央行研究员：人工智能在商业银行的应用研究

中国人民银行金融研究所互联网金融研究中心副秘书长、副研究员赵大伟，中国人民银行金融研究所业务助理周有容

商业银行掌握大量客户资金往来、账户管理信息，人工智能在商业银行的应用将有效改善商业银行零售服务水平，提升客户体验，缓解商业银行面临的金融脱媒、激烈市场竞争等困境，有望成为商业银行下一个利润增长点。“人工智能”（Artificial Intelligence，简称AI）一词诞生以来，其定义范围已从预设定逻辑规则的应用程序演变为模拟人类认知功能的技术。AI的目标是允许计算机模仿人类的智能、感知、思考和行动，以实现自动化并获得分析见解。人工智能优化了银行服务流程，在营销、信贷、客户服务、 财富管理等领域可以带来生态变化。

商业银行业务“痛点”分析

盈利模式受到挑战

商业银行传统盈利模式是依赖存贷利差实现的，随着利率市场化的推进，这一模式逐渐受到挑战。无论是美国、日本等发达国家，还是巴西、智利等发展中国家，银行业都在利率市场化过程中受到很大的冲击，中国商业银行也不例外。2013年以来，我国商业银行净利润增速逐年走低。2012年，银行净利润同比增长18.9%，到2020年同比下降1.8%。与此同时，不良贷款比例却不断攀升，从2012年的1%增长到2020年的1.92%。近几年，商业银行大力发展理财业务，导致表外融资过快发展，积聚了一定的风险。2018年，多部门联合出台资管新规，一定程度上规范了银行理财业务的发展。商业银行亟须寻求新的利润增长点。

传统业务面临冲击

过去我国金融体系市场化程度不高，企业融资需求主要通过商业银行体系，导致金融体系资源配置功能未完全发挥等问题。政府不断深化金融市场化改革，提出发展多层次资本市场，加速金融脱媒，银行信贷占社会融资总额的比重逐步趋于下降。在此基础上，金融科技的迅速发展，使更多非银金融机构、数字化企业开始从事金融服务，再一次引起金融脱媒的担忧。特别是大型科技公司以支付业务为突破口，建立一站式金融服务平台。2020年三季度，我国电子支付业务中，银行共处理649.77亿笔，非银行支付机构处理业务2345亿笔，非银行支付机构电子支付业务笔数是商业银行的3.6倍。大型互联网公司市场份额合计占中国移动支付市场的94%。信贷业务方面，大型互联网公司也在积极拓展。不难推测，商业银行将来会面临更多挑战，包括优质客户分流、贷款增长受限、负债稳定性下降，等等。

同质化经营格局难以持续

市场竞争不断加剧，银行、非银金融机构、从事金融业务的工商企业提供相似的金融服务，但银行受到的监管限制却高于其他类型企业，导致银行在竞争中处于相对劣势地位。此外，客户需求深刻变革，互联网技术的普及也改变了人们的思维模式。消费者普遍倾向于通过简单易懂的碎片化信息对金融产品获得基本了解，并通过互联网渠道选购金融产品和服务。商业银行需要加快产品渠道创新，着力提升服务能力和效率，以适应客户对银行服务需求从简单到复杂、从标准化到定制化的重要改变。

人工智能在商业银行的应用分析

随着政府强调简政放权，更加重视发挥市场在资源配置上的决定性作用，传统的金融监管部门在监管理念和监管政策出现了阶段性调整，以更加开放的姿态为新一代信息技术在商业银行的应用提供了容错、试错空间。人工智能在金融领域的应用已经渗透到多个主要业态，引起金融行业的广泛关注。银行业也加快向智能化转型，人工智能优化了银行服务流程，推动了传统服务创新，在为客户提供丰富的服务产品及良好体验的同时，也为商业银行的发展带来了新的变化。

人工智能在营销领域的应用

金融产品种类繁多，客户需求各异，商业银行可利用人工智能技术实现客户需求与金融产品的准确匹配，精准营销提升客户体验。传统上，客户找银行的模式已经不再适用。非银金融机构的兴起导致金融服务主体增多，在服务同质化较高的前提下，商业银行须在获客方面加大力度。金融科技的兴起又使科技公司进入金融行业从事借贷业务，进一步增加了银行加大营销投入、丰富营销手段的需求。但传统营销手段对营销人员依赖性较强，营销人员的整体数量、专业能力、个人精力都可能影响营销效果，且不易把控，无法与金融科技手段竞争。因此，银行可采用人工智能等金融科技手段，采用智能营销手段处理信息，降低信息损漏，充分利用原本不易收集的客户信息进行营销。同时，利用人工智能技术参与营销还能避免营销服务受到销售人员个人因素的影响，保证营销质量把控，甚至随时、随地、随需进行，充分挖掘需求。中国发展研究基金会与波士顿咨询公司（BCG）曾联合发布《取代还是解放：人工智能对金融业劳动力市场的影响》报告指出，如果人工智能投入应用，营销与销售环节将会缩减60%的工作时长。

