從前台銷售到中後台合規，金融業一直追求流程自動化。生成式人工智慧（AI）的爆發式增長正為其孕育可能，也帶來挑戰。
「我們銀行的科技范兒越來越重了，尤其在ChatGPT橫空出世後，AI成了我們工作和茶餘飯後必談的話題。」
在一家海外美資大行工作的奧諾雷對《財經》說，「在銀行，AI可以提取和分析相對標準化的信息。比如在信用風險管理中，可以針對上市公司發布的財報、重大事項披露來評估公司的信用狀況。」
AI技術發展之快，讓業內前所未見。一家外資銀行技術人員對《財經》表示，目前很多同事都想要AI工具的使用手冊，「實際上，上個月我就已經寫好了這個手冊。但僅過去幾周，很多方法就過時了，我甚至都來不及更新」。
這是來自華爾街擁抱AI的縮影。
目前，外資銀行正利用AI評估信貸業務，投資機構亦在嘗試使用ChatGPT總結或生成報告，並部署聊天機器人來回答客戶問題。
諮詢公司Evident近期發布的排名顯示，在海外銀行中，摩根大通、加拿大皇家銀行、花旗集團、瑞銀集團及富國銀行的人工智慧成熟度（AI maturity）最高。該排名基於人才、創新、領導力和透明度的多維度比較。
隨著海外頂尖銀行大象起舞，市場研究機構Emergen Research預計，全球銀行業AI相關的市場規模或在2027年升至1300億美元。另據瑞銀證券估計，最好情景下，到2025年，生成式AI技術或邊際抬升券商、保險行業21%、18%的估值。
業內人士認為，在經歷網際網路、移動網際網路兩次浪潮之後，第三波大模型浪潮正席捲而來，這也影響著金融業的數位化轉型。目前，海內外金融機構都站在了同一起跑線，中小機構亦將獲得彎道超車機會。在這背後，人才和數據是競爭關鍵。不過，從當前技術來看，用AI替代人類決策和交易尚有距離。不僅如此，隨著AI的應用不斷延伸，金融數據隱私、網絡安全亦將為行業發展帶來些許挑戰。
人工智慧賦能貸款
目前，國際金融業使用人工智慧有兩種路徑：一是生成式人工智慧，代表的是OpenAI發布的ChatGPT和谷歌推出類ChatGPT聊天機器人Bard；二是預測式人工智慧，這是量化交易的重要工具，投資者藉此篩選數據，提出交易策略。
生成式AI模仿人腦工作原理，根據簡單的書面提示執行複雜的認知任務。這些系統接受了大量材料訓練，學習如何生成新內容。為這些聊天機器人提供支持的是大型語言模型（LLM）。
在金融業，智能化占據主導地位的一個領域是貸款。AI可以檢查文件，加快評估貸款人能否負擔起信貸產品。
「我們平台上有15種AI模型，執行不同功能。不同模型會檢查報表來自哪家銀行，以核對其準確性。這些信息將被轉化成可讀數據，幫助決策。」抵押貸款公司MPowered Mortgages的執行長奇塔姆（Stuart Cheetham）說，「我們通過AI操作重複性工作，將每個貸款人的承保時間縮短了40分鐘。」
荷蘭安智銀行（ING Group NV）亦為零售和中小企業客戶開發了一款基於機器學習的信用分析模型，實現自動化貸款。同時，該銀行的模型還可以幫助銀行篩選潛在違約者。
在信貸業務從業者米歇爾看來，過去十年，是大數據及AI行業興起的十年，這也加速了金融業的數位化進程。金融機構可以憑藉技術更精準地刻畫違約者。這背後的動因在於數據的普及和技術的疊代。
「十年前，數據還是較為稀缺的資源，當時甚至還要手抄數據。現在數據越來越多，消費者的很多行為都可以被數據刻畫了。」他對《財經》說，「大型語言模型能力飛升的原因在於：其一，模型規模擴大，這依賴於巨量數據輸入；其二，代碼訓練，這需要不斷將代碼作為語料輸入模型訓練；其三，針對人的反饋不斷調整模型。」
數據集和處理能力是人工智慧模型的兩個基本要素。數據集是訓練AI模型的基礎。處理能力讓模型可以識別這些數據集內部及不同數據間的關係，攝入更多數據或提升處理能力都能改進模型。
此外，AI亦在投顧領域取得突破。它可以將原始數據轉化為幫助投資決策的可讀數據，並通過聊天機器人等工具與投資者溝通。
德意志銀行已運用AI技術對客戶的投資組合進行持續分析和優化。舉例而言，如果某隻債券評級下調，或某個行業的權重過高，該算法可以幫助識別合適的投資選項。在符合監管規定前提下，該系統基於深度學習技術提供投資建議，並由投資顧問將這些建議轉達給客戶。
