美國人工智能研究實驗室 OpenAI 開發(fā)的對話機器人 ChatGPT引起了國內外各界的廣泛關注，并且掀起了一輪人工智能熱潮。與此同時，金融業(yè)的數(shù)字化轉型已成為各國的大勢所趨，在我國也是監(jiān)管部門推動的重要改革方向。因此，從 ChatGPT 入手深入分析人工智能在金融領域應用的狀況、機遇與挑戰(zhàn)，有助于更精準地實現(xiàn)科技助力金融高質量發(fā)展。

人工智能發(fā)展現(xiàn)狀及 ChatGPT 的地位

從宏觀層面看，無論是“十四五”規(guī)劃的頂層設計和數(shù)字經(jīng)濟發(fā)展規(guī)劃，還是金融領域新版的金融科技發(fā)展規(guī)劃和數(shù)字化轉型指導意見，人工智能都被視為數(shù)字經(jīng)濟的核心驅動力、重點產(chǎn)業(yè)和數(shù)字底座。數(shù)字經(jīng)濟的高速發(fā)展為人工智能創(chuàng)造了良好的經(jīng)濟和技術環(huán)境；同時， 人工智能作為關鍵的新型基礎設施，也為拉動我國數(shù)字經(jīng)濟發(fā)展提供了新動能。綜合看，開放共享的基礎設施、聚焦落地的工具流程、多元廣闊的應用場景，為人工智能蓬勃發(fā)展提供了良好的應用環(huán)境與市場空間。

從技術發(fā)展趨勢來看，超大規(guī)模預訓練模型無疑是當前人工智能技術發(fā)展的重點和熱點領域，近兩年迎來了大爆發(fā)和“軍備競賽”。總體來看，大模型表現(xiàn)出多模態(tài)、多技術、多能力和多應用的發(fā)展趨勢，在理想實驗室環(huán)境和垂直行業(yè)的真實環(huán)境中均展現(xiàn)了良好的應用效果，未來將形成大小模型與云邊協(xié)同發(fā)展的智能體系。

同時，人工智能也對現(xiàn)有的倫理準則、社會治理帶來了巨大的沖擊和挑戰(zhàn)。因此，如何實現(xiàn)人工智能的有效治理，成為近年來國內外各界的關注焦點?？梢钥吹?，國內外人工智能治理取得突破性進展，已從理念層面進入建章立制、落地實施階段，發(fā)展可信 AI成為核心內容。

應該說，當前人工智能已成為技術創(chuàng)新最重要的“催化劑”，而與 ChatGPT 相關的自然語言處理（NLP） 被認為是人工智能皇冠上的“明珠”。我們看到，人工智能的發(fā)展歷史，事實上是不斷提升模型維度的歷史，從人工專家寫規(guī)則，到機器寫少量規(guī)則，再到機器寫大量規(guī)則，最后到遷移學習大模型。在此過程中， ChatGPT 用文本學習方式來拓展領域，GPT-3 即擁有5000 億單詞、1750 億參數(shù)，最終在海量信息的支撐下， 獲得了功能的全面提升，但也存在內容可信、數(shù)據(jù)安全、落地成本高的挑戰(zhàn)。

從金融需求角度看人工智能應用機遇

隨著數(shù)字經(jīng)濟和數(shù)字社會建設深入推進，產(chǎn)生了大量的數(shù)據(jù)，為人工智能的建模、訓練和應用提供了廣闊的“土壤”。特別是在金融領域積累了大規(guī)模、高質量的數(shù)據(jù)，同時具有多維度、多元化的應用場景， 為人工智能應用蓬勃發(fā)展提供了良好的契機。通過人工智能和金融領域客戶服務、產(chǎn)品創(chuàng)新、運營管理、風險防控等業(yè)務場景深度融合，對金融服務全流程進行模式重塑和智能賦能，推動金融產(chǎn)品創(chuàng)新、流程再造、渠道融合和服務升級，拓展金融服務的廣度和深度， 成為金融數(shù)字化轉型的重要源泉和驅動力量。

