10月23日，金融監管總局副局長肖遠企在2025年外灘年會上表示：“到目前為止，我還沒有聽到金融機構單純因AI應用而出現員工安置壓力的案例。我們認為，員工是金融機構最有效的生產力，每一位員工都在創造價值。盡管AI發展迅猛，應用廣泛，但我們必須明確一點，目前AI在金融領域的應用仍處于早期階段，其作用仍是輔助性的，無法取代人的決策�！�
這一回應的背景是，AI幫助金融機構對內提升運營效率，對外更好提供服務和產品，隨之而來的問題是，金融機構員工數量龐大，隨著AI效率提升，是否會帶來內部員工安置的壓力？
肖遠企以柜員服務舉例稱，AI是輔助工具，無法替代柜員與客戶之間個性化的互動。在信貸、保險定價、定損、精算等關鍵領域，仍然離不開人的專業判斷。“在金融領域，人才始終是我們最寶貴、最有價值的資產。”
事實上，AI的應用還可以創造更多工作崗位。但AI的應用究竟是邊際性改變、增量性變革，還是根本性顛覆，肖遠企認為仍需繼續觀察。
同樣需要密切關注的還有AI應用帶來的風險。“與歷史上幾次重大科技革命在金融領域應用時產生的風險類似，目前或許難以定論，但從歷史視角看，過去幾輪科技革命在金融領域主要帶來的是增量風險和邊際風險——風險的成因、路徑和形態有所變化，但金融行業面臨的根本性風險，如信用風險、市場風險、流動性風險和操作風險，并未發生革命性改變�！�
具體到這一輪AI變革對金融領域帶來的風險，肖遠企認為可以從宏觀和微觀兩個層面觀察。
從微觀來說，對單家金融機構而言，主要有兩類新型或增量風險：一是模型穩定性風險。這一輪AI應用高度依賴模型支撐業務拓展，因此模型的穩定性和可靠性變得至關重要。二是數據治理風險。這涉及數據來源的選擇、數據質量的把控以及事后的評估與監測程序，也就是數據治理的程序。這兩類風險對單個機構非常關鍵。
對整個行業而言，則主要有兩類增量風險：一是集中度風險。金融行業在AI模型技術上可能會依賴少數技術開發能力強、穩定性高、資源投入大的服務提供商。同時，大型金融機構在資源投入上可能比小型機構更具優勢，可能導致市場集中度提高，這一點有待觀察。二是決策趨同風險。由于所使用的模型和數據相對標準化和集中，金融機構在決策依據上可能趨同，進而導致行業整體決策同質化。如果趨同性過高，可能引發“共振”效應，這是需要關注的。
“當然，一個良好、穩定、有效的金融結構需要多元化的參與者與市場平臺。因此，我們也必須關注AI對整個金融結構變化的潛在影響。”肖遠企表示。
從當前實際應用情況看，目前，AI在金融行業主要用于優化業務流程和對外服務。從金融監管總局掌握的情況來看，其應用主要集中在三個領域：首先是中后臺運營的智能化。這在銀行等金融機構內部已應用得比較廣泛，覆蓋了數據收集、加工、信息甄別與識別，以及客戶評估等多個環節。其次是在客戶交流方面。許多金融機構在客戶關系管理，包括營銷、維護和問題解答等方面，都普遍應用了AI技術。第三是在金融產品提供方面。AI的應用帶來了雙重效益：對內，它幫助金融機構降低成本、提高效率；對外，則使它們能夠為客戶和利益相關者提供更個性化、更精準的金融產品與服務，更有效地解答問題和滿足需求。
【免責聲明】本文僅代表作者本人觀點，與和訊網無關。和訊網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論