从前台销售到中后台合规，金融业一直追求流程自动化。生成式人工智能（AI）的爆发式增长正为其孕育可能，也带来挑战。

“我们银行的科技范儿越来越重了，尤其在ChatGPT横空出世后，AI成了我们工作和茶余饭后必谈的话题。”

在一家海外美资大行工作的奥诺雷对《财经》说，“在银行，AI可以提取和分析相对标准化的信息。比如在信用风险管理中，可以针对上市公司发布的财报、重大事项披露来评估公司的信用状况。”

AI技术发展之快，让业内前所未见。一家外资银行技术人员对《财经》表示，目前很多同事都想要AI工具的使用手册，“实际上，上个月我就已经写好了这个手册。但仅过去几周，很多方法就过时了，我甚至都来不及更新”。

这是来自华尔街拥抱AI的缩影。

目前，外资银行正利用AI评估信贷业务，投资机构亦在尝试使用ChatGPT总结或生成报告，并部署聊天机器人来回答客户问题。

咨询公司Evident近期发布的排名显示，在海外银行中，摩根大通、加拿大皇家银行、花旗集团、瑞银集团及富国银行的人工智能成熟度（AI maturity）最高。该排名基于人才、创新、领导力和透明度的多维度比较。

随着海外顶尖银行大象起舞，市场研究机构Emergen Research预计，全球银行业AI相关的市场规模或在2027年升至1300亿美元。另据瑞银证券估计，最好情景下，到2025年，生成式AI技术或边际抬升券商、保险行业21%、18%的估值。

业内人士认为，在经历互联网、移动互联网两次浪潮之后，第三波大模型浪潮正席卷而来，这也影响着金融业的数字化转型。目前，海内外金融机构都站在了同一起跑线，中小机构亦将获得弯道超车机会。在这背后，人才和数据是竞争关键。不过，从当前技术来看，用AI替代人类决策和交易尚有距离。不仅如此，随着AI的应用不断延伸，金融数据隐私、网络安全亦将为行业发展带来些许挑战。

目前，国际金融业使用人工智能有两种路径：一是生成式人工智能，代表的是OpenAI发布的ChatGPT和谷歌推出类ChatGPT聊天机器人Bard；二是预测式人工智能，这是量化交易的重要工具，投资者借此筛选数据，提出交易策略。

生成式AI模仿人脑工作原理，根据简单的书面提示执行复杂的认知任务。这些系统接受了大量材料训练，学习如何生成新内容。为这些聊天机器人提供支持的是大型语言模型（LLM）。

在金融业，智能化占据主导地位的一个领域是贷款。AI可以检查文件，加快评估贷款人能否负担起信贷产品。

“我们平台上有15种AI模型，执行不同功能。不同模型会检查报表来自哪家银行，以核对其准确性。这些信息将被转化成可读数据，帮助决策。”抵押贷款公司MPowered Mortgages的首席执行官奇塔姆（Stuart Cheetham）说，“我们通过AI操作重复性工作，将每个贷款人的承保时间缩短了40分钟。”

荷兰安智银行（ING Group NV）亦为零售和中小企业客户开发了一款基于机器学习的信用分析模型，实现自动化贷款。同时，该银行的模型还可以帮助银行筛选潜在违约者。

在信贷业务从业者米歇尔看来，过去十年，是大数据及AI行业兴起的十年，这也加速了金融业的数字化进程。金融机构可以凭借技术更精准地刻画违约者。这背后的动因在于数据的普及和技术的迭代。

“十年前，数据还是较为稀缺的资源，当时甚至还要手抄数据。现在数据越来越多，消费者的很多行为都可以被数据刻画了。”他对《财经》说，“大型语言模型能力飞升的原因在于：其一，模型规模扩大，这依赖于巨量数据输入；其二，代码训练，这需要不断将代码作为语料输入模型训练；其三，针对人的反馈不断调整模型。”

数据集和处理能力是人工智能模型的两个基本要素。数据集是训练AI模型的基础。处理能力让模型可以识别这些数据集内部及不同数据间的关系，摄入更多数据或提升处理能力都能改进模型。

此外，AI亦在投顾领域取得突破。它可以将原始数据转化为帮助投资决策的可读数据，并通过聊天机器人等工具与投资者沟通。

德意志银行已运用AI技术对客户的投资组合进行持续分析和优化。举例而言，如果某只债券评级下调，或某个行业的权重过高，该算法可以帮助识别合适的投资选项。在符合监管规定前提下，该系统基于深度学习技术提供投资建议，并由投资顾问将这些建议转达给客户。

