AI在风险为本监管中的应用

基于风险的监管的AI技术 另一个“锦上添花”的工具，还是变革者 Matei Dohotaru, Marin Prisacaru, Ji Ho Shin and Yasemin Palta 基于风险的监管的AI技术 另一个“可要可不要”的工具，还是改变者 2025年1月 © 2025 国际复兴开发银行 / 世界银行 1818 H街西北Washington DC 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的成果，并得到了外部贡献。这项工作中表达的调查结果、解释和结论不一定反映世界银行的看法、其执行董事会或它们所代表的政府的观点。 世界银行不保证本作品中包含的数据的准确性、完整性或时效性，也不对任何信息中的错误、遗漏或差异，或对使用或未使用所提供的信息、方法、流程或结论所负的责任，以及任何相关责任负责。本作品中任何地图上显示的国界、颜色、名称和其他信息，不表明世界银行对任何领土的法律地位有任何评判，也不意味着对这类国界的认可或接受。 此处所载任何内容均不得视为构成、解释或视为对世界银行特权和豁免权的限制或放弃，所有这些特权和豁免权均另有保留。 权利与许可 本作品中包含的材料受版权保护。因为世界银行鼓励其知识的传播，只要注明对本作品的完整出处，本作品可全部或部分地用于非商业目的而予以复制。 关于权利和许可的任何疑问，包括附属权利，应致函世界银行出版物、世界银行集团、美国华盛顿特区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, GCS, 世界银行集团。无障碍性：Will Kemp, GCS, 世界银行集团。 目录 32228致谢 viiAI实施挑战 32展望未来 43执行摘要1AI采用策略 39缩写 vi为金融监管机构配备人工智能能力 14附件 1-ML & AI 企业参考架构 50金融监管机构面临的主要挑战AI在支持监管机构活动中的用例AI相关风险和担忧 缩略语 缩写描述AI人工智能ASIC澳大利亚证券和投资委员会澳大利亚证券交易所ASXECB欧洲中央银行MAI市场分析与洞察LLMs大型语言模型AML/CFT反洗钱与打击恐怖主义融资FSAP金融部门评估计划BCP巴塞尔有效银行监管核心原则IMF国际货币基金组织SupTech监管技术FinTech金融科技RegTech监管科技自然语言处理自然语言处理ML机器学习OCR光学字符识别 致谢 本文由世界银行财务、竞争与投资全球实践下属的金融稳定与合规单位（EFNFS）和信息技术与创新发展实验室（ITS）撰写。本文由Matei Dohotaru、Marin Prisacaru、Ji Ho Shin和Yasemin Palta编制。 同行评审专家：1) 哈里什·纳塔拉贾（Harish Natarajan），实践经理，EFNFI；2) 古尼尔德·贝格（Gunhild Berg），领先金融部门专家，EECF2；3) 奥卢肖拉·伊波尼克·乔安妮·马丁斯（Olushola Ibironke Joanne Martins），IT专员，业务管理II，ITSIO；4) 梅尔特·奥兹达格（Mert Ozdag），IT专员，工程I，ITSIO；5) 弗朗西斯卡·霍普伍德·罗德（Francesca Hopwood Road），中心负责人，BIS创新中心——伦敦；6)马尔科·巴赞蒂（Marco Barzanti），MCMFR，IMF；以及7) 埃曼纽尔·阿亚涅·克劳恩（Emmanuel Ayanfe Crown），ITDAI DA，IMF。 请注意，论文中的一些部分是使用世界银行集团批准的生成式人工智能技术编写的。银行确认相关部分已经过审阅以确保准确性和有效性。 执行摘要 无论我们对人工智能（AI）的个体观点如何，它都可能以前所未有的速度改变我们的生活和个人职业。它也将影响世界上监管和监督最严格的行业——金融部门。