AI时代的银行业：以AI驭险，更须为AI设防

以AI驭险，更须为AI设防 序言 本报告深入探讨了AI如何重塑金融业风控核心用例，包括客户身份识别（KYC）、反洗钱（AML）与欺诈检测。其不仅为日益激烈的AI模型验证讨论提供新视角，更精准回应了市场对快速部署AI解决方案的迫切需求。同时，为如何平衡AI风险、调整运营体系并完善治理机制提供了行动指南。我们相信，这套覆盖企业全场景的AI实施路线图，将助力贵组织破解转型困局，开启智能升级的新篇章。 银行业和金融市场正处于技术革新浪潮驱动的关键拐点。全球贸易摩擦升级，宏观经济风云变幻，金融机构在迷雾中亟需重塑商业与科技战略。 生成式AI与自主智能体AI双轮驱动，人工智能（AI）正高速进化。它们犹如战略杠杆，既能撬动个性化客户体验的竞争优势，又能提升运营效率。推动AI进行创新时，既要锐意突破，又需确保符合严格的监管要求。若想在企业范围内全面释放AI潜力，首先必须反思与优化现有的风险与合规体系。在这个AI融入金融血脉的时代，金融服务行业不仅需要升级技术验证体系，更需要重塑人才能力图谱，让风险管理成为每位银行从业者的肌肉记忆。 Shanker Ramamurthy 全球银行和金融市场执行合伙人IBM Consulting 摘要 风险、合规与验证部门的负责人深知，AI能够变革业务流程，创造竞争优势，但唯有先强化现有运营体系，筑牢运营根基，才能实现AI在企业范围内的规模化应用。 AI在欺诈检测、网络安全和KYC领域展现出巨大价值潜力。 在人才与技能方面，验证与风险控制存在关键缺口。 要让AI在企业内大规模落地，必须优先开展AI模型的压力测试。 63%的高管表示，压力测试模拟至关重要。在企业级部署前，必须解决AI系统可靠性和模型缺陷问题。48%的受访者反馈，下一阶段的优先事项是实时风险控制。 61%的高管认为，欺诈风险检测将为业务带来最大价值提升，网络安全以52%的得票率紧随其后。同时，45%的高管预计，AI将彻底革新AML和KYC流程。 61%的高管将模型验证列为优先强化的人才技能方向，46%则重点关注风控能力的建设。 指数级跃迁的技术革新，正深刻重塑银行服务与客户关系 金融服务业不断适应着混合云、AI及生成式AI等技术（见图1）。 Evolving banking withexponential technology金融服务与指数级技术的协同进化 在线银行的诞生，最早是在不改变网点中心模式下，为客户提供了更便捷的服务入口。然而，智能手机的普及使得数字银行异军突起，超越在线银行，成为客户互动的主流平台。 然而，面对核心银行业务的复杂需求，初代数字交互界面已力不从心。金融机构难以在数字渠道上深入触达客户，或快速推出新型产品与服务。 借助整合云技术，银行业不仅优化了全渠道服务能力，更实现了客户偏好的精准洞察。但单纯的数据积累，尚未能实现客户关系向数字化交互的全面转型。 新一项针对银行CEO的调研显示，超过60%的受访者认为，只有敢于冒风险，才能抓住自动化带来的竞争红利。1这一认知深刻表明，银行必须打造强大、可扩展的AI架构，同时培育全员参与的风险管理文化，让每位银行从业者都成为AI风险的守护者。 移动平台能够便利自助型用户，但高附加值的个性化金融建议，依旧需要人工智慧的支撑。若缺乏智能的对话交互能力，纯数字银行或将流失注重个性化财务规划的优质客群。 AI技术正向更高级形态演进，从机器学习发展到生成式AI与自主智能体AI，其不断重塑数字化交互的个性化和深度。 为深入洞察银行文化转型及运作流程变革，我们选取了资产规模超100亿美元的金融机构，对其风险、合规与验证（RCV）领域的100位高管展开调研。本次调研覆盖美国、英国、澳大利亚、印度、新加坡及德国六大英语系银行业市场，所得数据具有全球趋势代表性。调研结果揭示了AI时代银行业的双重使命：用AI防风险，亦要防AI带来的风险。 越来越多的消费者使用数字设备完成跨行业消费。