“你在遥远的外头，我在家乡里头。”你相信吗，这句改编自余光中的《乡愁》，成为招商银行家庭信用卡（附卡）的品牌推广文案，而这段文案，有来自ChatGPT的智慧支持。当前，金融机构内部市场竞争加剧，在数字化转型的关键时期，各机构都忙于打造数字时代下的核心竞争力，不断提升业务运营水平，生怕被时代抛弃。在此背景下，我国银行业为智能化转型不断增加技术资金投入，艾瑞咨询发布的《2022年中国AI＋金融行业发展研究报告》数据显示，2022年，我国银行业技术资金投入预计将超过3000亿元。

“AI+金融”是优化金融业务场景的应用技术工具，那么，现阶段“AI＋金融”产品在金融业务中的落地情况如何？其业务价值以及市场空间又有多大？在发展过程中还要面临哪些问题？

客服行业将率先被AI替代

AI在银行前中后台的应用场景分别有哪些？北京市社会科学院研究员王鹏向《商学院》记者表示，“在前台的应用有智能客服（智能坐席、智能外呼、智能催收）、智能营销（客户细分及群像描绘）和智能反诈；中台有智能投研（业务流程自动化，网点人流等智能决策）和智能风控（降低风险信息核查错漏率、深度学习远程信贷审查、建立风险识别与预测模型）；后台有智能办公、智能审计（综合机器学习、知识图谱等技术可实现审计证据自动化和持续采集，提高了内部审计履职能力）和智能开源（如Turing text-to-SQL，这是一种将自然语言查询转换为SQL代码的工具，使非技术用户能够使用关系数据库）。”他还表示，当前在客服场景的应用较为成熟，而涉及智能化的有关应用还未普及。

根据智联招聘发布的《2021人力资本管理趋势报告》显示，客服行业将会是数字经济时代率先被AI技术攻占的高地。

2017 年 7月，国务院发布了《新一代人工智能发展规划》，提出了通过 AI 加快推进金融智能化升级，通过大数据提升金融数据处理及理解能力，创新金融智能产品，创新金融智能服务，鼓励金融业使用智能客服等技术，建立金融风险防控系统。AI 技术将对我国金融业的转型升级产生深远影响。

AI较早地应用到了银行智能客服领域，随着大中小银行的进入，智能客服已经转为红海市场。为进一步提升客户服务水平，数字人已经成为“AI＋金融”的新热点。

2月23日，浦发银行总行信息科技部副总经理万化在助微计划之下的“银行科技沙龙”上表示，该行在AI的投入，主要是数字人。2019年，该行数字员工“小浦”正式“入职”，它既能当智能客服，也能做培训、大堂经理，还能做财富规划师和质检员等，大幅提升了银行的经营效率。

具备较强自然语言处理能力的ChatGPT打破了传统对话机器人要穷举用户对话意图的运营模式，从自然语言生成的角度，能够产生极其丰富的对话内容和应答范围，那么，它可以为银行业务带来哪些创新与价值？

2月18日，中国邮政集团有限公司发文称，邮储银行宣布将优先内测“文心一言”，在金融行业开展类ChatGPT技术应用试点，结合行业知识进行微调和交互式训练，在智能客服、数字员工、虚拟营业厅等场景进行应用，将进一步提高邮储银行在生成式人工智能、开放式对话、跨模态语义理解等领域的能力，不断提升智能化创新应用效率，进一步提升客户体验。

此外，还有百信银行、新网银行、兴业银行、招商银行等多家银行接入了ChatGPT技术。不过，AI的数据库是有时效性的。在3月2日，邮储银行微信公众号发布的文章中，邮储银行与ChatGPT的问答显示，ChatGPT没有实时获取最新活动信息的功能，也无法浏览互联网上的所有内容，它的数据库最晚到2021年。

复旦大学中国研究院特聘副研究员刘典告诉《商学院》记者，ChatGPT在银行业最大的应用场景是在客服的业务交互领域。当前银行争相创新推出数字人，但数字人与用户间的交互能力仍然较弱，更像是一个“语音菜单”。ChatGPT技术的进入，将会促进数字人交互能力得到显著提升，为客户带来更多有用且高效的信息与交流。