基于风险的监管（RBS）在过去二十年一直是金融部门监管的黄金标准，承诺在有限的资源下帮助监管者履行其广泛且不断增长的责任。遗憾的是，全球范围内RBS框架的有效实施进展并不一致。近年来，金融部门评估计划（FSAP）的评估表明，大多数发达国家已经成功建立了强大的RBS框架。然而，中低收入国家在有效实施RBS方面仍面临持续挑战。 近年来，人工智能在性能和易用性方面的显著进步，预示着它将革新众多行业，包括金融领域。尽管利用人工智能进行监管目的的尝试始于几年前，但它们主要仍处于实验阶段，且限于少数高能力监管机构。然而，最近由于质量和成本效益的快速提升，人工智能已开始被视为主流产品，可供监管机构用于其大部分业务流程。在金融领域监管与监督领域，人工智能的确可能成为变革者，通过引入功能与能力来重塑监管流程，使其在人力资源有限的国家也能实现主动性和预防性。 全球监管机构最初尝试利用人工智能进行多样化监管目的的做法已取得积极成果。传统上因资源不足而饱受困扰的领域，例如反洗钱与反恐怖融资（AML/CFT）、消费者保护、信用风险和压力测试等，现可通过自动化和大数据处理获得显著提升。预计所有涉及非结构化数据处理或大量数据点的监管流程都将提高生产力。 人工智能在金融监管领域的优势不仅仅局限于某些手动活动的自动化。在不久的将来，我们可能会看到人工智能实现端到端的完全自动化监管流程，特别是那些不需要专业判断和决策灵活性的流程。此外，人工智能可以使监管者执行先前被认为在之前的科技发展阶段耗时过长或/且不可能执行的流程。 当然，所有这些好处都不是没有风险的，对监管机构而言也并非没有成本。基于人工智能能力的监管流程再造将需要投入精力，但更重要的是，它将需要监管机构准备好应对由使用人工智能功能而产生的 新风险。为了向人工智能支持的审慎银行过渡，监管机构需要重新考虑其流程，包括将人力资源分配给哪些活动，以及监管机构实际上可以将多少工作委托给人工智能。 预计人工智能长期内也不会取代人类在金融监管领域的角色，人类将继续成为金融监管所有关键方面的决策者。然而，我们预见在金融监管方面，人类与人工智能之间将形成日益紧密的共生关系。这种共生关系通过提高效率，有望带来更安全的金融行业、更好的消费者保护以及更少的犯罪行为。 认识到金融部门及其监管机构不可避免地是这一持续演进的一部分，本文旨在探讨人工智能对金融部门产生的实质性影响，尤其关注监管视角以及向有效银行监管制度的转型。我们还试图预测人工智能对金融部门监管者职责的中长期影响。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影响的了解。 金融监管机构面临的主要挑战 在过去的二十年里，全球金融监管当局的首要目标是有效实施基于风险的监管框架。基于风险监管（RBS）方法被广泛认为是确保金融体系稳定的最有效手段。这一目标随时间推移演变为监管当局面临的主要挑战。然而，尽管投入了大量资源用于实施基于风险监管方法，并且还提供了相当可观的技术援助，许多监管者仍持续面临实施有效基于风险监管体系的困难。1实施有效RBS框架所面临的困难的原因因国家而异，并涵盖了内部和外部因素。 RBS框架可以根据不同标准进行分解，其中一种将其分解为三大主要类别：A. 政策与程序、B. 能力与资源，以及 C. 工具与技术（图1）。我们通过审查在金融稳定评估计划（FSAPs）期间开展的关于《有效银行监管核心原则》（BCP）合规性的评估，对这三个类别进行了研究。作为这项研究的一部分，已审查了公开可用的FSAP文件，包括《金融部门评估》（WB）2金融体系稳定评估（国际货币基金组织）3关于详细评估以及国际金融机构的出版物。重要的是要注意，这项研究主要集中在审慎监管和遵守BCP原则方面。 研究发现，各司法管辖区在实施主要巴塞尔监管改革方面取得了稳步进展。4在此领域取得的进步部分得益于世界银行和国际货币基金组织（IMF）在近几十年来提供的广泛技术支持，以实现向有效银行监管体系的过渡。