论文部分内容阅读
【摘 要】 随着科技发展，人工智能的应用日益广泛且呈加速态势，对经济社会生活产生了深远的影响。语音识别、生物识别等人工智能技术广泛应用到商业银行客户服务、营销获客等领域，极大地提升了客户体验以及提高了工作效率。人工智能技术的发展，使银行业面临新的契机和挑战。过去银行网点业务主要集中在柜台，因业务量大，柜员的主要精力局限于柜台业务，无法及时准确了解客户深层次需求，很难提供专业的理财咨询，服务质量不高。人工智能很好地推动银行网点由交易性场所逐渐向展示性、服务性、营销性场所转变。文章梳理了人工智能在我国银行业的应用现状及发展趋势，分析人工智能应用可能带来的影响，并在此基础上提出对策。
【关键词】 人工智能 银行转型 金融科技
1 人工智能的背景介绍
人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，是对人意识、思维的信息过程的模拟，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
1.1 人工智能的發展历程
第一个阶段（20世纪40年代中期到50年代中期），被称为信息处理时期。主要以控制论、信息论和系统论作为理论基础，主要应用于符号处理、信息搜索和相对简单的逻辑推理和证明，属于人工智能探索期。第二个阶段（20世纪50年代中期到80年代末期），被称为认知推理时期。人工智能与认知心理学、认知科学开始了紧密融合的发展历程。第三个阶段（20世纪80年代末期到现在），被称为神经网络时期，其特点是采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。
近年来，随着成本低廉的并行计算、大数据技术，多层神经网络模型及算法的突破和深入发展，人工神经网络研究与应用出现了欣欣向荣的景象，人工智能逐步深入到社会生活的各个领域。
1.2 人工智能的发展现状
2016年3月，谷歌旗下DeepMind公司的“AlphaGo”对战世界围棋冠军、职业九段选手李世石，并以4：1的总比分获胜。这一事件将人工智能的发展与应用推到了人们的视线焦点，也引发了社会各界对人工智能发展的憧憬。除此之外，IBM研制出世界首个人工相变神经元，德国开发了能感知疼痛的人工神经系统等等。2017年3月，人工智能首次写入《政府工作报告》，开启了我国人工智能的新时代。
目前，在人工智能的创新和应用方面，金融行业拔得头筹。银行业面对不断变化的经营环境、客户需求和技术条件正在积极打造以“客户为中心” 的智慧银行。由于商业银行的客户群庞大、储备的数据量大且较为准确有效，这就为数据分析和建模打下了坚实可靠的基础。通常银行资金实力雄厚，可对高科技进行大量投入，同时商业银行对风险管理的要求更为精准，因此人工智能在银行业有着天然的应用优势，例如通过大数据构建金融产品知识图谱，通过社交网络与核心数据的分析识别深度了解客户。国内大型银行已在客服营销、风险控制、信贷管理等多个领域逐步应用人工智能技术，尤其是在提升客户体验、网络内容管理和风险管理等领域进一步研究与应用相关人工智能技术。
2 人工智能在银行业的广泛应用
随着云计算以及数据处理技术的不断发展和深入，人工智能的发展得到了进一步地加速。伴随着人工智能技术进入一个新的领域，各类复杂的指令、任务都能被更加准确地完成。以往重复的、繁琐的任务交给机器人去完成，大大解放了劳动力，让员工能够从事更有价值的工作。当前，人工智能机器人已经出现在银行日常服务中，通过批量完成繁琐的工作，使银行的业务服务更加个性化。
2.1 银行业服务模式更加主动化
作为金融服务行业的银行，通过维护银行与客户之间的良好关系，充分发掘客户需求，落实自身发展定位，从而获得金融交易的价值。因此，银行业的人力资源管理至关重要，也正是因为这个原因，银行花费大量的精力到人力资源管理方面。到了互联网时代，互联网技术以及互联网金融平台的迅速发展，促使商业银行大力推进信息系统建设，网银、手机APP的出现降低了银行服务客户的成本。随着人工智能的迅猛发展，机器能在相当程度模拟人的功能，从而实现批量人性化以及个性化的金融服务，这将对服务行业价值链高端的银行业带来深远影响。人工智能技术在服务前端可以用于客户维护，在中台支持授信和各类金融交易并进行分析决策，在后台主要用于风险防范与监督，它将大幅改变银行业现有格局，使得银行服务更具个性化和智能化。
