◎李勇军 郭梦雨

随着科技的发展，人工智能（AI）近年来被广泛应用于金融、医疗和教育等行业中，对社会经济发展产生了深刻的影响。银行业是人工智能应用发展最快的行业，这是因为银行业庞大的客户群与数据量，为AI的数据分析和建模提供了坚实可靠的基础。人工智能不仅为商业银行带来了技术，而且对传统银行业务模式和商业理念产生了巨大的影响。

影响

1.有效降低运营成本，提升服务效率

在互联网时代，手机银行等的出现降低了客户对工作人员的依赖，但这种单向交流方式使得银行在降低成本的同时失去了创造更多金融价值的机会，获客能力降低。随着人工智能技术的日趋成熟，智能化技术在商业银行得以广泛应用，如机器人客服以及核心区域的巡检机器人，可提供7×24小时不间断互动服务，这些技术可以优化银行的业务流程、提升服务效率并降低运行成本[1]。

2.提高风险防范能力，使风险评估更加科学

风险管理是金融的本质，金融业务的核心是风险控制。人工智能可以成为商业银行改善风险管理的工具，极大地提升风险评估准确率和灵敏度。一是助力便捷信贷和安全信贷。通过人工智能技术建立风控模型，不断更新企业与个人风控水平，有效提高金融防范能力。借助机器学习技术，银行可以实时、动态监控借款人的还贷能力，以减少因坏账造成的损失。二是减少服务缺失情况的出现。获取客户的数字化特征后，服务机器人可使用大数据进行甄别和风险测量，使缺乏信用记录的客户有获得服务的机会。尤其是对有融资需求的中小企业，可通过数据挖掘和分析技术获取企业实际业务状况、盈利水平和信用状况，为银行向客户贷款提供参考，深挖优质客户。

3.改变银行内部管理，促进其内部组织变革

人工智能大发展的背景下，对内部员工的管理将更加规范、科学。智能机器的存在将使得越来越多的操作性岗位人员被替代，人员将优化到银行发展的核心方向。这将改变商业银行人员结构，提高银行管理水平，将银行管理体系从垂直化逐步转变为扁平化，从而促使其内部结构发生变革。

4.改变银行竞争格局

现今，越来越多的商业银行将人工智能作为转型升级的战略核心，这是银行转型的必然方向，也是银行重塑核心竞争力的关键所在[2]。围绕核心竞争，银行将进一步提升行业的智能化水平，并对竞争模式进行深度变革，这必然会改变银行间的竞争格局。

应用场景

1.自然语言处理应用

自然语言处理是用计算机来处理、理解以及运用人类语言，包括两个方面：一是让机器人识别人类的语言、理解人类所要表达的意思。二是机器以人类能够理解的方式将信息生动地传达给人类，如智能客服应用场景。运用自然语言处理还可以将重点信息聚类，挖掘客户关注热点，为营销与服务提供决策支持。自然语言处理还应用于一些核心的金融业务场景，如信贷报告解析、竞价报告等。

2.计算机视觉与生物特征识别

人脸识别技术是一种生物识别技术，运用后可加强商业银行的安全防护能力。在商业银行网点，ATM摄像头、人脸识别不仅用来识别客户身份，还可以根据人物特征提前识别可疑人员及可疑行为动作；利用柜台内部摄像头，监控并判断员工行为是否合规。商业银行的安全管理尤其是对核心区域的安全监控非常重要，如机房、金库及保险柜等场所，是银行的命脉所在，可通过增加人像识别摄像头，实现智能识别，提高安全控制。

3.机器学习

在实践中，机器学习是一种随着数据样本而自动积累程序，然后根据程序自动获得精准预测的方法。目前机器学习在商业银行中的应用主要表现在：一是欺诈识别，通过机器学习的方法，识别数据形态，将信息整合到一起，然后从行为活动中分辨出欺诈行为，并提前做好防范。二是智能投顾，根据用户目标和风险承受能力对投资组合提出相关建议。智能投顾将运用多层神经网络，根据用户的风险偏好及投资目标在各类资产和金融工具中进行搜索匹配。系统会根据用户目标和市场的变化作出实时调整，一切以满足用户投资目标为核心。三是交易预测，系统通常每天会操作数千次或百万次交易，机器学习和深度学习在实时交易决策中正发挥愈加重要的作用。

4.服务机器人技术应用

很多商业银行在大堂设置智慧机器人，赋予其人类的形象、感情与动作，实现自动巡航功能，通过自然语言处理、语音识别及人像识别等技术，完成与客户的业务交流及办理；将24小时巡检机器人投放在机房等核心区域，进行实时监控[3]。

