人工智能在中央银行的采纳治理
摘要
本报告由美洲国际清算银行风险管理咨询小组（CGRM）成员中央银行的代表共同撰写，旨在为中央银行在人工智能（AI）领域的应用提供指导，并提出治理和风险管理框架。报告强调了AI对中央银行的潜在益处，如提高效率、改善操作稳健性、支持决策制定等，同时也指出了其带来的风险，包括信息安全、隐私、网络安全、模型风险、环境、伦理和社会风险等。报告建议中央银行采用综合风险管理策略，并提出了一个自适应的治理框架，包括建立跨学科AI委员会、定义负责任使用AI的原则、维护AI工具清单、绘制AI工具和利益相关者图谱、进行详细的风险和控制评估、定期监测、报告异常和事件、开发和提升员工技能、对框架进行持续审查和调整等十项实际措施。
人工智能对中央银行的好处及用例
AI技术可以帮助中央银行实现以下目标：
- 数据分析、研究、经济预测和政策分析：AI可以快速分析大量数据，捕捉非线性关系，提高预测准确性。
- 支付系统：AI可以检测异常交易，增强支付系统的功能，例如BIS创新中心的Project Aurora项目显示，机器学习算法在检测洗钱网络方面比传统方法更有效。
- 监管复杂性：AI可以用于计算审慎和银行法规的复杂度指标。
- 影响分析：AI可以分析法案和法规的影响，为中央银行提供及时警报。
- 创新：AI技术可以应用于不同的商业流程和行业，包括中央银行。
- 解决复杂问题：AI可以分析大量数据，识别出使用其他方法可能被忽视的模式。
- 监督管理活动：AI工具可以帮助评估和监控金融机构，例如信贷风险、敞口和投资组合风险等。
- 预警系统：AI可以分析多样化的数据来源，检测潜在风险或金融危机的早期迹象。
- 风险事件分析：NLP用于对风险事件进行分类、识别趋势以及提取可操作见解。
- 纸币生产和分发：AI可以生成用于场景分析的合成数据，提高印刷操作效率和钞票质量控制效率。
- 预测钞票需求和分配需求：AI用于预测现金流，并规划纸币和硬币的生产与分发日程。
- 数据质量提升：AI可以用于检测异常或不正确报告，提升数据质量。
- 客户与企业服务：AI可以用于实施聊天机器人，回答受监管实体的询问或协助研究人员。
与采用人工智能相关的风险
AI的应用可能带来以下风险：
- 战略风险：缺乏明确的AI应用策略可能导致AI应用以负面影响的方式出现。
- 运营风险：包括法律、合规、流程、人员和能力等方面的风险。
- 信息安全与网络安全：AI系统可能引入新的安全漏洞，例如数据中毒、恶意活动等。
- 信息通信技术（ICT）风险：包括软件漏洞、硬件故障和系统设计不足等。
- 第三方风险：对外部AI模型或第三方提供商开发的工具的依赖可能带来隐私、信息安全、第三方集中和网络安全风险。
- 模型风险：AI模型的刚性、解释与可靠性、推理错误和“幻觉”等问题可能导致不准确的结果。
- 环境、伦理与社会风险：AI模型的能源消耗、碳排放、透明度和问责制、以及潜在的偏差和不适当的结果等问题。
风险管理策略
报告建议中央银行采用综合风险管理策略，包括：
- 定义人工智能风险概况：确定中央银行对人工智能相关风险的偏好。
- 识别、评估和选择人工智能项目：建立多学科团队，评估采用某些AI模型和工具的适宜性。
- 利用和调整现有的治理管理模式：例如，将管理和管理责任分为三个不同层的“三道防线模型”，并加入一些特定于AI使用的考虑因素。
- 在整个生命周期中保护信息：确保AI系统遵循标准，保护信息和数据安全。
治理
报告提出了一个自适应的治理框架，并建议中央银行在其采用人工智能的旅程中采取以下十项实际措施：
- 建立跨学科AI委员会。
- 定义负责任使用人工智能的原则。
- 建立AI框架并更新现有指导。
- 维护AI工具清单。
- 绘制AI工具和利益相关者图谱。
- 进行详细的风险和控制评估。
- 进行定期监测。
- 报告异常和事件。
- 开发和提升员工技能。
- 对框架进行持续审查和调整。
结论
中央银行可以在风险控制较好的非关键流程中开始采用AI，并利用现有的风险管理机制，如三道防线模型，进行具体调整。同时，中央银行需要权衡信息与核心功能面临的风险，并与组织的风险承受能力和安全能力相一致。通过建立良好的AI治理框架，中央银行可以有效地将人工智能融入其治理框架中，确保人工智能技术的安全、负责任和道德使用。