2.2 银行大数据处理能力大幅提升
银行业在金融业中居于至关重要的地位，各类金融交易、客户信息、市场分析、风险控制、投资顾问等海量信息交织于整个金融市场中，金融大数据的处理面临极大挑战。通过运用人工智能的深度学习系统，对大量数据进行研究，人工智能技术将不断获得超越人类知识的应变能力，进而在处理一系列复杂问题时，大大提高准确度及工作效率。
2.3 人工智能的应用实践
2.3.1 交通银行
2015 年以来，交通银行的智能机器人“交交”横空出世，受到了银行业的普遍关注。机器人“交交”配备了语音识别技术和人像识别技术，能够自动识别客户，客户也可以直接与机器人交流，在机器人的指引下，完成业务办理。机器人“交交”起到了大堂引导员的职责，能够缓解大堂经理的压力，也可节省客户办理业务的时间。
2.3.2 平安银行
平安银行充分使用具有人像识别技术的智能监控系统来对许多需要监控的区域进行整体监控，通过对陌生人、可疑人员等进行智能识别，大大提高了监控区域的安全性。在平安天下通APP上，可以通过脸部识别、语音识别、指纹识别进行相关解锁，既提高了便利性，又提高了安全性。除此之外，平安银行的智能客服可以满足大部分的咨询业务，并可通过各种模块实现有针对性的服务，满足客户多元化需求。 2.3.3、中信银行
从2017 年开始，中信银行在客户、产品、渠道等方面进行了人工智能相关技术的开发应用，2018年1 月，中信银行发布了最新开发的“信智投”智能投顾产品并投放市场。该产品采用人工智能+人脑的运营方式，借助大数据分析、量化金融模型以及专家智慧把握客户需求，利用新技术对客户需求进行更准确的预估。另外，中信银行在手机银行中采用了人脸识别技术，在风险防控方面利用声纹识别技术进行反欺诈的应用，并且通过人工智能的方式提高银行对客户的接触和触达能力，提升客户体验。
除此之外，浦发银行运用人工智能、量化交易等技术迭代，规划“浦发大脑”建设，在推出首款智能App的基础上，不断迭代突破。兴业银行把以“兴业大脑”为核心的人工智能平台建设作为引领与推动业务发展的重要抓手，积极探索数字化转型。2018年4月，建设银行推出的全国首家“无人银行”正式亮相上海，一度成为社会各界关注的焦点。
3 人工智能对银行业的积极影响
3.1 降低商业银行运营成本，提高工作效率
近年来，银行运营面临收入增速下降，刚性成本上升，竞争投入增加等挑战，人工智能的出现可有效降低银行网点运营成本。人工智能设备的应用，在替代人工的同时，节省大量人力成本支出。以银行自助发卡机为例，其为客户办理开户平均耗时3分钟，而普通柜员在柜台办理开户平均耗时9分钟，一台自助发卡机相当于替代3名普通柜员。而一台自助发卡机每年的运营成本约为4.5万元，一名普通柜员年平均人力成本支出约为10万元。另外，客户通过自助发卡机办理开卡，无需填写纸质单据，无需打印凭证，仅需保存客户电子照片、电子签名或指纹等电子信息，减少耗材支出成本，提高商业银行盈利能力。
3.2 突破区域限制，改变获客方式
传统银行网点的服务半径主要集中在网点周边2公里范围内，而人工智能技术的应用，使银行网点突破时空限制，在更广阔的范围内营销获客。例如招商银行“闪电贷”、工商银行“融e借”等，均属线上产品，并运用大数据、专家系统等技术对远程客户进行识别、分析与判断，为客户提供24小时的在线金融服务，打破物理网点服务区域及营业时间限制，拓宽银行营销及获客渠道，将银行原线下获客方式转变为线上获客。同时，人工智能技术的应用，有助于银行实现对客户的精准营销。以智能远程客服为例，其通过机器学习方式，采用语音和语义识别与处理技术，对电话银行海量通话及用户信息进行分析处理，挖掘出有价值的信息，并结合相关数据模型对客户进行细分，挖掘客户的个性化需求，进而围绕客户需求开展产品研发，实现精准营销。