摩根史坦利財富管理業務也在嘗試使用AI技術。該行新聞發言人對《財經》說，該行內部擁有數十萬頁的內容庫，涵蓋多年以來撰寫的投資策略、市場研究和評論——如此大量的信息分布在許多內部網站上，往往需要投資顧問瀏覽大量信息，才能找到其所需的內容或解決方案，這顯得相當繁瑣。
去年開始，摩根史坦利和OpenAI展開合作，挖掘如何利用GPT的嵌入和檢索功能最大化利用這些內部資料。目前，該公司採用的技術是GPT-4，為公司內部的聊天機器人提供支持，該機器人可以全面整合財富管理內容，為理財顧問高效地提供解決方案。
摩根大通也有類似計劃。據彭博社報導，該公司於5月提交了一項類似ChatGPT服務的專利申請，幫助投資者選擇特定股票。
不僅如此，摩根大通也已推出了預測美聯儲貨幣政策的AI模型。相關模型訓練數據依據過往25年以來的美聯儲聲明和央行官員們講話，也是基於ChatGPT的語言模型。
據一位歐美銀行業內人士透露，目前歐美銀行利用AI，還是用自有數據訓練出的各種模型組合。經過與GPT微調訓練後，增強了通用交互能力。當然，AI也有可能「說瞎話」，即得出與已有事實不相符的結論。「某種程度上，回答的質量取決於提問的質量。如果提問者更熟悉美聯儲貨幣政策的制定過程，在提問中將一個大問題拆解成一個個小問題，得到答案的質量將更高。」他對《財經》說。
德意志銀行私人銀行部全球領先數據方案及數據科學卓越中心主管布雷姆克（Kirsten-Anne Bremke）對《財經》表示，AI的最佳應用是通過分析大量數據，提高金融機構與各利益相關方的互動質量或速度。「AI不僅能為客戶顧問提供數據洞察從而支持其投資建議，還能提升金融機構服務流程的數位化程度。同時，基礎設施可擴展性和算力的提升還可以增強AI的適用性。」她說。
無法完全替代人
金融機構使用AI的好處顯而易見，其日常任務將被更高效完成，並節約人力成本。麥肯錫預計，AI每年將給全球經濟帶來4.4萬億美元的經濟效益，相當於2022年全球經濟產出的4.4%。
但是，高盛也預計，全球約有3億個工作崗位被生成式AI取代，美國35%的商業和金融營運崗位將被波及。
不過，奧諾雷卻沒有過多擔心被機器替代的問題。「在我們銀行風控部門，目前還沒有直接由AI進行決策的情況，它只能提供一些額外參考。」他說，「一方面，AI的結論輸出很難回溯過程中的因果鏈，很多情況下推理過程是一個『黑盒』，這增加了使用者的理解難度和決策風險。另一方面，這也涉及權責制度上的考量及監管合規上的約束。」
布雷姆克則稱：「為了建立對AI分析結果的信任，我們要確保這些（決策）結果是合理的、一致的、可靠的。通常我們會將AI的結論與通識原理互相印證。」
市場研究機構Gartner研究總監閆斌對《財經》表示，諾貝爾經濟學獎得主卡尼曼的暢銷書《思考，快與慢》可以很形象地區分AI與人類思考的區別。「大模型的思考是快的，你向其輸入材料，它就可以通過算法輸出一段文字或者圖片，並不需要太多時間。人類的思考是較慢的，因為人類思考過程是需要有因果鏈，需要歸納和演繹。但後者是一個非常嚴謹和可靠的推理過程。」他說。
在閆斌看來，將AI應用在智能投顧領域，也可能會形成「羊群效應」。反映在金融市場上，有可能出現「踩踏事件」。「目前大數據模型都是很相似的，模型抓取和分析的數據也大多相同。這意味著，AI對金融市場的決策也會比較相似。整個市場缺少多樣性，進而釀成系統性風險。」他說。
在法國巴黎的全球宏觀交易員袁玉瑋也對《財經》表示：「AI目前應用主要在優化算法交易執行上。在策略優化上，我們在國外大型基金里，也沒有見到真正優化業績的。AI和普通量化一樣，大部分是線性回歸分析，不夠客觀。未來ChatGPT也許能輔助做一些分析工作，但也不可能具備人的思考能力。」
他解釋稱，總結市場固然重要，但市場交易的是預期，更準確說是交易預期差。預期差一般來源於黑天鵝等小概率事件。很多資產的波動是多因素驅動的，市場也會受到政策等因素影響。市場上的變量是無限的，博弈方是無限的，機器很難窮盡。一些量化模型未免將金融市場過於簡化了，忽略了其複雜性。
從實際成績來看，AI在金融市場勝率並不高。過去五年，AI模型的ETF——AI Powered Equity ETF落後於標準普爾500指數約50個百分點。截至目前，Eurekahedge AI對沖基金指數在2023年僅上漲了3.06%，標普500指數則上漲了16.7%。2022年，Eurekahedge AI對沖基金更是虧損了4.30%。