此外，这些技术援助项目显著加强了监管能力，尽管在许多国家保留经验丰富的工作人员仍是一个挑战。我们的研究还揭示了一个值得注意的趋势：大多数未能实施有效银行监管体系的国家往往完全忽视或严重低估了监管工具和技术的重要性。这一发现强调了工具和技术在成功建立银行监管框架中的关键作用。 严重依赖低级SupTech（超级技术）生成工具的流程。大多数最近的实施仍然停留在第一至第二代suptech中，而第四代SupTech工具（例如生成式人工智能）的实施率仅占7.6%。5在监管领域创新技术的采用速度较慢，尽管这可以归因于监管人员的普遍保守性，但技术提升监管流程的潜力与其实际应用之间的脱节，随着人工智能技术的快速发展，可能会进一步扩大。特别是，如果监管人员未能探索利用先进技术提高其生产力和识别、衡量及缓释风险的能力，那么备受期待的全面风险处置机制的有效实施可能会持续受阻。鉴于人工智能在金融业（尤其是金融科技公司）的广泛应用，这一点尤为重要。 作为我们研究的一部分，我们试图识别金融行业监管者在监管周期所有核心阶段所面临的主要挑战。在此背景下，我们关注了以下几点： a.市场进入 –其中包括新实体的许可、新子公司/分行的设立、股东批准以及管理层和关键人员的批准。 b.持续监管 –这包括宏观审慎监管和微观审慎监管（现场和离岸），分布在关键风险维度上。 c.解决与市场退出 –包括对金融机构进行重组和清算。 为识别监管活动中的主要挑战，该团队回顾了世界银行和IMF作为金融统计评估计划（FSAPs）一部分近年来开展的关于对巴塞尔协议合规性的评估。以下是该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）都具有特殊性。 有限的人力资源 上述每一项监管阶段都包含大量可评估和监控的风险参数。然而，重要的是 值得注意的是，由于资源限制，尤其是人力资源的限制，即使是发达国家，对特定金融机构的每项风险产生活动进行评估也是一个不切实际的任务。这就是RBS方法发挥作用的地方。RBS是一种监管策略，旨在帮助监管人员在现有资源的限制内履行职责。RBS的基本前提是，有限的监管资源主要分配用于评估和监控金融机构内的高风险运营和活动（图2）。有效RBS制度的基石在于监管机构准确识别高风险活动，并战略性地为其评估分配有限的资源。然而，实现这种平衡并不总是简单明了，并且一直是有效RBS制度实施中的一个持续挑战。即使随着AI的更广泛采用，RBS仍将保持高度相关性，并成为许多年的黄金标准。人类决策者在监管过程中将继续发挥关键作用，因为监管人员不太可能收集到完全自动化这些过程所需的全部细节数据。 Even when a supervisory authority successfully identifies risks and allocates高效利用资源，但它常发现资源不足以覆盖主要风险。这一点近年来随着数字化的发展尤为明显。促使金融机构迅速增加其业务的复杂性模型及其提供的服务范围。增加人员配置监管机构在大多数国家并非可行的选择。此类增长 往往不受欢迎且难以实施。鉴于这些约束，唯一可行的解决方案是找到在有限的人力资源下完成更多任务的方法——换句话说，提高生产力。 对监管流程的深入分析揭示，在许多监管机构中存在显著的自动化和优化潜力。尽管这种潜力在不同发展水平和成熟度的国家中的监管者之间存在差异，但当前监管流程通常涉及手工和重复性活动。这些活动并不总是需要复杂的资质或强烈的职业判断，但它们对于监管者达到可以应用职业判断的阶段仍然是必不可少的。然而，这些基础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。 收集、验证、交叉核查、数据丰富和请求数据等任务，是监管人员在应用其专业知识来解读趋势、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成熟到足以显著替代人类执行的多数非复杂监管活动，并可