3.3 建立数据模型，提升风险管控水平
传统银行对金融欺诈、电信诈骗等非法交易多依靠经验进行人工分析与判断，且往往无法进行事前预判。而依托人工智能及大数据技术的运用，可打破行业信息壁垒，实现多场景数据信息的自动关联与分析，包括客户身份证号、卡号、资金来源与使用渠道等多维度关联，并结合相关数据分析模型，主动识别洗钱、非法集资、电信诈骗等非法活动。提高银行对交易信息的审查与监管，在一定程度上识别和防范金融欺诈风险，提升银行风险管控水平。目前多家银行上线的反洗钱监测系统、资金来源异常监控系统等，在主动识别与防范相关金融风险方面成效显著。
4 人工智能在银行业的应用难点
人工智能技术在银行业的应用，对银行转型及业务发展起到了积极作用，但目前仍存在诸多因素制约其推广应用。
4.1 数据和算法模型高端人才比较短缺
人才对银行人工智能的发展应用尤为重要。高端研发人员能够推动人工智能相关技术的发展，并加快人工智能在现实场景中的应用。目前我国银行的相关人才储备绝大多数为软件开发人员，他们掌握的专业知识和技能侧重于数据管理。由于在数据综合分析以及算法模型方面缺少高端人才，使得银行难以对庞大的内部数据进行合理的特征化和有效的分析，限制了人工智能在我国银行业的发展和应用。此外，高校和研究机构也存在巨大的人才缺口，特别是基础算法领域的尖端人才极其匮乏。
4.2 人工智能的监管机制变革滞后
在金融创新与金融科技快速发展的时代，我国金融监管基本依靠事后监管，缺乏前瞻性的研究。金融管理部门虽然多次提及金融科技的监管思路，但是仍未出台针对人工智能在金融领域应用的系统性法律法规。人工智能的深入应用正在对银行的信贷、风险控制和资产定价、营销等重要环节产生重大影响。如果发生意外突发金融风险，波及范围和影响将会超过传统银行。在实践中，人工智能的应用涉及多项设备和技术，当出现故障并造成金融市场异常波动，进而对投资者造成损失，该如何处罚没有法规可循。
4.3 对信息安全以及从业人员形成挑战
近年来，针对金融信息方面的网络攻击明显增多。一方面，与人工智能有关的通信和金融基础设施容易受到攻击。例如，有某些恶意软件可植入手机客户端，在用户不知情的情况下，拦截发送到手机的信息，并转发给黑客，黑客可以绕过银行安全机制，登录用户网上银行账户转移资金。另一方面，人工智能需要对不同群体的大量客户行为数据进行采集和分析，这一过程可能侵犯到用户隐私，甚至造成公众数据信息的泄露。此外，随着人工智能在金融領域的广泛应用，投资顾问、信贷风险分析、临柜等岗位对人员的需求将大幅减少，可能导致金融行业出现减员潮。金融数据服务商创始人预计，到2026年将有33%～50%的金融业工作岗位将被人工智能所取代。
5 推动银行业发展人工智能的建议
5.1 人才引进与培养，加快人机协同发展
随着人工智能的发展应用，商业银行对人机协同的要求必然越来越高，需要更多既懂科技又懂业务的复合型人才，以及能读懂、挖掘及使用数据的专业人才。商业银行一方面应通过校园招聘及社会招聘吸纳科技人才，改变商业银行人才结构，增加科技人员的占比;另一方面，应加强员工的内部培训与轮岗，通过业务人员与科技人员的轮岗，从银行内部培养复合型人才，加强人才储备。着手建立金融科技人才相关的信息库储备体系，以适应银行业知识和科技技能联系紧密为特点、以提升金融科技人才专业素质和创新能力为目标，培养一支素质出众、门类齐全、梯队合理的金融科技人才队伍。 5.2 建立银行业应用人工智能的金融监管机制
监管是防控金融创新风险的重要保障。为了降低人工智能应用发展过程中的风险，首先制定针对银行业应用人工智能技术的系统性法律法规，制定规范统一的信息披露标准，保障好用户的隐私与信息安全;二是完善人工智能的检测技术和标准，建立银行业应用人工智能的责任划分、追究机制;三是适应人工智能时代对监管要求提升的新形势，积极探索通过科技监管的新思路，监管部门要强化人工智能等金融科技的学习，成立基于大数据分析应用的金融风险实时监控处置平台，逐步实现监管智能化。