摩根士丹利财富管理业务也在尝试使用AI技术。该行新闻发言人对《财经》说，该行内部拥有数十万页的内容库，涵盖多年以来撰写的投资策略、市场研究和评论——如此大量的信息分布在许多内部网站上，往往需要投资顾问浏览大量信息，才能找到其所需的内容或解决方案，这显得相当繁琐。

去年开始，摩根士丹利和OpenAI展开合作，挖掘如何利用GPT的嵌入和检索功能最大化利用这些内部资料。目前，该公司采用的技术是GPT-4，为公司内部的聊天机器人提供支持，该机器人可以全面整合财富管理内容，为理财顾问高效地提供解决方案。

摩根大通也有类似计划。据彭博社报道，该公司于5月提交了一项类似ChatGPT服务的专利申请，帮助投资者选择特定股票。

不仅如此，摩根大通也已推出了预测美联储货币政策的AI模型。相关模型训练数据依据过往25年以来的美联储声明和央行官员们讲话，也是基于ChatGPT的语言模型。

据一位欧美银行业内人士透露，目前欧美银行利用AI，还是用自有数据训练出的各种模型组合。经过与GPT微调训练后，增强了通用交互能力。当然，AI也有可能“说瞎话”，即得出与已有事实不相符的结论。“某种程度上，回答的质量取决于提问的质量。如果提问者更熟悉美联储货币政策的制定过程，在提问中将一个大问题拆解成一个个小问题，得到答案的质量将更高。”他对《财经》说。

德意志银行私人银行部全球领先数据方案及数据科学卓越中心主管布雷姆克（Kirsten-Anne Bremke）对《财经》表示，AI的最佳应用是通过分析大量数据，提高金融机构与各利益相关方的互动质量或速度。“AI不仅能为客户顾问提供数据洞察从而支持其投资建议，还能提升金融机构服务流程的数字化程度。同时，基础设施可扩展性和算力的提升还可以增强AI的适用性。”她说。

金融机构使用AI的好处显而易见，其日常任务将被更高效完成，并节约人力成本。麦肯锡预计，AI每年将给全球经济带来4.4万亿美元的经济效益，相当于2022年全球经济产出的4.4%。

但是，高盛也预计，全球约有3亿个工作岗位被生成式AI取代，美国35%的商业和金融运营岗位将被波及。

不过，奥诺雷却没有过多担心被机器替代的问题。“在我们银行风控部门，目前还没有直接由AI进行决策的情况，它只能提供一些额外参考。”他说，“一方面，AI的结论输出很难回溯过程中的因果链，很多情况下推理过程是一个‘黑盒’，这增加了使用者的理解难度和决策风险。另一方面，这也涉及权责制度上的考量及监管合规上的约束。”

布雷姆克则称：“为了建立对AI分析结果的信任，我们要确保这些（决策）结果是合理的、一致的、可靠的。通常我们会将AI的结论与通识原理互相印证。”

市场研究机构Gartner研究总监闫斌对《财经》表示，诺贝尔经济学奖得主卡尼曼的畅销书《思考，快与慢》可以很形象地区分AI与人类思考的区别。“大模型的思考是快的，你向其输入材料，它就可以通过算法输出一段文字或者图片，并不需要太多时间。人类的思考是较慢的，因为人类思考过程是需要有因果链，需要归纳和演绎。但后者是一个非常严谨和可靠的推理过程。”他说。

在闫斌看来，将AI应用在智能投顾领域，也可能会形成“羊群效应”。反映在金融市场上，有可能出现“踩踏事件”。“目前大数据模型都是很相似的，模型抓取和分析的数据也大多相同。这意味着，AI对金融市场的决策也会比较相似。整个市场缺少多样性，进而酿成系统性风险。”他说。

在法国巴黎的全球宏观交易员袁玉玮也对《财经》表示：“AI目前应用主要在优化算法交易执行上。在策略优化上，我们在国外大型基金里，也没有见到真正优化业绩的。AI和普通量化一样，大部分是线性回归分析，不够客观。未来ChatGPT也许能辅助做一些分析工作，但也不可能具备人的思考能力。”

他解释称，总结市场固然重要，但市场交易的是预期，更准确说是交易预期差。预期差一般来源于黑天鹅等小概率事件。很多资产的波动是多因素驱动的，市场也会受到政策等因素影响。市场上的变量是无限的，博弈方是无限的，机器很难穷尽。一些量化模型未免将金融市场过于简化了，忽略了其复杂性。

从实际成绩来看，AI在金融市场胜率并不高。过去五年，AI模型的ETF——AI Powered Equity ETF落后于标准普尔500指数约50个百分点。截至目前，Eurekahedge AI对冲基金指数在2023年仅上涨了3.06%，标普500指数则上涨了16.7%。2022年，Eurekahedge AI对冲基金更是亏损了4.30%。

