AI在金融领域的应用现状与范围 - AI新技术深度渗透到金融业务的各个流程，金融与科技的互动相辅相成、相互促进[2] - AI在金融行业主要用于优化业务流程和对外服务，应用集中在中后台运营、客户交流与提供金融产品三个领域[2] - 中后台运营智能化在银行等金融机构内部已较广泛应用，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] - 金融机构在客户关系管理如营销、维护和问题解答等方面普遍应用AI技术[2] - AI在提供金融产品方面带来双重效益：对内帮助金融机构降本增效，对外使机构能提供更个性化、精准的金融产品与服务[2] AI为金融系统带来的机遇与基础 - 金融系统积累的海量数据可用于机器学习、深度学习，使传统模型转向智能推理模型[3] - 通过机器学习金融稳定数据、金融机构健康性的历史变化，可推理预知金融不稳定风险的出现[3] - AI为金融系统特别是银行系统提供新的发展机会，并将带来较大边际变化[4] - 国务院发布《关于深入实施"人工智能+"行动的意见》，明确重点推动"人工智能+"产业发展，在金融等领域推动新一代智能终端、智能体等广泛应用[2] AI应用带来的增量风险 - AI带来显著的效率提升，但也带来新的系统性风险来源及新的风险传导渠道[5] - 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[5] - 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[5] - 金融行业在AI模型技术上可能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[5] - 大型金融机构在资源投入上比小型机构更具优势，可能导致市场集中度提高[5] - 由于所使用的模型和数据相对标准化和集中，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[5] - 如果趋同性过高，可能引发"共振"效应[5] - 如果AI模型大量运用短期高频数据，学习结果可能是高频、短期、技术性的，可能与金融稳健和宏观调控所需的长远稳定性要求不一致[5] AI应用的阶段定位与局限性 - 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[7] - 在金融领域，人才始终是最宝贵、最有价值的资产[7] - 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[7] - 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[7] AI对货币政策的影响 - 国际清算银行讨论认为AI相关模型对货币政策的影响尚不明显[7] - 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[7] - 货币政策基本上属于慢变量，随经济周期或经济变化而调整[7] - AI对货币政策的影响还需要更长时间的观察和研究[7]