5.3 强化网络安全管理，积极关注人工智能对就业的冲击
网络安全对于人工智能的推行至关重要。尽快制定出减少网络安全风险的标准，使用人工智能执行自动化清算的机构对网络安全性进行评估，执行网络安全政策和程序，降低被攻击事件的发生概率。与此同时，由于人工智能在金融领域的加快应用，不可避免地会冲击当前就业格局。为减少因技术性原因造成的摩擦性失业，应尽早准备，引导大量金融从业人员从单纯的人工操作，向依托人工智能提供更加高效、优质的金融服务方向转型。
6 结论
人工智能的快速发展，为商业银行提供了良好的发展机遇。在行业变革的关键时期，应积极拥抱人工智能，自主创新或跨界合作，打造出金融智能服务产品，为数字化转型提供有力的技术支持，开启智能金融、科技金融服务的新时代。商业银行应加快人才的培养与引进、加大数据整理、加强创新机制建设、深入开展跨界合作，加速推进人工智能在商业银行的应用，为新生代客群提供便捷、高效的综合服务，打造商业银行发展新引擎。
【参考文献】
[1] 中国人民银行武汉分行办公室课题组. 人工智能在金融领域的应用及应对[J]. 武汉金融， 2016（7）：46-47.
[2] 方梁， 刘点兵， 侯天枢. 人工智能在银行的应用与分析[J]. 信息安全研究， 2017（12）：71-74.
[3] 王茜， 程都. 人工智能如何影响银行业转型[J]. 银行家， 2017（10）：134-135.
[4] 杨文斌. 人工智能在金融领域中的应用分析[J]. 金融科技时代， 2017（12）：34-37.
[5] 郭非. 人工智能在商业银行中的应用[J]. 现代商贸工业， 2018（30）：110-111.
[6] 田野， 吴宝佳. 人工智能重构银行业务与服务[J]. 中国银行业， 2017（5）：83-84.
[7] 姜世戟. 人工智能应用在我国银行业的探索实践及发展策略[J]. 西南金融， 2018（2）：44-49.
[8] 劉元杰， 郭鑫源， 危仁义. 基于人工智能技术的商业银行模式变革分析[J]. 中国商论， 2019， 782（07）：40-41.
[9] 李晓梅. 金融科技对互联网金融发展的影响[J]. 经济师， 2019， 361（03）：136-138.
作者简介：吴月（1994-） 女，回族，河南商丘人，单位：云南民族大学经济学院，2018级研究生，国民经济学专业
【关键词】 人工智能 银行转型 金融科技
1 人工智能的背景介绍
人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，是对人意识、思维的信息过程的模拟，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
1.1 人工智能的發展历程
第一个阶段（20世纪40年代中期到50年代中期），被称为信息处理时期。主要以控制论、信息论和系统论作为理论基础，主要应用于符号处理、信息搜索和相对简单的逻辑推理和证明，属于人工智能探索期。第二个阶段（20世纪50年代中期到80年代末期），被称为认知推理时期。人工智能与认知心理学、认知科学开始了紧密融合的发展历程。第三个阶段（20世纪80年代末期到现在），被称为神经网络时期，其特点是采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。
近年来，随着成本低廉的并行计算、大数据技术，多层神经网络模型及算法的突破和深入发展，人工神经网络研究与应用出现了欣欣向荣的景象，人工智能逐步深入到社会生活的各个领域。
1.2 人工智能的发展现状
2016年3月，谷歌旗下DeepMind公司的“AlphaGo”对战世界围棋冠军、职业九段选手李世石，并以4：1的总比分获胜。这一事件将人工智能的发展与应用推到了人们的视线焦点，也引发了社会各界对人工智能发展的憧憬。除此之外，IBM研制出世界首个人工相变神经元，德国开发了能感知疼痛的人工神经系统等等。2017年3月，人工智能首次写入《政府工作报告》，开启了我国人工智能的新时代。
