AI在金融领域的定位与影响 - AI是金融领域在信息处理、IT和自动化基础上的又一次重大边际变化，涉及银行主要业务、客户行为与监管等多层面[3] - 从历史视角看，过去几轮科技革命在金融领域主要带来增量风险和边际风险，但行业根本性风险如信用风险、市场风险等未发生革命性改变[5] - AI对央行"双支柱"政策框架（货币政策和宏观审慎监管）的影响仍需更长时间观察和研究[8] AI对银行业务与结构的影响 - 银行业在过去六七十年间已从传统银行转变为数据处理行业，核心业务如支付、定价、风险计量等高度依赖数据分析和模型计算[6] - 客户行为变迁推动AI在支付、定价、风险管理等领域发挥更大作用，银行从业人员规模会显著减少[6][7] - AI在金融行业目前主要用于优化业务流程和对外服务，包括中后台运营智能化、客户交流管理和金融产品提供[11] AI带来的新型风险与挑战 - 微观层面，单家金融机构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[10] - 宏观层面，行业面临集中度风险和决策趋同风险两类增量风险，可能导致市场集中度提高和决策同质化[10] - AI模型的"黑箱"特性与监管要求的透明度存在矛盾，过度依赖短期高频数据可能与金融稳健所需的长期性产生偏差[8] AI在监管与政策中的应用前景 - 机器学习有望从历史金融数据中推理预知"明斯基时刻"的爆发概率，但需要处理非结构性数据、多模态信息和社会情绪[4][7] - 货币政策是"慢变量"，AI在数据收集和处理方面可影响货币政策决定，但过快响应可能引发不必要波动[8] - 当前反洗钱系统利用机器学习从海量数据中识别线索已取得很大进展[7]