基于风险的人工智能监管：另一个值得拥有的工具或游戏规则改变者2025

人工智能应用于基于风险监管 另一项“锦上添花”的工具或是一场变革。 梅泰·多胡塔鲁，玛丽恩·普雷萨库，申智浩和亚森敏·帕尔塔 人工智能应用于基于风险监管 另一个“锦上添花”的工具或……颠覆性的变化 2025年1月 © 2025 国际重建与发展银行 / 世界银行 1818 H街 NW 华盛顿特区 20433 电话：202-473-1000 互联网：www.worldbank.org 这项工作是世界银行工作人员与外部贡献者共同完成的。本工作中表达的研究发现、解释和结论并不一定反映世界银行、其执行董事会的观点或他们所代表政府的观点。 世界银行不对本工作中包含的数据的准确性、完整性或时效性做出保证，也不对信息中的任何错误、遗漏或差异承担责任，或对使用或未能使用信息、方法、流程或结论承担任何责任。本工作中任何地图上所示边界、颜色、名称和其他信息均不代表世界银行对任何领土的法律地位的判断，也不代表对上述边界的认可或接受。 本文件中任何内容均不构成、不应被解释或视为对世界银行特权与豁免的任何限制或放弃，所有这些特权与豁免均特别保留。 权利与许可 本作品中包含的内容受版权保护。鉴于世界银行鼓励其知识的传播，本作品可以全部或部分用于非商业目的，前提是必须对本研究给予充分归属。 关于版权和许可证的任何疑问，包括子许可证，应致信世界银行出版物，世界银行集团，美国华盛顿特区西北H街1818号，邮编20433；传真：202-522-2625；电子邮件：pubrights@worldbank.org。 封面图片：Veronica Gadea，世界银行集团，GCS。可访问性：Will Kemp，世界银行集团，GCS。 内容 32228致谢 vii人工智能实施挑战 32展望未来 43执行摘要 1AI采用策略39缩写表 vi附件1-机器学习与人工智能企业参考架构50赋予金融监管者以人工智能能力 14金融监管机构面临的主要挑战人工智能在支持监管机构活动中的应用案例人工智能相关风险与关注 缩写描述人工智能人工智能专用集成电路（ASIC）澳大利亚证券及投资委员会澳大利亚证券交易所ASX欧洲中央银行（European Central Bank）欧洲中央银行MAI市场分析与情报LLMs：大型语言模型大型语言模型反洗钱/反恐融资反洗钱与打击恐怖融资FSAP金融部门评估计划备份计划巴塞尔有效银行监管核心原则国际货币基金组织国际货币基金组织SupTech监管技术金融科技金融科技金融科技监管科技自然语言处理自然语言处理机器学习机器学习光学字符识别（Optical Character Recognition）光字符识别技术（Optical Character Recognition） 致谢 本文由世界银行财务、竞争力与投资（FCI）全球实践团队下属的金融稳定与完整性部门（EFNFS）及信息与技术解决方案（ITS）技术创新实验室共同撰写。作者为Matei Dohotaru、Marin Prisacaru、Ji Ho Shin和Yasemin Palta。 同行评审人员：1) Harish Natarajan，实践经理，EFNFI；2) Gunhild Berg，首席金融部门专家，EECF2；3) Olushola Ibironke Joanne Martins，IT官员，商业管理II，ITSIO；4) Mert Ozdag，IT官员，工程I，ITSIO；5) Francesca Hopwood Road，中心主管，伦敦BIS创新中心；6) Marco Barzanti，MCMFR，IMF；7) Emmanuel Ayanfe Crown，ITDAI DA，IMF。 请注意，本文某些部分已使用世界银行集团批准的生成式人工智能技术草拟。银行确认，相关部分已经审核以确保准确性和有效性。 executive summary 无论我们个人对人工智能（AI）的看法如何，它都可能以前所未有的速度改变我们的个人和职业生活。