目前，在人工智能的创新和应用方面，金融行业拔得头筹。银行业面对不断变化的经营环境、客户需求和技术条件正在积极打造以“客户为中心” 的智慧银行。由于商业银行的客户群庞大、储备的数据量大且较为准确有效，这就为数据分析和建模打下了坚实可靠的基础。通常银行资金实力雄厚，可对高科技进行大量投入，同时商业银行对风险管理的要求更为精准，因此人工智能在银行业有着天然的应用优势，例如通过大数据构建金融产品知识图谱，通过社交网络与核心数据的分析识别深度了解客户。国内大型银行已在客服营销、风险控制、信贷管理等多个领域逐步应用人工智能技术，尤其是在提升客户体验、网络内容管理和风险管理等领域进一步研究与应用相关人工智能技术。
2 人工智能在银行业的广泛应用
随着云计算以及数据处理技术的不断发展和深入，人工智能的发展得到了进一步地加速。伴随着人工智能技术进入一个新的领域，各类复杂的指令、任务都能被更加准确地完成。以往重复的、繁琐的任务交给机器人去完成，大大解放了劳动力，让员工能够从事更有价值的工作。当前，人工智能机器人已经出现在银行日常服务中，通过批量完成繁琐的工作，使银行的业务服务更加个性化。
2.1 银行业服务模式更加主动化
作为金融服务行业的银行，通过维护银行与客户之间的良好关系，充分发掘客户需求，落实自身发展定位，从而获得金融交易的价值。因此，银行业的人力资源管理至关重要，也正是因为这个原因，银行花费大量的精力到人力资源管理方面。到了互联网时代，互联网技术以及互联网金融平台的迅速发展，促使商业银行大力推进信息系统建设，网银、手机APP的出现降低了银行服务客户的成本。随着人工智能的迅猛发展，机器能在相当程度模拟人的功能，从而实现批量人性化以及个性化的金融服务，这将对服务行业价值链高端的银行业带来深远影响。人工智能技术在服务前端可以用于客户维护，在中台支持授信和各类金融交易并进行分析决策，在后台主要用于风险防范与监督，它将大幅改变银行业现有格局，使得银行服务更具个性化和智能化。
2.2 银行大数据处理能力大幅提升
银行业在金融业中居于至关重要的地位，各类金融交易、客户信息、市场分析、风险控制、投资顾问等海量信息交织于整个金融市场中，金融大数据的处理面临极大挑战。通过运用人工智能的深度学习系统，对大量数据进行研究，人工智能技术将不断获得超越人类知识的应变能力，进而在处理一系列复杂问题时，大大提高准确度及工作效率。
2.3 人工智能的应用实践
2.3.1 交通银行
2015 年以来，交通银行的智能机器人“交交”横空出世，受到了银行业的普遍关注。机器人“交交”配备了语音识别技术和人像识别技术，能够自动识别客户，客户也可以直接与机器人交流，在机器人的指引下，完成业务办理。机器人“交交”起到了大堂引导员的职责，能够缓解大堂经理的压力，也可节省客户办理业务的时间。
2.3.2 平安银行
平安银行充分使用具有人像识别技术的智能监控系统来对许多需要监控的区域进行整体监控，通过对陌生人、可疑人员等进行智能识别，大大提高了监控区域的安全性。在平安天下通APP上，可以通过脸部识别、语音识别、指纹识别进行相关解锁，既提高了便利性，又提高了安全性。除此之外，平安银行的智能客服可以满足大部分的咨询业务，并可通过各种模块实现有针对性的服务，满足客户多元化需求。 2.3.3、中信银行
从2017 年开始，中信银行在客户、产品、渠道等方面进行了人工智能相关技术的开发应用，2018年1 月，中信银行发布了最新开发的“信智投”智能投顾产品并投放市场。该产品采用人工智能+人脑的运营方式，借助大数据分析、量化金融模型以及专家智慧把握客户需求，利用新技术对客户需求进行更准确的预估。另外，中信银行在手机银行中采用了人脸识别技术，在风险防控方面利用声纹识别技术进行反欺诈的应用，并且通过人工智能的方式提高银行对客户的接触和触达能力，提升客户体验。
除此之外，浦发银行运用人工智能、量化交易等技术迭代，规划“浦发大脑”建设，在推出首款智能App的基础上，不断迭代突破。兴业银行把以“兴业大脑”为核心的人工智能平台建设作为引领与推动业务发展的重要抓手，积极探索数字化转型。2018年4月，建设银行推出的全国首家“无人银行”正式亮相上海，一度成为社会各界关注的焦点。