歸根結底，人工智能的應用價值在于解決金融領域存在的問題，這就要從金融需求角度來進行剖析。具體而言，從金融業(yè)的中觀和微觀層面看，面臨的困境一是戰(zhàn)略性問題。面對日益復雜的經(jīng)濟金融形勢， 金融業(yè)機構的戰(zhàn)略制定變得尤為重要，這不僅僅是機構“一把手工程”，更需要視野、邏輯、經(jīng)驗的有效結合，也需要及時有效地進行動態(tài)優(yōu)化。人工智能在戰(zhàn)略制定中的應用思路，正是感知、推理、決策，天然地有可能與金融機構綜合或專項戰(zhàn)略制定相結合， 并且進行動態(tài)隨機優(yōu)化。

二是結構性問題。雖然我國金融業(yè)綜合實力不斷增強，但還有諸多發(fā)展不平衡、不充分的結構性矛盾， 這也為人工智能的“補短板”提出了要求。例如人工智能應用于財富管理領域，能否給家庭資產(chǎn)結構、金融資產(chǎn)布局失衡帶來改變，直接影響到金融助力共同富裕的重大目標。

三是生產(chǎn)要素問題。金融機構的可持續(xù)發(fā)展與數(shù)字化轉型，都需要考慮要素投入的經(jīng)濟性、規(guī)模性、效率性，其中最核心的就是數(shù)據(jù)和人。一方面，數(shù)據(jù)已成為重要的生產(chǎn)要素，是國家基礎性戰(zhàn)略資源。金融業(yè)如何改善數(shù)據(jù)“采、存、算、管、用”全生命周期活動，推動數(shù)據(jù)要素到數(shù)據(jù)資產(chǎn)的轉化，是當前面臨的迫切挑戰(zhàn)，而人工智能與大數(shù)據(jù)相結合則會激發(fā)更多活力。另一方面，金融科技人才也是稀缺資源，

人工智能可以成為提升員工能力的“智慧助手”，也可以通過構建“數(shù)字人”來彌補團隊能力。

四是組織運營問題。金融業(yè)數(shù)字化轉型離不開組織架構與運營能力的保障，在此過程中可以充分利用人工智能打造自動化、智能化的運營模式，不斷優(yōu)化運營流程，創(chuàng)新運營模式，提升運營服務質量，降低運營成本，從而支撐綜合化、智慧化的金融服務。

五是服務能力問題。金融機構的服務能力體現(xiàn)在多元化的產(chǎn)品、充足的市場分析能力、市場營銷與渠道能力、客戶維護與增值服務能力等。尤其是在定制化智能產(chǎn)品設計、客戶全息畫像服務精準營銷、線上線下體驗一致性等方面，已經(jīng)有了卓有成效的探索。

六是風險管理問題。當前金融業(yè)面臨的宏觀與微觀風險更加復雜，如能有效利用人工智能，可以在整合、分析大數(shù)據(jù)基礎上，建立智能風控模型，成為識別風險、監(jiān)測風險和控制風險的有效途徑。一方面構建客戶、業(yè)務和風險視圖，動態(tài)全面反映風險全貌； 另一方面，優(yōu)化智能信用風險評估，實現(xiàn)風控向數(shù)控、智控的轉變。

七是服務效果問題。人工智能在金融業(yè)應用是否高效，一是從金融機構自身看，二是從服務實體來看。一方面，近年來在金融業(yè)快速發(fā)展過程中，信息技術已經(jīng)對金融業(yè)全要素生產(chǎn)率的提升與轉變，產(chǎn)生了非常深刻的影響。人工智能的使用價值體現(xiàn)之一，就是能否進一步改善金融機構運行效率、優(yōu)化財務指標。另一方面，金融業(yè)在助力普惠、綠色、科技、共同富裕等方面還有諸多職責，人工智能應用對其功能完善的價值如何，也需要進行考量。

八是合作生態(tài)問題。從開放銀行到開放金融已經(jīng)成為全球創(chuàng)新的主流，金融機構更需要與商業(yè)生態(tài)系統(tǒng)共享數(shù)據(jù)、算法、交易、流程和其他業(yè)務功能，為生態(tài)系統(tǒng)的客戶、員工、第三方開發(fā)者、金融科技公司、供應商和其他合作伙伴提供服務，從而打造“智慧、開放、共享、敏捷、融合”為主要特征的數(shù)字金融生態(tài)。在人工智能和大數(shù)據(jù)的加持下，或許有助于進一步改善金融機構外部生態(tài)。