它还将影响世界上监管和监督最严格的行业之一——金融行业。基于风险的监管（RBS）在过去二十年一直是金融行业监管的黄金标准，承诺在资源有限的情况下帮助监管者履行其广泛且不断增长的职责。遗憾的是，全球范围内在有效实施RBS框架方面取得的进展并不一致。近年来，根据金融部门评估计划（FSAP）的评估结果，大多数发达国家已经成功地建立了一个稳健的RBS框架。然而，中低收入国家在有效实施RBS方面仍在努力。 近年来，人工智能在性能和可及性方面的显著进步，承诺将彻底改变众多行业，包括金融领域。尽管多年前就开始尝试将人工智能用于监管目的，但这些尝试主要是实验性的，并且仅限于少数高容量监管机构。然而，最近，得益于质量和性价比的快速提升，人工智能已经开始被视为一种主流产品，监管者可以用它来处理大部分业务流程。人工智能确实可能在金融领域监管和监督领域带来变革，引入的功能和能力可以重新设计监管流程，使它们在人力资源有限的国家也能变得积极主动和预防性。 全球监管机构最初尝试利用人工智能进行各种监管目的已取得令人鼓舞的结果。传统上因缺乏足够资源而受影响的领域，如反洗钱和打击恐怖融资(AML/CFT)、消费者保护、信贷风险和压力测试等，现在可以从自动化和大数据处理中获得显著提升。预计所有涉及未结构化数据处理或涉及大量数据点的操作的监管过程的生产率都将得到提升。 人工智能在金融行业监管中的益处不仅局限于自动化某些手动活动。在不久的将来，我们很可能会看到端到端的自动化监管流程，尤其是那些不需要专业判断和决策灵活性的流程。此外，人工智能还能够使监管者承担那些在之前的技术发展阶段被认为过于耗时或/和无法执行的过程。 当然，所有这些好处都不是没有风险的，也伴随着对监管机构的成本。基于AI能力对监管流程进行再设计需要努力，但更重要的是，它需要准备好处理由AI功能使用产生的新风险。为过渡到AI支持的RBS做准备，要求监管机构重新考虑其流程，包括分配人力资源到活动和监管机构实际上可以委托给AI的程度。 在金融领域监管和监督方面，没有预期AI将取代人类，即使在长远来看也是如此。人类将继续在所有涉及金融领域监督的关键方面担任决策者。然而，我们预见人类与AI在金融机构监管和监督方面的共生关系将日益增强。通过提高效率，这种共生关系可能导致金融行业更加安全，消费者保护更好，犯罪滥用减少。 认识到金融领域及其监管机构不可避免地是这一持续演变的一部分，我们在本文中着手探讨人工智能对金融领域的影响，特别关注监管视角和过渡到有效的RBS体制。我们还尝试预测人工智能对金融领域监管者角色和责任的中长期影响。此次探索旨在加深我们对人工智能如何影响金融格局及其对未来监管实践的启示的理解。 金融监管机构面临的主要挑战 在过去二十年里，世界各地金融监管机构的头号目标一直是有效地实施基于风险的监督框架。基于风险的方法被广泛认为是确保金融稳定最有效的手段。这个目标随着时间的发展已经转变为监管机构面临的主要挑战。尽管在实施基于风险的方法上分配了大量的资源，并且常常提供大量技术援助，但许多监管人员仍然难以实施一个有效的基于风险监督制度。1实施有效RBS框架的困难原因因国而异，包括内部和外部因素。 RBS框架可以根据不同的标准进行分解，其中一个标准将其分解为三大类别：A.政策与程序，B.能力与资源，以及C.工具与技术（见图1）。我们通过对在金融部门评估（WB）过程中进行的合规性评估进行审查，对这三个类别进行了分析。作为这项研究的一部分，已经查阅了公开的FSAP文件，包括金融部门评估文件。2金融体系稳定性评估（国际货币基金组织）3对执行情况的详细评估以及国际金融机构的出版物。需要注意的是，该研究主要关注谨慎监管以及对BCP原则的遵守。 研究结果指出，各地区在实施主要巴塞尔监管改革方面取得了稳步进展。4在这个领域所取得的进步部分得益于世界银行和国际货币基金组织（IMF）在近年来的广泛技术支持，这有助于实现向有效风险为本的银行体系（RBS）的过渡。