消费者指尖轻触银行应用的瞬间，期待每笔交易都能无缝融入生活场景。银行服务无处不在，已从加分项变为标配，实时响应、智能应变的金融服务已成为常态。 然而，银行在拥抱创新时，必须同步强化系统韧性与安全防护，确保“快”不失稳。数字化转型机遇无限，却也暗藏风险，唯有严格管控，方能守护机构信誉与客户信任。在风险与机遇共存的变革中，最 “创新之路，既带来风险，也催生新合规。” Maria Cristina Arrastia Uribe前哥伦比亚银行业务副总裁2 观点 关税博弈下的金融业应变之道 国际贸易关税的加征，正加剧各国经济与地区间财政表现的差异。金融机构的不确定性日益攀升，最终业绩表现将取决于其业务模式、地域覆盖、多元布局与技术适应力。 投资银行与资本市场 企业银行与金融贸易 利率、外汇及股票市场的波动加剧或将为交易部门带来新机遇，活跃的交易与对冲业务将提升手续费收益。科技赋能的交易扩张能力结合可控的算力成本，将成为业绩增长新引擎。 全球供应链的中断或将抑制贸易融资的需求。大型企业客户信用风险的预期恶化，可能在短期内影响风险调整后的盈利能力。科技赋能带来的运营效能将成为财务绩效分水岭，助力机构精准评估客户延长供应链对流动资金的综合影响。 财富与投资管理 零售与商业银行 资本市场的不确定性或将影响投资者的风险偏好，管理资产规模（AUM）的减少或将降低手续费收入。对此，银行可借力咨询业务突围市场困局――科技赋能将成为规模化顾问服务的核心竞争力，但需有效驾驭生成式AI的应用风险。 通胀攀升与利率上行或推升短期信贷风险。贷款组合重构过程中，借助技术手段更新数据并优化风控模型，将直接影响盈利水平。 AI驱动风险与合规管理 本次调研揭示了风险、RCV部门高管对AI应用前景与实施难点的关键判断。 调研结果既具洞察力又颇具争议：61%的受访者聚焦欺诈检测风险，视其为职能范围内最具业务增值潜力的领域（见图2）。 这并不令人意外。当今欺诈手段日趋复杂且层出不穷，实时侦测与阻断非法交易的能力至关重要。网络安全以52%的关注度紧随其后，该领域的容错率近乎为零。 45%的受访者将KYC与AML流程列为第三大重点领域。这些领域长期以来一直是运营成本结构的致命弱点，囿于人工核验、系统陈旧与持续加码的监管重负。 然而，情况在此出现了耐人寻味的转折。虽然AI在降本领域备受期待，但仅不到40%的受访者视业务流程优化为核心价值增长点。数据显示，仅39%的受访者重点关注信贷风险管理与定价优化，而市场和流动性风险管理的重视度仅为28%。 这种谨慎态度揭示了一个深层现实：AI虽能重塑部分RCV环节，传统量化模型在核心环节仍牢握主导权。面对银行风险管理的核心领域，业界对全盘押注AI依旧保持审慎态度。事实上，正是将机器学习技术应用于现金流等运营数据，银行得以更有效地拓展数字渠道业务，并为中小企业等重点客群提供精准服务。 “机器学习提高了模型精度，我们才能将风险管理模式成功拓展至多渠道数字生态。” Davide Alfonsi 意大利联合圣保罗银行集团首席风险官3 AI面临两大棘手转型挑战 虽说AI在欺诈检测和网络安全方面颇有建树，但KYC与AML才是横亘在前的“行业珠峰”（见图3）。 个中缘由，不言自明。此类流程本身就如迷宫般错综复杂，既需要应对错综复杂的全球监管体系，又要以极高的精准度验证海量数据。这远非简单的数字处理，而是要在瞬息之间完成情境研判、行为解析与决策拍板的三重考验。 当被问及在关键RCV流程中使用AI的复杂度时，43%的金融机构高管将KYC和AML列为AI转型中最艰巨的任务。 至此，技术演进迎来全新拐点，自主智能体AI正式登场。与受限于具体任务指令的传统AI不同，自主智能体AI可自主调度多个子智能体，实现实时学习与自我迭代。 设想这样一个AI系统，它不仅能预警可疑交易，还能在数据关联分析和模式识别中实时展开调查。