3 人工智能对银行业的积极影响
3.1 降低商业银行运营成本，提高工作效率
近年来，银行运营面临收入增速下降，刚性成本上升，竞争投入增加等挑战，人工智能的出现可有效降低银行网点运营成本。人工智能设备的应用，在替代人工的同时，节省大量人力成本支出。以银行自助发卡机为例，其为客户办理开户平均耗时3分钟，而普通柜员在柜台办理开户平均耗时9分钟，一台自助发卡机相当于替代3名普通柜员。而一台自助发卡机每年的运营成本约为4.5万元，一名普通柜员年平均人力成本支出约为10万元。另外，客户通过自助发卡机办理开卡，无需填写纸质单据，无需打印凭证，仅需保存客户电子照片、电子签名或指纹等电子信息，减少耗材支出成本，提高商业银行盈利能力。
3.2 突破区域限制，改变获客方式
传统银行网点的服务半径主要集中在网点周边2公里范围内，而人工智能技术的应用，使银行网点突破时空限制，在更广阔的范围内营销获客。例如招商银行“闪电贷”、工商银行“融e借”等，均属线上产品，并运用大数据、专家系统等技术对远程客户进行识别、分析与判断，为客户提供24小时的在线金融服务，打破物理网点服务区域及营业时间限制，拓宽银行营销及获客渠道，将银行原线下获客方式转变为线上获客。同时，人工智能技术的应用，有助于银行实现对客户的精准营销。以智能远程客服为例，其通过机器学习方式，采用语音和语义识别与处理技术，对电话银行海量通话及用户信息进行分析处理，挖掘出有价值的信息，并结合相关数据模型对客户进行细分，挖掘客户的个性化需求，进而围绕客户需求开展产品研发，实现精准营销。
3.3 建立数据模型，提升风险管控水平
传统银行对金融欺诈、电信诈骗等非法交易多依靠经验进行人工分析与判断，且往往无法进行事前预判。而依托人工智能及大数据技术的运用，可打破行业信息壁垒，实现多场景数据信息的自动关联与分析，包括客户身份证号、卡号、资金来源与使用渠道等多维度关联，并结合相关数据分析模型，主动识别洗钱、非法集资、电信诈骗等非法活动。提高银行对交易信息的审查与监管，在一定程度上识别和防范金融欺诈风险，提升银行风险管控水平。目前多家银行上线的反洗钱监测系统、资金来源异常监控系统等，在主动识别与防范相关金融风险方面成效显著。
4 人工智能在银行业的应用难点
人工智能技术在银行业的应用，对银行转型及业务发展起到了积极作用，但目前仍存在诸多因素制约其推广应用。
4.1 数据和算法模型高端人才比较短缺
人才对银行人工智能的发展应用尤为重要。高端研发人员能够推动人工智能相关技术的发展，并加快人工智能在现实场景中的应用。目前我国银行的相关人才储备绝大多数为软件开发人员，他们掌握的专业知识和技能侧重于数据管理。由于在数据综合分析以及算法模型方面缺少高端人才，使得银行难以对庞大的内部数据进行合理的特征化和有效的分析，限制了人工智能在我国银行业的发展和应用。此外，高校和研究机构也存在巨大的人才缺口，特别是基础算法领域的尖端人才极其匮乏。
4.2 人工智能的监管机制变革滞后
在金融创新与金融科技快速发展的时代，我国金融监管基本依靠事后监管，缺乏前瞻性的研究。金融管理部门虽然多次提及金融科技的监管思路，但是仍未出台针对人工智能在金融领域应用的系统性法律法规。人工智能的深入应用正在对银行的信贷、风险控制和资产定价、营销等重要环节产生重大影响。如果发生意外突发金融风险，波及范围和影响将会超过传统银行。在实践中，人工智能的应用涉及多项设备和技术，当出现故障并造成金融市场异常波动，进而对投资者造成损失，该如何处罚没有法规可循。
4.3 对信息安全以及从业人员形成挑战