虽然技术进步促进人工智能在客服效率方面优势显著，但其天然的没有感情和温度，让人们难以产生信任。最重要的是，其存在的问题还包括诸如生成的内容是否专业，对银行理财、产品、风险的理解是否足够严谨，是否还会对客户产生误导等。

刘典认为，目前数字人在银行业存在的痛点不是技术上的，而是业务上没有大规模的需求。为解决这一痛点，需要让数字人像客户经理那样具备建立并维护客户关系的能力，否则数字人的应用场景会受到限制且只能停留在进阶版的智能客服阶段。

浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员盘和林向记者表示，数字人当前的工作能力还处于初始阶段，给出应答的精准度还不是很高，很多时候客户会觉得AI应答过于繁琐，也有客户认为AI应答冷冰冰，不过AI的确能够帮助客户解决一些实际问题，也能节约成本。而此次ChatGPT之所以能够引发关注，是因为初步得到了用户的认可，银行智能化的关键，还是要深入到生成式AI的算法、数据层面，用大模型和高质量数据来培养有用的AI工具。

此外，刘典还提到，AI技术也促进银行进行更多探索，除了To C端还可以激发起To B端的潜力，比如借助信息交互与数字化转型，未来银行内部管理效率也会得到极大提升。当前，银行业务涉及到大量的数据，内部信息的维护占用了大量的人力，AI在银行信息系统里扮演着越来越重要的角色。对于银行而言，To B端和企业内部信息管理方面的业务增长空间巨大。

智能投顾领域潜藏着巨大的市场价值

随着人工智能逐步具备分析等高级能力，银行业利用智能算法与大数据一同打造具备投资能力的AI系统，也就是智能投顾系统，尝试打造投资界的AlphaGo。一个理想中的完整投顾流程大致可以分为用户分析、资产配置、投资分析、策略生成、交易执行、分析反馈几个阶段。对应金融投资的不同业务阶段，所用到的智能系统的职责也大不相同。

2016年，国内创业公司、第三方理财平台、传统金融机构都开始推出智能投顾业务；同年，招行推出“摩羯智投”，成为银行业内首家入局者。摩羯智投以不同类型的基金和理财产品为标的，配置的投资标的主要为货币基金，固定收益类、股票型基金和债券，来满足用户的投资需求。2017年，工商银行上线了智能投顾品牌“AI投”，提供“一键投资”“一键调仓”等智能化投资服务，实现个性化的资产配置。同期，平安银行也开始提供智能投顾服务，根据客户的风险偏好制定个性化投资方案，实时监控并对资产配置进行动态调整，帮助客户提高投资收益。

然而，2022年7月起，银行业停止了智能投顾业务。这是因为银行系智能投顾持仓包括了银行理财子公司产品和各类基金产品，受到银保监会和证监会的双重监管，在监管环境不确定的情况下，银行选择暂停了相关业务。（注：2023年3月，根据国务院关于提请审议国务院机构改革方案的议案，在中国银行保险监督管理委员会基础上组建国家金融监督管理总局，不再保留中国银行保险监督管理委员会。）

王鹏认为，很多银行停止智能投顾业务，主要还是由于市场波动。过去很多智能投顾的模型算法针对性弱，智能性相对有限，当市场出现波动比较大的时期，智能投顾的盈利、营收可能不一定能够有很好的表现。

在刘典看来，单纯从技术角度而言，智能投顾业务可以实现，但是给予AI大量金融数据后，会面临一些信息风险，而且无法解决投资风险的责任主体问题，这就像自动驾驶汽车出现的事故，责任该划分给车主还是系统？同理，当智能投顾涉及到风险投资时，主体责任的划分是一个很复杂的业务问题和社会伦理问题。刘典认为，将大数据和算法运用到金融投资中，不一定是智能投顾这样的业务形态，但借助此类技术的运用使得资产配置和执行更加高效，是未来的大趋势。