人工智能在信贷领域的应用

信贷业务是商业银行的核心。人工智能技术能够大幅改善商业银行零售贷款业务模式，降低人工成本，有效控制风险，提升用户体验。例如，循环神经网络可用于文档关键信息识别，商业银行面对海量个人或小微企业客户信息，利用该技术能够准确识别关键信息，提高工作效率。自动编码器技术则可确保信贷安全性，缩短风险识别的时间，使银行服务更加便捷高效。深度强化学习技术则可用在信贷资源配置方面，摒弃人工判断受到某类信贷特征的干扰，提高资源配置有效性。

人工智能在客户服务领域的应用

开户是客户享受银行业务的第一步，开立银行账户的过程通常定义了客户与银行的未来关系。其过程看起来简单，但通常涉及大量纸张的手动过程，也须耗费大量时间。利用人工智能的远程客户注册使用机器学习进行欺诈检测，取代了传统的基于知识的身份验证（Knowledge Based Authentication，简称KBA）方法进行客户尽职调查（Customer Due Diligence，简称CDD），节省大量的处理时间和成本。开户过程中，客户身份核验是客户办理诸多银行业务的前置工作。传统的身份核验主要采用密码验证、人工验证相结合的方式，存在一些难以解决的痛点、难点。例如，账户密码与客户身份关联性较差，密码一旦泄露则可能被不法分子利用，而人工验证的效率、准确率又受到工作人员能力等因素影响。业务高峰期，工作人员压力较大，难免出现纰漏。而人脸识别、指纹识别、活体检测等基于人工智能的新型身份验证方式，可以丰富验证手段，提高账户冒用难度，提高验证效率和结果的准确性。商业银行可采用金融生物特征识别平台，解决身份核验难题。平台最上层是生物识别管理门户和人脸识别客户端。生物识别管理部门可用于查询影像库及相关资料、预警信息及进行相关的用户管理、权限管理等。金融业务中各种需要使用生物认证服务的柜面应用、自助机具应用、移动端应用、银行内网其他业务应用均通过人脸识别客户端后端的生物特征识别服务。管理门户和人脸识别客户端通过接口适配层使用数据模块、人脸静态模块、人脸动态模块。平台基础服务层主要是上述功能模块所需要依赖的中间服务或其他基础服务。在银行柜面业务办理中，平台可将现场采集到的人脸图片与身份证信息获取的人脸照片进行识别对比，并将对比分数及相应的阈值返回给柜面人员，柜面人员可基于此来判断人、证是否属于同一个人。采用改系统后，银行身份核验过程可在短短1秒内完成，日均可办理人脸识别业务5.8万笔，识别准确率可超过99.3%。智能语音机器人是人工智能在商业银行客户服务方面的重要应用。聊天机器人可用于在线虚拟对话，可根据客户需求自动做出响应，并在没有银行客服人员在岗的情况下模拟人机交互，实时解决客户疑问。理论上，聊天机器人能比人工客服更快响应客户需求，提供更加优质的服务。同时，聊天机器人可以处理许多重复性问题，可节约大量人力资源投入。智能语音机器人还可以同其他人工智能技术合作。例如，通过使用自然语言处理技术，聊天机器人可以理解不同语言或不同方言。通过观察客户的动作，机器人还可以积累、优化内部通用流程和系统知识，理解客户行动意图，以便提供更符合客户心意的服务。通过内部互联网技术（Internet Technology，简称IT）知识库中预设的机器学习和基于规则的判断逻辑，聊天机器人可以学习诊断问题，确定问题是否可以解决，如果不能解决，则将其传递给人工IT支持团队。

