能够获取需要的数据，同时鼓励第三方企业在安全可控的范围下进行数据共享，消除信息孤岛现象，在整个市场上建立良好的数据基础。另外，人工智能应用方在收集、使用相关数据的过程中也采取合理的管理措施和技术方法，防止未经授权的客户数据出现检索、泄露、损毁或者篡改问题，确保客户信息安全。

4.3 提高数据管理能力

银行在数据管理方面存在两个问题：第一是银行的数据极为庞大。银行每天需要处理的数据量多达七万，既包括银行自身产生的客户信息，还包括从金融服务平台获取的行业信息等；第二是数据中存在着非标准化数据，如客户的身份证扫描信息。这类数据的即耗费空间，又难以转化为标准化的数据，给银行从业人员的数据分析带来极大的难度。因此银行必须做好大数据进行高效的管理工作。银行业务人员可以采取两种方法对数据进行管理：一是建立应用关系型和非关系型相结合的数据管理技术，满足银行实时有效管理数据的要求。二是自行研发或购买模型。

4.4 设置惩罚触碰线

银行相关主管机关应当根据人工智能在银行的应用渠道，尽快明确各方的责任归属与免责空间，为人工智能在银行体系的推广扫除障碍，奠定基础。正如前文所述，由于人工智能的程序是程序员事前输入的，因此，程序员的过错很容易导致人工智能的数据录入与模型的建立出错，从而为客户提供错误的理财投资计划，给客户的资产带来较大的损失。一方面，程序员主观的恶意过错较为少见，因此应该规定一定的免责空间。另一方面，过错造成了既定的损失，因此也同样应该设置惩罚触碰线，当对客户造成的损失达到惩罚线，就根据损失情况制定不同的惩罚标准。