新华财经上海10月23日电（陈冉）10月23日，在2025外滩年会的“外滩圆桌：金融领域的AI治理与国际合作”上，国家金融监督管理总局副局长肖远企表示，当前尽管AI发展迅猛，应用广泛，但必须明确一点，目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。

　　中国人民银行原行长周小川则表示，银行较少使用多模态或生成式技术，主要依赖大数据分析和推理模型，基于这一特点，未来的从业人员规模会显著受到影响和减少。“人工智能在银行业的支付、定价、风险管理和市场推广方面发挥着重要作用，这是一个很大的边际变化。”

　　对于AI效率提升是否会带来金融机构内部员工安置的压力，肖远企认为，到目前为止，还没有听到金融机构单纯因AI应用而出现员工安置压力的案例。以柜员服务为例，AI是辅助工具，无法替代柜员与客户之间个性化的互动。在信贷、保险定价、定损、精算等关键领域，仍然离不开人的专业判断。

　　助力监管已有很大进展

　　周小川指出，在人工智能的影响下，监管也会发生很大变化。以反洗钱、反恐融资系统为例，是最典型可运用大量数据分析发现线索、识别洗钱和恐怖融资活动的领域，利用已破获案件数据进行机器学习、深度学习，模型会逐渐提升，从中找出规律，对监管有巨大作用，这方面现在已取得很大进展。

　　“AI可以在物价和微观行为的数据收集、处理、模式识别和推理方面影响货币政策决定，是否可以从历史上金融稳定数据、金融机构健康性变化中，通过机器学习和深度学习，推理预知金融不稳定的出现，我觉得这是一个很重要的方向。”周小川说。

　　值得注意的是，监管部门往往希望各类金融机构和活动在运用AI时提供透明、可解释的模型，但实际操作中可能有所不同。周小川指出，机器学习、深度学习必然带来模型的黑箱性，可能未来监管需要面对黑箱模型产生的结果和行动，来调节或监管金融市场。

　　“如果AI模型大量运用短期高频数据，学习结果很可能也是高频、短期、技术性的，可能与金融稳健和宏观调控所需要的面向基础面、长远稳定性的要求不一致。这个问题确实需要认真对待和解决。”周小川说。

　　两重风险需要关注

　　肖远企认为，AI应用所带来的风险，与历史上几次重大科技革命在金融领域应用时产生的风险类似，目前或许难以定论，但从历史视角看，过去几轮科技革命在金融领域主要带来的是增量风险和边际风险，虽然风险的成因、路径和形态有所变化，但金融行业面临的根本性风险如信用风险、市场风险、流动性风险和操作风险，并未发生革命性改变。

　　具体到这一轮AI变革对金融领域带来的风险，肖远企认为可以从宏观和微观两个层面观察：对单家金融机构而言，一是模型稳定性风险。这一轮AI应用高度依赖模型支撑业务拓展，因此模型的稳定性和可靠性变得至关重要；二是数据治理风险。这涉及数据来源的选择、数据质量的把控以及事后的评估与监测程序，也就是数据治理的程序。这两类风险对单个机构非常关键。

　　对金融行业而言，一是集中度风险。金融行业在AI模型技术上可能会依赖少数技术开发能力强、稳定性高、资源投入大的服务提供商。同时，大型金融机构在资源投入上可能比小型机构更具优势，可能导致市场集中度提高；二是决策趋同风险。由于所使用的模型和数据相对标准化和集中，使金融机构在决策依据上可能趋同，进而导致行业整体决策同质化。如果趋同性过高，可能会引发“共振”效应。