应用中存在的问题

1.智能化过程存在信息安全问题

一是智能化技术在商业银行的应用仍处于探索阶段，银行在智能化过程中难免会存在一些系统漏洞，再加上与金融相关的信息很容易受到黑客的攻击，而安全漏洞的补修速度要慢于非法使用信息的速度，从而埋下了安全隐患。二是数据在传送过程中可能存在缺失的风险[4]。

2.数据和算法尖端人才稀缺

人工智能的应用推动了银行从传统经营模式向智能化模式转变，这意味着企业对数据和分析型人才需求陡增。目前银行虽然也在培养吸收大量的数据分析及算法人员，但是他们的知识与技能偏向于数据管理层面，而智能化所需要的分析型人才分布于多个业务层面，显然这方面的人才供给小于需求，使得商业银行难以对各个领域的数据进行有效分析，限制了商业银行的智能化发展步伐。

3.数据资产经济价值和挖掘观念不足

当前，银行内部机构之间的数据信息沟通不畅，导致很多数据被闲置，数据资产还停留在为存储而存储的被动阶段，无法充分实现数据的经济价值。此外，一些银行工作人员对人工智能技术了解不深入，导致内部员工对其应用前景信心不足，影响员工对数据收集和整理的积极性，而充分的大数据资源是智能分析精准化的前提，因此，这是目前银行智能化发展面临困境的主要原因之一。

4.银行监管不到位

一是很多针对银行风险控制的法律法规并不能适应新的智能化运营模式，导致很多不当的智能化管理方式及操作游走在法律管控的边缘。二是由于监管具有滞后性，如果银行披露的数据存在数据造假、缺失的问题，有可能会误导大众。

5.智能化银行系统存在一些潜在的不稳定因素

一是人工智能模型通过各种方法分析非结构化数据，如果智能模型出错了或者程序出错了，那么将会对银行造成经济损失。二是互联网数据的开放性促进了银行间信息共享，这意味着银行数据库的来源更加多样化，相应地，也面临着更多的不确定性。

对策建议

人工智能在商业银行零售领域的应用可以提升数据的处理效率，节约人工成本和时间成本，但在提高银行效率的同时，也会给银行带来相当程度的风险。因此商业银行应遵循人工智能的运行规律，逐步改进智能化体系构建中的不足，加强信息安全管理，加快弥补人工智能技术应用在银行业的监管机制漏洞[5]。

1.完善应用顶层设计和规划，加快战略部署

人工智能在商业银行的推广与应用不仅需要零售网点的智能化应用，更需要管理层制定与之相适应的顶层设计和专项规划。与此同时，应根据智能技术在银行应用的发展周期制定相应的战略，突出数据的重要性，加强相关知识理论和核心技术研究，使之获得战略层面的重视。前期可先应用较为成熟的智能机器，如语音识别、生物识别等，后期可重点攻克智能机器人等，整个过程中基于深度学习的技术一直是发展的重点，要不断地优化与提升智能模型。

2.整合数据资产，完善数据生态系统

大量的非结构化数据是银行智能化、精准营销、防控风险及开发产品的重要基础。因此在智能化的趋势下，必须重视银行内部数据的积累与整合，制定科学合理的数据采集标准和格式标准以便于共享数据、防止数据泄露与失真，确保客户信息安全。银行内部之间的信息沟通不畅不利于数据的充分利用，这种情况下建构完善的数据生态圈尤为必要。在一个完善的数据生态圈下，商业银行可以通过应用深度学习技术，做到对数据的充分挖掘，为银行的决策提供数据与技术支持，节省决策时间。

3.加快金融监管，提升银行内部系统的稳定性

信息安全不仅关系到新技术的可持续发展，也关系到个人隐私。银行应借助人工智能技术监管多变的数据环境，建立风险防范机制，确保系统能够稳定运行。面对人工智能的迅速发展，金融监管机构应根据人工智能的特点制定法律法规，以引导商业银行合法进行数据的获取、交易及公开，确保银行的信息安全。利用人工智能技术进行金融监管，可以及时有效地发现并解决智能模型出现的偏差。

4.打造智能型人才队伍，提高人才质量

与传统的专业人才不同，智能化人才具有知识结构交叉及综合的特征，很难通过传统的技术培训获得[6]。因此商业银行在进一步深化与高校等科研机构合作的同时也应引进和培养智能化专家团队，积极储备新型人才。科技的不断发展促使知识结构的不断更新，作为新型人才需要不断地学习新技术才能不被淘汰，相应地银行也要改进并完善人才的培训体制，帮助员工提升自我，以培养一批梯队合理、综合性发展的智能型人才。