AI在金融领域的应用现状 - AI已广泛嵌入金融行业主要业务 但目前应用仍处于早期阶段 其作用为辅助性 无法取代人的决策 [1][5] - AI在金融行业应用集中在中后台运营 客户关系管理 以及提供金融产品三个领域 [2] - 在中后台运营方面 AI智能化应用在银行等金融机构内部已较为广泛 覆盖数据收集 加工 信息甄别与识别及客户评估等多个环节 [2] AI应用带来的边际变化与效益 - AI新技术深度渗透金融业务各流程 为金融系统带来较大边际变化 [2][3] - 在提供金融产品方面 AI带来双重效益 对内帮助金融机构降低成本提高效率 对外使机构能提供更个性化精准的金融产品与服务 [2] - AI应用有良好基础 金融系统积累的海量数据可用于机器学习与深度学习 使传统模型转向智能推理模型 [3] AI应用带来的增量风险 - AI在提升效率的同时也带来新的系统性风险来源以及新的风险传导渠道 [4] - 微观层面 单家金融机构主要面临模型稳定性风险和数据治理风险两类新型或增量风险 [4] - 宏观层面 金融业主要面临集中度风险和决策趋同风险两类增量风险 [4] - 集中度风险体现在行业可能依赖少数大型技术服务商 且大型金融机构在资源投入上比小型机构更具优势 [4] - 决策趋同风险源于所使用的模型和数据相对标准化集中 可能导致行业整体决策同质化 引发"共振"效应 [4] AI对货币政策及长期影响 - AI对货币政策的影响尚不明显 需要更长时间的观察和研究 [6] - AI可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 但货币政策属于随经济周期调整的慢变量 [6] - 不排除AI重演"索洛悖论" AI转化为生产率跃升可能需要更多时间 [6]