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中，但应用仍处于早期阶段[1] - 中外嘉宾在2025外滩年会上一致认为AI在提升效率的同时带来增量风险，需谨慎评估利弊[1] - AI应用对金融系统的影响性质（边际性改变、增量性变革或根本性颠覆）仍需继续观察[1] AI在金融业务中的具体应用 - AI深度渗透到金融业务各流程，主要用于优化业务流程和对外服务[3] - 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[3] - 中后台运营智能化已较广泛应用，覆盖数据收集、加工、信息甄别与客户评估等环节[3] - 客户关系管理普遍应用AI技术，包括营销、维护和问题解答等方面[3] - AI在提供金融产品方面带来双重效益：对内帮助降低成本提高效率，对外使服务更个性化精准[3] - 金融系统积累的海量数据为AI应用提供良好基础，可用于机器学习深度学习[4] - AI为金融系统特别是银行系统提供新发展机会，将带来较大边际变化[5] - 2025年7月国务院发布意见明确将重点推动"人工智能+"产业发展，在金融等领域推动智能终端、智能体广泛应用[3] AI带来的增量风险 - AI既提升监管者监测风险能力，也增强风险潜在影响力[7] - 微观层面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[7] - 宏观层面金融业面临集中度风险和决策趋同风险两类增量风险[7] - 金融行业在AI模型技术上可能依赖少数技术开发能力强、稳定性高的服务提供商[7] - 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[7] - 由于使用模型和数据相对标准化集中，金融机构决策依据可能趋同，导致行业整体决策同质化[7] - 决策趋同性过高可能引发"共振"效应[7] - AI模型大量运用短期高频数据可能导致学习结果与金融稳健和宏观调控所需的长远稳定性要求不一致[7] AI对决策和货币政策的影响 - AI在金融领域应用仍处于早期阶段，作用仍是辅助性的，无法取代人的决策[9] - 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[9] - 人才是金融领域最宝贵最有价值的资产[9] - AI可能重演"索洛悖论"，转化为生产率跃升需要更多时间[9] - 国际清算银行讨论认为AI相关模型对货币政策影响尚不明显[9] - 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[9] - 货币政策属于慢变量，随经济周期或经济变化而调整，不可能对每天价格变化做出响应[10] - AI对货币政策的影响还需要更长时间的观察和研究[10]