技术提供的机会多于威胁，未来银行创新在人工智能机器学习

亿欧网 • 6年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

以下是演讲正文：

1997年5月，世界象棋冠军加里·卡斯帕罗夫在与 IBM “深蓝”计算机的比赛中以4比1输掉了比赛。不幸的是，在2017年5月，世界上最好的围棋选手柯杰以3比0输给谷歌的“ AlphaGo ”。

那么，我们是应该感受到技术的崛起的威胁，还是我们应该感到兴奋，我们人类现在可以与更复杂的机器合作来改善我们的存在吗？

今天我将参考银行业正在进行的技术转型来探讨这个问题。总的来说，我将寻求提供偏向乐观的观点—— 技术提供的机会多于威胁 。是的，一些无法跟上时代的公司将退出市场。但是，这种对银行业务模式的颠覆最终会为客户带来价值。我相信市场力量将引导银行部署新技术，以提高产品的质量、价格和便利性。

尽管总体持乐观观点，但我也认识到这些迅速的变化也会带来一些风险。我将在演讲的第二部分探讨一些最相关的新风险。监管者的角色不是在任何特定方向去引领技术变革——因为这个过程必须保持由市场驱动。但是，监管机构和监管人员必须跟上时代——我们还必须及时掌握任何新出现的风险。

当然，有益的技术创新所带来的机会不仅仅属于私营部门，监管机构也可以从发展新技术中受益。在我的发言的最后部分，我将分享监管机构如何利用创新技术来进一步提高我们发现和解决银行风险的能力。

数字化——银行将如何改变？

银行业内一直有充足的技术创新空间。

银行的变化很大程度上是为了应对客户不断改变的需求。这些客户越来越习惯于在线完成他们的生活需求，越来越多地使用我们的智能手机。

鉴于这种总体趋势，银行业正朝着同一方向发展并不奇怪——远离人与人之间的物理互动以及提供远程服务。

在整个欧洲，59％的互联网用户在网上进行银行业务，这个数字正在上升。

我们对网上银行客户的期望很高。我们习惯于从在线提供商那里获得友好的和全天候的服务——我们自然希望银行能够跟上。

那么，银行如何应对这一挑战呢？

首先，银行已经认识到他们的核心基础设施不再包括物理分支机构。 2015年，银行的数字服务超过了大多数欧洲国家的分支机构提供的服务。由于分支机构的使用不那么密集，这些实物资产的回报正在下降——因此银行选择将资金投入其他地方。 2016年，欧洲银行关闭了9000多家分行，一年减少了4.6％ ，变化正在迅速发生。

相反，IT投资的好处目前正在增加。金融部门的年度全球IT花费已上升至总体3万亿欧元支出的约20％。我乐观地认为，此类投资将推动银行数字系统的改善，那些在这一领域投资的银行将获得回报。

向更加技术化的银行业迈进意味着需要一种完全不同类型的劳动力。人们越来越不需要进行手动和重复性任务，因为这些任务可以越来越多地被数字化。由于银行转向更加注重数字化的商业模式，大型裁员已经公布。另一方面，银行越来越依赖技术娴熟的技术人员——指导IT系统满足需要，并确保由人掌控并掌握风险。

银行互相竞争的关键数字领域之一是安全领域。在客户验证程序中结合便利性和严谨性的需求是创新者可以找到优势的众多领域之一。鉴于银行的“了解您的客户”（ KYC ）的义务以及保护系统免受洗钱风险的相关责任，这一点尤其重要。

这个领域有很大的进步空间。今天，客户仍然抱怨银行的在线验证过程有点痛苦。许多更便捷的选项可供银行解决。生物识别技术、光学字符识别（OCR）、加密技术、安全视频链接和分布式账本技术（DLT）——都可以发挥作用。我鼓励银行在这个领域进行创造性的思考。

一个特殊创新领域—— 人工智能和机器学习

也许银行未来将最有希望采用的技术是人工智能（AI）和机器学习。这些技术对于分析大数据库非常有用。

银行开始使用这些技术来管理和挖掘其数字商业模式，正在捕获越来越多的高频数据。这可以使银行提高准确预测的能力——从而更有效地定价产品，并且可以更好地避免一些问题。

机器学习有能力在巨大的数据样本中识别模式，并且能够创建包含已识别的模式的模型——从而创建非常强大的预测能力。分析数据的子样本以识别某些最强预测因子，例如贷款是否违约。然后，最强大的预测指标会自动合并到模型中，然后新模型会在数据的其他部分进行自我测试，以评估其执行情况。该过程重复数千次，以便模型可以“学习”数据并提高其预测性能。

人工智能在其他经济领域应用的经验测试显示出了预测能力的增强。仅举一个例子，人工智能被用于医疗保健，以更准确地发现医院数据中的模式，以检测患者对肝癌的易感性。

这些新的分析技术显然非常适合银行业。例如，它可以在分析潜在借款人信用风险中发挥有用的作用。同样，这些技术可以在筛选大型数据集以检测洗钱方面发挥作用，或者在银行自己的交易者中发现内部行为风险的迹象。

数字化对市场结构的影响

数字化有助于银行更容易地提供跨境银行服务。传统上，银行依靠自己的自给自足的IT硬件来运行他们的系统，并且需要物理分支结构来访问客户端。现在银行更有可能在没有地域限制的情况下提供服务。可以通过使用云计算从远程外部提供商获取IT基础架构，并且不再需要分支机构。

这对我们这些人来说是个好消息，比如我自己，他们看到了银行业日益激烈的竞争所带来的好处。随着对大型独立IT投资的需求逐渐减少，进入市场的障碍正在减少。同样，新的跨境提供商通过用户友好的数字产品吸引客户来快速渗透国内市场的能力正在增加。这些趋势将加强市场竞争，从而有助于保持对现有公司的激励，以最优惠的价格为客户提供最好的服务。