这一愿景令人振奋：未来的合规体系将突破形式主义，成为抵御金融犯罪的智能护盾，以及与时俱进的监管科技利器（详见观点：“自主智能体AI赋能客户识别”）。 观点 自主智能体AI赋能客户识别 客户尽职调查（CDD）作为KYC体系的核心环节，至关重要。作为反金融犯罪的监管利器，CDD有效打击洗钱与恐怖融资活动。金融机构需凭借专业研判能力，在持续升级的监管复杂度中破局，同时建立定期复核机制。 模式下，该流程呈线性推进，合规人员需逐项完成身份文件收集、真伪核验及风险评估，整套工序往往持续数日至数周不等。 在实现效率与透明度双提升的同时，为系统可信度注入强心剂。 此外，引入生成式AI，能够解析晦涩监管条文和客户信息的智能语境，打造近乎零停滞的流畅体验。这一技术跃进带来双重提升：AI带来的高透明度让监管决策“有据可查”，不但合规更精准，也让误解和争议大大减少。 自主智能体AI为CDD运营升级带来了颠覆性破局方案。借助并行运作的智能体，该技术实现处理时效的指数级提升，在增效降本的同时构建透明化合规链路，最终增强系统可信度。 这一挑战因涉及数据本身的非标准化特征和普遍存在的模糊性，导致CDD任务不得不依赖人工处理，不仅消耗大量资源，更因主观判断差异埋下一致性隐患。在传统 典型应用场景演示 标准KYC审查场景下，智能调度中枢统管多路AI代理，同步抓取政府数据库、客户端等多源数据。依托光学字符识别（OCR）和自然语言处理（NLP）技术，智能体凭借嵌入式专业知识验证文件。 这种并行处理能力能够大幅缩短审核周期，当AI智能体间的任务依赖实现无缝衔接时，传统耗时流程即刻蜕变为高效敏捷的新型作业模式。 观点 自主智能体AI赋能客户识别（续） 但要让自主智能体AI持续发挥效力，必须与时俱进地更新合规逻辑，并在业务全流程中实施AI模型的严格的风险管理。基于IBM的专业知识，这一流程包含系统化的检查节点。4这些节点包括： 精确化的目标设定。 价值学习机制。 制定智能体任务的完整定义架构，实现商业目标、合规红线与伦理准则的三维对齐。 赋能智能体通过数据训练、参数微调和结果反馈的闭环，持续进化对人类价值取向与企业战略重点的认知能力。 评估基准与框架。 目标驱动的安全边界。 通过动态规则引擎，实时约束与引导智能体的决策路径，确保目标达成过程合规可控。 利用评估基准验证特定应用场景的智能体，如软件开发智能体和对话智能体，在通用任务中的表现。评估其规划与推理能力，涵盖目标拆解、复杂逻辑推演及错误自修正等核心维度。 智能体行为实时追踪。 对智能体对齐度进行全时态追踪监测，包括目标遵循度和任务完成率等指标。 在监管边界与细则动态演进的时代，自主智能体AI特有的灵活性与可扩展性，正成为打造高韧性、低成本的KYC体系的关键支柱。 管理AI试验场 在那些高难度、高价值的AI应用领域引发热议的同时，另一场静水深流的变革正在发生。RCV高管报告称，合规报告系统的投入尚未列为高价值业务场景的重点用例。表面看来，这一现象似乎有悖常理。破解之道藏在风险管理艺术之中：既要驾驭传统银行业风险，更要驯服创新带来的未知变量（见图4）。 在AI应用中，合规报告或被视为风险可控的“安全试验区”。这一领域堪称完美的试验场：金融机构既能在此积累AI实战信心，打磨技术细节，更能沉淀关键数据资产，为攻克高阶应用蓄力。究其本质，这是精心设计的战略跳板，让银行能以可控节奏试航AI蓝海，规避激进转型的暗礁。 破局AI人才荒的战略路径 图5Figure 5 面对AI重塑风控体系的趋势，人才储备已成现代化转型的决胜点。 模型验证（61%）与风险管控（46%）两大领域，正面临最严峻的专业能力断层。没有这些专业能力，AI系统的可靠性与运行安全将难以保障。若缺乏这些领域的专业人才，再精密的AI系统也可能从战略资产沦为风险负债，危及企业战略初衷（见图5）。 企业范围内的AI规模部署 RCV团队逐步采用AI来重塑业务关键流程，同时，他们也意识到，要推动企业范围内的AI规模部署，必须要