雖然AI技術尚待提高，歐美金融機構布局該領域的步伐並沒有停歇。在人才和數據方面，甚至掀起了「軍備競賽」。
「在銀行內推廣AI應用的一個關鍵驅動力是擁有合適的人才。」布雷姆克說道。
Evident的數據顯示，在美國的銀行中，約40%的招聘涉及AI相關崗位。摩根大通是「急先鋒」，2月到4月，該行在全球範圍內招聘了3651名與AI相關崗位，是其競爭對手——花旗和德銀的2倍。Eigen Technologies是一家為投行提供AI技術支持的公司。該公司稱，2023年一季度，來自各大銀行的諮詢量是去年同期的5倍。
對數據的爭奪亦在上演。目前，谷歌和Meta這兩家科技巨頭的最新AI模型可能已接受了超過1萬億字詞的訓練。
這背後是高質量數據的匱乏。研究機構EpochAI估計，對數據的需求增長迅猛，可用於機器學習的高質量文本可能會在2026年前耗盡。
此外，隨著對數據需求增長，數據獲取變得愈發困難，如今內容創作者紛紛要求就自己被投餵給AI模型的作品獲得補償。
在此背景下，專注於AI資料庫的公司市值變得水漲船高。截至目前，AI資料庫公司Weaviate市值已達2億美元，其競爭對手Pinecone的估值達7.5億美元。
發展和監管需要平衡
監管機構已經注意，並越來越多地對在金融服務中使用AI表示擔憂。
在美國，眾議院金融服務委員會主席麥克亨利（Patrick McHenry）於2023年初介紹了《數據隱私法》，該法案將修訂Gramm-Leach-Bliley法案，以「使金融數據隱私法現代化，並讓用戶更好地控制其個人信息的收集和使用方式」。
擬議的2023年《數據隱私法》的要點包括：金融機構不得故意使用非公開個人信息，並有義務在收集或共享數據時向個人披露；擴大了將信息納入金融機構隱私政策披露要求；還擴大了金融機構的定義，將數據聚合器也包括在內。
拜登政府也於2022年底發布了一份名為「AI權利法案」的不具約束力的政策文件。雖然該法案不專門針對金融服務，卻為所有行業制定政策提供了指導性意見。
在歐洲，義大利數據監管機構Garante宣布暫時禁止ChatGPT。歐洲議會則已通過歐盟《人工智慧法案》。
其中，數據隱私和網絡安全是監管要點。最新一例是，由於監管機構對如何保護用戶數據表示擔憂，谷歌將其AI聊天機器人Bard在歐盟的發布推遲到7月。
在閆斌看來，生成式AI在金融場景的應用依賴於數據和用戶個人信息，只有輸入信息，AI才能分析並更新模型。在這個意義上，ChatGPT等AI應用服務商扮演了數據控制者的角色。不僅如此，AI更是為金融服務提供商提供了指數級更大的收集和分析消費者數據的能力。相較而言，金融機構使用者未必能完全知曉在聊天中什麼樣的信息是可能被泄露的，或者什麼樣的信息是不安全的，這增加了其數據隱私及網絡安全風險。
高偉紳律師事務所顧問律師余絢雯對《財經》表示，使用AI可能帶來的問題包括隱私、歧視等問題。在沒有有效監控的情況下使用AI，有可能增加網絡安全、欺詐和惡意活動的風險，也會影響投資決策的可靠性，並導致潛在的責任問題。
不過，亦有業內人士認為，對新技術而言，如果監管的「緊箍咒」過嚴，也會阻礙技術革新，進而影響金融等多領域的數位化轉型。
對此，歐洲議會議員圖多拉赫（Dragos Tudorache）表示，監管針對的是風險而非技術，這是不阻礙創新的最佳方法。美國政府表示，正在制定一項行政命令，以促進AI技術「負責任的創新」。但目前還不清楚該命令將於何時簽署，將包括哪些措施。
對於如何在發展和監管中取得平衡，美國律師事務所Loeb & Loeb LLP在報告中稱，對於金融機構而言，最重要的還是要了解如何收集、使用和存儲金融數據，並如何共享這些數據，這有助於快速響應監管要求。
德意志銀行大中華區創新及金融科技產品主管祝一對《財經》表示，金融機構需進一步探索相關技術手段，持續保障客戶的數據和隱私安全。在對客戶信息、業務信息進行模型訓練等環節，需妥善解決數據確權、數據使用成本等問題，並進行相關風險控制。
( 註：應採訪對象要求，奧諾雷、米歇爾為化名；作者為《財經》記者；本文刊於2023年9月18日出版的《財經》雜誌。)