虽然AI技术尚待提高，欧美金融机构布局该领域的步伐并没有停歇。在人才和数据方面，甚至掀起了“军备竞赛”。

“在银行内推广AI应用的一个关键驱动力是拥有合适的人才。”布雷姆克说道。

Evident的数据显示，在美国的银行中，约40%的招聘涉及AI相关岗位。摩根大通是“急先锋”，2月到4月，该行在全球范围内招聘了3651名与AI相关岗位，是其竞争对手——花旗和德银的2倍。Eigen Technologies是一家为投行提供AI技术支持的公司。该公司称，2023年一季度，来自各大银行的咨询量是去年同期的5倍。

对数据的争夺亦在上演。目前，谷歌和Meta这两家科技巨头的最新AI模型可能已接受了超过1万亿字词的训练。

这背后是高质量数据的匮乏。研究机构EpochAI估计，对数据的需求增长迅猛，可用于机器学习的高质量文本可能会在2026年前耗尽。

此外，随着对数据需求增长，数据获取变得愈发困难，如今内容创作者纷纷要求就自己被投喂给AI模型的作品获得补偿。

在此背景下，专注于AI数据库的公司市值变得水涨船高。截至目前，AI数据库公司Weaviate市值已达2亿美元，其竞争对手Pinecone的估值达7.5亿美元。

监管机构已经注意，并越来越多地对在金融服务中使用AI表示担忧。

在美国，众议院金融服务委员会主席麦克亨利（Patrick McHenry）于2023年初介绍了《数据隐私法》，该法案将修订Gramm-Leach-Bliley法案，以“使金融数据隐私法现代化，并让用户更好地控制其个人信息的收集和使用方式”。

拟议的2023年《数据隐私法》的要点包括：金融机构不得故意使用非公开个人信息，并有义务在收集或共享数据时向个人披露；扩大了将信息纳入金融机构隐私政策披露要求；还扩大了金融机构的定义，将数据聚合器也包括在内。

拜登政府也于2022年底发布了一份名为“AI权利法案”的不具约束力的政策文件。虽然该法案不专门针对金融服务，却为所有行业制定政策提供了指导性意见。

在欧洲，意大利数据监管机构Garante宣布暂时禁止ChatGPT。欧洲议会则已通过欧盟《人工智能法案》。

其中，数据隐私和网络安全是监管要点。最新一例是，由于监管机构对如何保护用户数据表示担忧，谷歌将其AI聊天机器人Bard在欧盟的发布推迟到7月。

在闫斌看来，生成式AI在金融场景的应用依赖于数据和用户个人信息，只有输入信息，AI才能分析并更新模型。在这个意义上，ChatGPT等AI应用服务商扮演了数据控制者的角色。不仅如此，AI更是为金融服务提供商提供了指数级更大的收集和分析消费者数据的能力。相较而言，金融机构使用者未必能完全知晓在聊天中什么样的信息是可能被泄露的，或者什么样的信息是不安全的，这增加了其数据隐私及网络安全风险。

高伟绅律师事务所顾问律师余绚雯对《财经》表示，使用AI可能带来的问题包括隐私、歧视等问题。在没有有效监控的情况下使用AI，有可能增加网络安全、欺诈和恶意活动的风险，也会影响投资决策的可靠性，并导致潜在的责任问题。

不过，亦有业内人士认为，对新技术而言，如果监管的“紧箍咒”过严，也会阻碍技术革新，进而影响金融等多领域的数字化转型。

对此，欧洲议会议员图多拉赫（Dragos Tudorache）表示，监管针对的是风险而非技术，这是不阻碍创新的最佳方法。美国政府表示，正在制定一项行政命令，以促进AI技术“负责任的创新”。但目前还不清楚该命令将于何时签署，将包括哪些措施。

对于如何在发展和监管中取得平衡，美国律师事务所Loeb & Loeb LLP在报告中称，对于金融机构而言，最重要的还是要了解如何收集、使用和存储金融数据，并如何共享这些数据，这有助于快速响应监管要求。

德意志银行大中华区创新及金融科技产品主管祝一对《财经》表示，金融机构需进一步探索相关技术手段，持续保障客户的数据和隐私安全。在对客户信息、业务信息进行模型训练等环节，需妥善解决数据确权、数据使用成本等问题，并进行相关风险控制。

（应采访对象要求，奥诺雷、米歇尔为化名；作者为《财经》记者；本文刊于2023年9月18日出版的《财经》杂志。）