客觀看，人工智能在組織運營、服務能力、風險管理方面的應用度更高一些，受技術和制度因素影響， 在解決其他金融需求方面尚顯不足。

金融業(yè)應用人工智能存在的挑戰(zhàn)

ChatGPT 進一步凸顯了人工智能的應用能力，但對于金融業(yè)來說，仍然面臨諸多挑戰(zhàn)，使其較長時期內仍無法給金融業(yè)帶來重大變革。

一是數(shù)據(jù)治理。金融業(yè)數(shù)字化轉型的起點是做好數(shù)據(jù)治理，需要真正完善數(shù)據(jù)治理體系、增強數(shù)據(jù)管理能力、加強數(shù)據(jù)質量控制、提高數(shù)據(jù)應用能力。人工智能應用同樣離不開高質量的海量數(shù)據(jù)，但金融機構的數(shù)據(jù)治理普遍處于起步階段，數(shù)據(jù)低質量、數(shù)據(jù)孤島、數(shù)據(jù)散亂等普遍存在，難以為人工智能提供充足的數(shù)據(jù)要素支撐。

二是場景的標準化。雖然人工智能的金融應用體現(xiàn)個性化、“千人千面”等特點，但長遠來看在金融與技術的融合過程中，真正具有生命力的是標準化、通用型的金融科技創(chuàng)新場景，而非基于傳統(tǒng)外包模式的差別化合作，這也是現(xiàn)有人工智能金融應用的制約之一。

三是技術與方案的高成本門檻。人工智能在金融活動中的技術應用與解決方案設置，通常具有較高的部署成本，難以適應廣大中小金融機構的需要。據(jù)國盛證券的研究估算，GPT-3 訓練一次的成本約為 140 萬美元，對于一些更大的 LLM（大型語言模型），訓練成本介于 200 萬美元至 1200 萬美元之間。

四是透明度與不可解釋性。所謂可解釋性，就是在一項行動認識或決策過程中，需要從中獲取充足的、可理解的信息，從而幫助做決策。而在機器學習領域， 在輸入數(shù)據(jù)和輸出答案之間通常有被稱為“黑箱”的不可觀察空間。只有發(fā)展可解釋、可信任的人工智能金融應用，才能實現(xiàn)用戶信任、模型可審計性并降低風險。

五是組織內部協(xié)調。就金融機構應用人工智能等前沿技術來說，通常難以形成有效的“激勵相容”機制， 而促使內部利益主體達成共識，以最大效率地體現(xiàn)技術創(chuàng)新價值。對此，如何在技術方案自身優(yōu)化迭代的同時，努力通過規(guī)則設計來優(yōu)化組織協(xié)調模式，也是人工智能繞不開的挑戰(zhàn)。

六是責任分擔。金融機構的產(chǎn)品設計與業(yè)務運行具有一定特殊性，也存在各類復雜風險。因此，基于風險可控和金融消費者保護的邏輯，任何金融活動都需要有清晰的責任分擔機制。當引入人工智能之后， 原有的金融機構業(yè)務流程中的權責相稱，可能會出現(xiàn)一些新的模糊性，亟待從制度規(guī)則、業(yè)務實踐、技術與業(yè)務、模型與人的關系等方面進一步探索。

七是合規(guī)性與倫理性。伴隨著金融科技的快速發(fā)展，各國的監(jiān)管都在與時俱進，面對動態(tài)演變的監(jiān)管原則與模式，人工智能的金融應用存在更突出的合規(guī)壓力。同時，算法歧視、大數(shù)據(jù)殺熟、信息泄露等金融科技倫理挑戰(zhàn)，也給人工智能應用帶來“陰影”， 仍需深入探索如何用“負責任”的科技創(chuàng)新打造“有溫度”的金融服務。

總之，人工智能驅動金融業(yè)數(shù)字化變革的圖景已經(jīng)展開，但這并非一帆風順，仍面臨眾多重大挑戰(zhàn)， 亟待自我優(yōu)化與持續(xù)“闖關”。

（作者系中國社會科學院金融研究所研究員）