此外，这些技术援助项目也在很大程度上加强了监管能力，尽管在许多国家保留经验丰富的员工仍然是一个挑战。我们的研究还揭示了一个值得关注的现象：在大多数未能实施有效RBS体系的各国中：这些国家往往要么完全忽视了监管工具和技术的重要性，要么对其重要性估计不足。这一发现强调了工具和技术在成功建立RBS框架中的关键作用。 依赖于低级SupTech生成工具的过程。大多数最近的应用仍处于SupTech的第一到第二代，而第四代SupTech工具（例如生成式AI）仅占实施应用的7.6%。5尽管监督领域创新技术的缓慢采用可以归因于监管者的普遍保守态度，但随着人工智能技术的快速发展，技术潜力提升监管流程与其实际应用之间的脱节可能会进一步扩大。特别是，如果监管者未能探索使用先进技术来提高他们的生产力和识别、衡量和缓解风险的能力，那么实施RBS制度所需的有效性可能会继续受到阻碍。鉴于金融行业，尤其是金融科技公司中人工智能的广泛应用，这一点尤为重要。 作为我们研究的一部分，我们试图确定金融监管部门在监管周期所有核心阶段面临的主要挑战。在此背景下，我们考察了： a.市场进入 –该内容包含对新实体的许可、新子公司/分公司的开设、股东批准以及管理及关键人员的批准。 b.持续监管 –包括宏观审慎监管和微观审慎监管（现场和非现场），分布在关键风险维度上。 c.决议与市场退出 -包括财务实体的重组、解决以及清算。 为了确定监管活动中的主要挑战，团队回顾了近年来世界银行和国际货币基金组织作为金融稳定评估计划（FSAPs）的一部分所进行的业务连续性计划（BCP）合规性评估。以下列出的是团队识别出的主要挑战，这些挑战对大多数监管机构，包括发达国家，都是特定的。 人力资源有限 上述每个监督阶段都包含一系列可评估和监控的风险参数。然而，重要的是 值得注意的是，评估特定金融机构的每一个风险生成活动是一项不切实际的任务，即使在发达国家，也由于资源限制，尤其是人力资源的限制。这正是RBS方法发挥作用的地方。RBS是一种监管策略，旨在帮助监管者在其可用资源的约束下履行其职责。RBS的基本前提是，这些有限的监管资源主要分配给金融机构内高风险运作和活动的评估与监控（图2）。一个有效的RBS制度的基础在于监管当局能够准确识别高风险活动，并战略性地分配有限的资源进行评估。然而，实现这种平衡并不总是直接的，并且仍然是实施有效RBS制度的一个持续挑战。即使随着人工智能的更广泛采用，RBS仍将高度相关，并将成为许多年来的黄金标准。人类决策者将在监管过程中继续发挥关键作用，因为监管者很可能永远无法收集到完全自动化这些过程所必需的所有细粒度数据。 即使监管机构成功识别风险并分配 资源高效利用，它常常发现其资源不足以覆盖主要需求。风险。这一点在近年来尤为明显，因为数字化已经引领金融机构迅速增加其业务复杂性。模型及其提供的服务范围。增加员工数量。监管机构在大多数国家不是一个可行的选择。此类增加 通常不受欢迎且难以实施。考虑到这些限制，唯一可行的解决方案是找到方法在现有有限的人力资源下完成更多任务——换句话说，就是提高生产力。 仔细审查监督流程揭示了许多监管机构在自动化和优化方面具有巨大的潜力。虽然这一潜力在不同发展阶段和复杂程度的国家的监管者之间有所不同，但显然，当前的监督流程通常涉及手动和重复性活动。这些活动，虽然并不总是需要高深的资格或强烈的职业判断，但对监管者达到可以应用职业判断的阶段却是至关重要的。然而，这些基本且不复杂的活动对于监管者达到可以应用职业判断的阶段是必不可少的。 任务，如收集、验证、交叉核对、丰富和请求数据，是在监督者能够应用他们的专业知识来解释趋势、提出补救措施或决定监管反应之前必须进行的常规活动。近年来，人工智能解决方案已经成熟到可以显著取代大多数由人工执行的简单监督活动，此外还能协助更复杂的流程（例如，现场检查、压力测试、解决和其他）。此外，金融机构加快采用金融技术（Fi