人工智能在财富管理领域的应用

智能投顾也称为机器人投顾（Robot-advisor），最早由美国于2012年提出，是一种通过互联网为投资者提供在线财富管理的服务，是大资管时代应用互联网技术提供的极具特色的投资管理模式。根据现代资产组合理论，根据个人投资者的特定风险偏好和投资目标，并通过后台算法结合人性化界面，提供给用户个性化的最优投资组合。近年来，我国居民投资需求增加，但传统投资顾问人数少，能力参差不齐甚至存在诈骗的可能。同时，商业银行方面也认为雇用专业投资顾问人工成本过高，通常只服务于高净值人群，无法充分满足市场需求。而智能投顾则可发挥人工智能的技术优势，收集消费者多方面信息，为普通消费者提供定制化的投资建议，降低投资顾问服务门槛，提升金融普惠性。银行智能投顾产品可综合利用聚类分析、投资组合模型、机器学习等方法，结合多年财富管理的实践经验积累与客户自身生活、资产信息，为客户提供智能资产组合配置服务，实现风险分散目的。在投资者设定好投资期限与可承受风险等级后，智能投顾可综合考虑客户的流动性安排与风险偏好，给出相关建议，并由客户自主决定是否照此计划配置资产。通常，智能投顾按照如下流程提供服务：确定目标风险、构建组合、一键购买、风险预警、提示调仓、一键优化组合（智能调仓）、出据客户服务报告。通过以上技术与流程，智能投顾能够帮助客户实现“低波动、稳增长”的投资组合以及水平。我国居民储蓄率较高，目前居民财富主要集中于房地产和银行存款，在住房不炒和银行利率市场化的背景下，智能投顾应用空间广阔。此外，智能投顾服务门槛相对较低，有效满足广大工薪阶级财富管理需求。

人工智能在商业银行运营领域的应用

商业银行可采用人工智能手段优化成本控制，提升业务效率。首先，采用客服机器人、自然语言处理等技术，在电话、网银、手机银行等多渠道参与相关服务，可有效减少商业银行销售、客服等基础岗位人员需求，逐步降低商业银行人力资源投入成本。据BCG咨询的报告显示，到2025年，银行业受人工智能技术应用的影响，岗位将削减23%。人工智能技术的应用使电子签名、电子凭证等嵌入商业银行业务处理流程，在保证安全性的基础上，降低了相关业务处理对纸质材料的依赖，有效控制银行运营成本。其次，人工智能技术对传统贷款审批业务流程的改造，不但提升了用户体验，而且优化了商业银行业务办理效率。浦发银行“网贷通”、招商银行“闪电贷”、民生银行“小微宝”产品，融合银行数据与个人征信、诉讼、税务等第三方机构数据，利用人工智能技术对海量数据进行学习，在短时间完成贷款审批程序并实现对客户的综合信用评价与差异化风险定价。

人工智能在风险控制领域的应用

互联网金融将比传统模式面临更多样、复杂的风险挑战，借助人工智能技术可以创新风险管理方法，用科技监管科技，以科技应对风险。一是传统金融风险。首先，人工智能采集多维度数据，严控信用风险。平台多方搜集客户社交信息、支付记录、兴趣爱好等数据，利用复杂网络模型、行为序列检测、违约概率评估等方式，综合评价用户信用。复杂网络模型认为潜在高风险客户与历史违约客户在某些数据维度上存在一定联系。利用人工智能技术学习历史违约客户的特征，与新客户对比，如出现曾使用同一终端、同一地址等足以证明新客户与违约客户存在紧密联系的特征，客户将被认定为高风险。行为序列检测认为某些行为模式与违约行为存在高度相关关系。例如，用户多次更换设备、改密码，用户使用身份证进行身份验证时间过长，用户下单前未充分浏览产品信息都意味着违约风险上升。商业银行通过人工智能技术严格限制评分较低客户的授信额度，对于评分低于门槛值的潜在用户，平台甚至不显示金融服务入口，从源头上严控信用风险。其次，人工智能利用大数据、机器学习技术管理流动性风险。大数据技术可构建资金流向监测系统，生成实时资金流向监测数据，针对单个账户生成资金流向监测统计，全面掌握资金动向。机器学习可构建符合机构业务实际的流动性风险网络模型，优化流动性风险度量指标体系；开展流动性压力测试，对市场可能发生的极端情况尽早预警，辅助金融机构做决策，增强金融机构流动性风险管理能力。二是技术风险。首先，人工智能技术可刻画用户“安全基线”，保障交易资金安全。应用程序通过识别客户常用的交易设备、交易地点、行为偏好等多维信息了解客户的交易习惯，刻画用户“安全基线”，一旦一笔新交易偏离“安全基线”，将增加额外验证环节。若新交易与历史交易信息出现严重冲突，系统将瞬时阻断交易发生。