王鹏表示，AI在智能风投场景有更大的业务价值和市场空间。过去多年，很多企业都开始了智能风投的应用和探索之路，由于数据缺乏、模型应用场景适应度不足、持续优化投入难度高等问题，智能风投的应用尚不成熟，但却侧面映射出了其在投资场景分析中的极大上升空间和潜在市场价值。

对于智能风投潜藏巨大价值的原因，王鹏认为：一是因为银行发展对核心业务风控的需求在竞争环境中只增不减，完整、高效的智能风控系统必不可少；二是因为银行使用智能风投，在突破传统业务模式的同时，对数据的深挖利用，将带来极大的利润；三是因为随着技术发展，智能风投的可操作性提升。比如，在风险信息监测自动化流程中应用OCR等人工智能技术，在手工录入场景逐步实现技术换人，可以降低银行的操作风险，提高工作效率。他还举例，加拿大皇家银行RBC使用人工智能，深度强化学习并计算适应不断变化的市场条件，实现了帮助减少滑点（预期和实际交易价格之间的差异）。

现阶段，各类“AI+金融”产品在金融业务中均得到落地应用，但产品应用广度与产品业务价值存在明显差异。《2022年中国AI＋金融行业发展研究报告》指出，机器学习类产品因与金融业务数据具备先天耦合性，可应用于银行大量的表单数据业务，抽取表单数据的标签并获取数据特征，有效拦截金融风险，避免欺诈与风险漏洞所带来的大额损失，同时提高营销精准度，为金融机构创收，具备较宽泛的产品应用广度与较高的产品应用价值。

从产品与应用场景适配情况看，“AI+金融”产品主要应用于信贷风控与合规控制、精准营销、客服与运营业务优化三类场景。由于具有较强的场景化、交互性等特点，智能语音与对话式AI产品通过替代或辅助人工的方式，广泛应用于金融机构客户服务、营销推广等场景，可精准有效地解决金融机构在客户服务、营销、培训等方面的人工成本不断增加、客户服务效率低下、获客成本高等问题，助力金融机构实现降本增效。

随着生活节奏的加快，人们对金融服务的要求越来越高，及时性和准确性成为衡量服务质量的重要标准之一，智能语音与对话式AI产品在即时反馈和标准化服务方面具有显著优势，在金融客服领域具有广阔的应用前景。

数据安全是金融业数字化转型的挑战

“AI＋金融”场景中蕴含着巨大的产业机会。艾瑞咨询数据显示，2022年，以银行、保险、证券为主的金融机构技术资金投入预计将超过4000亿元。巨额投入夯实金融机构的IT基础，做好AI金融应用的底层设施建设。此外，据不完全统计，2020年至2022年9月，“AI+金融”领域总计发生融资事件104起。

那么，“AI+金融”市场持续发展对银行业来说又有着怎样的机会？刘典表示，机会主要体现在三个层面：一是算法在金融场景中的大规模应用可能会带来投资效益的规模化增长；二是AI工具的运用可增强对C端客户的拓展和连接，加强客户黏性；三是对银行管理结构以及业务拓展带来的巨大改变。

然而，银行业汇聚了各行各业海量的信息资源。王鹏认为，银行数据信息中包含了大量客户数据、公司重要信息、知识财产甚至敏感或机密文件。由于人工智能对网络中的信息进行无差别的收集与获取，以上各种信息的安全难以得到保证。此外，算法的可信度会受到研究员对模型的理解、训练数据的影响。一旦训练数据中混入带有偏见的异常数据，这种偏见也就会伴随智能系统成为一个持续存在的问题。

“数据安全和隐私是银行业智能化的头等大事，要提高算法可信度，数据与技术应当‘双管齐下’。”王鹏表示，在技术层面，银行研发部门应加强技术创新，加大研发投入，同时积极运用技术手段解决人工智能的安全和隐私风险。比如可以通过研究和运用安全计算等新兴技术为人工智能算法提供有效的安全计算支持，同时在收集用户数据时，应注重数据模型的设计和使用，防止算法层面引发的数据安全与隐私风险。在制度规范层面，应建立起完善的人工复核及兜底机制。对于自动生成的人工智能模型，应在固定节点加入人工审批的流程。