近年来，针对金融信息方面的网络攻击明显增多。一方面，与人工智能有关的通信和金融基础设施容易受到攻击。例如，有某些恶意软件可植入手机客户端，在用户不知情的情况下，拦截发送到手机的信息，并转发给黑客，黑客可以绕过银行安全机制，登录用户网上银行账户转移资金。另一方面，人工智能需要对不同群体的大量客户行为数据进行采集和分析，这一过程可能侵犯到用户隐私，甚至造成公众数据信息的泄露。此外，随着人工智能在金融領域的广泛应用，投资顾问、信贷风险分析、临柜等岗位对人员的需求将大幅减少，可能导致金融行业出现减员潮。金融数据服务商创始人预计，到2026年将有33%～50%的金融业工作岗位将被人工智能所取代。
5 推动银行业发展人工智能的建议
5.1 人才引进与培养，加快人机协同发展
随着人工智能的发展应用，商业银行对人机协同的要求必然越来越高，需要更多既懂科技又懂业务的复合型人才，以及能读懂、挖掘及使用数据的专业人才。商业银行一方面应通过校园招聘及社会招聘吸纳科技人才，改变商业银行人才结构，增加科技人员的占比;另一方面，应加强员工的内部培训与轮岗，通过业务人员与科技人员的轮岗，从银行内部培养复合型人才，加强人才储备。着手建立金融科技人才相关的信息库储备体系，以适应银行业知识和科技技能联系紧密为特点、以提升金融科技人才专业素质和创新能力为目标，培养一支素质出众、门类齐全、梯队合理的金融科技人才队伍。 5.2 建立银行业应用人工智能的金融监管机制
监管是防控金融创新风险的重要保障。为了降低人工智能应用发展过程中的风险，首先制定针对银行业应用人工智能技术的系统性法律法规，制定规范统一的信息披露标准，保障好用户的隐私与信息安全;二是完善人工智能的检测技术和标准，建立银行业应用人工智能的责任划分、追究机制;三是适应人工智能时代对监管要求提升的新形势，积极探索通过科技监管的新思路，监管部门要强化人工智能等金融科技的学习，成立基于大数据分析应用的金融风险实时监控处置平台，逐步实现监管智能化。
5.3 强化网络安全管理，积极关注人工智能对就业的冲击
网络安全对于人工智能的推行至关重要。尽快制定出减少网络安全风险的标准，使用人工智能执行自动化清算的机构对网络安全性进行评估，执行网络安全政策和程序，降低被攻击事件的发生概率。与此同时，由于人工智能在金融领域的加快应用，不可避免地会冲击当前就业格局。为减少因技术性原因造成的摩擦性失业，应尽早准备，引导大量金融从业人员从单纯的人工操作，向依托人工智能提供更加高效、优质的金融服务方向转型。
6 结论
人工智能的快速发展，为商业银行提供了良好的发展机遇。在行业变革的关键时期，应积极拥抱人工智能，自主创新或跨界合作，打造出金融智能服务产品，为数字化转型提供有力的技术支持，开启智能金融、科技金融服务的新时代。商业银行应加快人才的培养与引进、加大数据整理、加强创新机制建设、深入开展跨界合作，加速推进人工智能在商业银行的应用，为新生代客群提供便捷、高效的综合服务，打造商业银行发展新引擎。
【参考文献】
[1] 中国人民银行武汉分行办公室课题组. 人工智能在金融领域的应用及应对[J]. 武汉金融， 2016（7）：46-47.
[2] 方梁， 刘点兵， 侯天枢. 人工智能在银行的应用与分析[J]. 信息安全研究， 2017（12）：71-74.
[3] 王茜， 程都. 人工智能如何影响银行业转型[J]. 银行家， 2017（10）：134-135.
[4] 杨文斌. 人工智能在金融领域中的应用分析[J]. 金融科技时代， 2017（12）：34-37.
[5] 郭非. 人工智能在商业银行中的应用[J]. 现代商贸工业， 2018（30）：110-111.
[6] 田野， 吴宝佳. 人工智能重构银行业务与服务[J]. 中国银行业， 2017（5）：83-84.
[7] 姜世戟. 人工智能应用在我国银行业的探索实践及发展策略[J]. 西南金融， 2018（2）：44-49.
[8] 劉元杰， 郭鑫源， 危仁义. 基于人工智能技术的商业银行模式变革分析[J]. 中国商论， 2019， 782（07）：40-41.
[9] 李晓梅. 金融科技对互联网金融发展的影响[J]. 经济师， 2019， 361（03）：136-138.
作者简介：吴月（1994-） 女，回族，河南商丘人，单位：云南民族大学经济学院，2018级研究生，国民经济学专业