尽管银行既有的客户关系可能为它们提供一定程度的保护，以防止客户量的快速损失。然而，这种市场中的地位是不可持续的，除非他们投资于高质量用户友好服务所需的系统。

在很大程度上，这场关于银行数字产品的用户友好性和可信度的竞争将决定哪些公司成功、哪些公司未来几年失败。我们已经在一定程度上看到了市场的脱钩—— 某些领先的数字化银行交易中所占的份额更大。例如，在北欧，领先的在线银行的数字销售额比其竞争对手的平均水平高出20％以上。

尽管我们已经面临整合期，但技术将有助于提升这一趋势。在采用技术方面过于缓慢或无效的银行最终将退出市场。只有那些以增值方式快速安全地利用技术的公司才能生存下来并蓬勃发展。

这是市场自然运行的一部分——最终，这一调整过程将符合银行客户的利益。

数字化带来的风险

现在让我继续简要谈谈所有这些迅速的技术变革可能带来的一些风险。

在讨论这些风险之前，我应首先向您保证，我的总体评估是这些新出现的风险并未处于令人担忧的水平。金融稳定委员会在2017年报告说，由于采用了金融技术，目前“没有引起令人瞩目的金融稳定性风险”，我对此持同样看法。

尽管如此，各种风险正变得越来越重要，银行、监管机构和监管机构应各自保持警惕。

首先，必须密切关注银行如何将其IT服务外包给外部各方。银行不是“技术之家” ——因此它们很大程度上必须依赖第三方提供商来帮助转向更先进的IT平台。从治理的角度来看，银行服务由一系列外部供应商提供，这种分散对银行构成了一种挑战。银行需要对整体风险负有责任——因此他们必须掌握重要部分，并控制所有要素。

如果许多银行将其数字银行业务的核心要素外包给单一提供商（例如处理支付系统），这也是一个潜在的问题。实际上，这种安排可能会给整个行业带来集中度风险。如果垄断提供商在提供服务方面存在问题——那么这可能会损害整个行业的运作。这是监管者需要注意的操作风险。这也意味着我们的监管者必须坚定地审视银行关键第三方IT提供商的稳健性。

我已经提到了我对人工智能和机器学习为加强银行信用风险管理提供的潜在好处的看法等。但是，还应该强调的是，必须以正确的方式使用这些技术 ——否则它们也可能成为风险的来源。

人工智能的基础算法必须仔细设计——这些算法中嵌入的决策必须得到银行管理者和主管的充分理解。过去，当金融家对一些新的复杂的创新过于兴奋时，已经犯了太多错误。人工智能和机器学习务必要避免的倾向是——高管们允许他们的“ 量化分析专家”所冒的风险超出他们的理解和控制能力。

监管将在这方面保持警惕，但这只能提供一定程度的保证。为了真正安全地抵御风险，我们必须依靠银行管理者来承担他们在这方面的责任。为了我们所有人的利益，我相信你会和我一起敦促他们认真对待这项任务。

最后提到的风险领域是网络安全。总的来说，我很高兴地报告，欧洲银行非常了解这一领域的风险，并且在出现新威胁时不断改进和应对。但是，这并不意味着我们的银行不受网络风险的影响。在我们的现场检查中，我们仍然经常发现网络罪犯获取未经授权的访问或造成严重破坏的信息安全漏洞。我们向银行发出的持续信息是，它们自己全权负责采取适当措施保护自己，免受网络风险以及此类威胁带来的负面影响。

我向您保证，欧洲央行监管机构将在未来几年密切关注所有这些问题。通过我们的定期监督审查和评估流程（SREP）以及现场检查的方法，我们越来越多地整合了在数字化转化过程中产生的最新问题。这些问题对我们监督和测试银行治理，风险管理和IT架构的方式将变得越来越重要。

单一监管机制下数字化的机会

作为监管者，我们不能妨碍市场力量。我们不是要在一个特定的技术方向对行业进行引领。我们的作用是密切关注确保审慎安全，包括安全通过快速的技术变革时期。此外，我们必须以公平的方式监督整个市场的公平竞争环境—— 包括任何以创新的方式运营的新进入者。

为了有效地完成这些任务，我们必须成为新技术的采用者。日常任务可以越来越自动化，我们可以利用这一趋势来释放员工的资源，更多地关注和审视复杂和战略性任务。

让我举几个具体的例子，技术可以帮助我们在未来取得哪些进展。

随着时间的推移，我设想我们可以通过银行和监管之间共享数据的方式提高效率。我们知道，我们向银行提出的合规数据要求会产生很大的负担。通过行业和监管之间的协作，可以通过自动化改进我们的数据共享系统。这可以使数据提供对监管越来越及时和准确，同时使银行变得轻松。

无论如何，我们的数据处理方面的改进是必要的，因为数字化意味着银行业产生的相关数据量正在大幅增加。我们需要将自己嵌入到行业正在创造的“大数据”中—— 并利用这一点来发挥我们的优势。特别是，我们需要构建一套系统，以便随着市场发展实时更新我们的分析。这一点尤其重要，因为数字化提高了交易处理的速度——从而提高了市场改变的速度。在这样的环境中，我们不能再依赖于3个月更新一次数据。

监管者也应该利用人工智能和机器学习。例如，这些技术可能用于改进分析银行所承担的信用风险。可以利用人工智能来帮助我们在早期发现过多的银行风险承担。反过来，这可以支持我们在重大潜在问题成为现实之前尽早干预。