AI

時(shí)代的銀行業(yè)以

AI

馭險(xiǎn)，更須為

AI

設(shè)防IBM

商業(yè)價(jià)值研究院

|

研究簡(jiǎn)報(bào)序言銀行業(yè)和金融市場(chǎng)正處于技術(shù)革新浪潮驅(qū)動(dòng)的關(guān)鍵拐點(diǎn)。全球貿(mào)易摩擦升級(jí)，宏觀經(jīng)濟(jì)風(fēng)云變幻，金融機(jī)構(gòu)在迷霧中亟需重塑商業(yè)與科技戰(zhàn)略。生成式

AI

與自主智能體

AI

雙輪驅(qū)動(dòng)，人工智能（AI）正高速進(jìn)化。它們猶如戰(zhàn)略杠桿，既能撬動(dòng)個(gè)性化客戶體驗(yàn)的競(jìng)爭(zhēng)優(yōu)勢(shì)，又能提升運(yùn)營(yíng)效率。推動(dòng)

AI

進(jìn)行創(chuàng)新時(shí)，既要銳意突破，又需確保符合嚴(yán)格的監(jiān)管要求。若想在企業(yè)范圍內(nèi)全面釋放

AI

潛力，首先必須反思與優(yōu)化現(xiàn)有的風(fēng)險(xiǎn)與合規(guī)體系。在這個(gè)

AI

融入金融血脈的時(shí)代，金融服務(wù)行業(yè)不僅需要升級(jí)技術(shù)驗(yàn)證體系，更需要重塑人才能力圖譜，讓風(fēng)險(xiǎn)管理成為每位銀行從業(yè)者的肌肉記憶。本報(bào)告深入探討了

AI

如何重塑金融業(yè)風(fēng)控核心用例，包括客戶身份識(shí)別（KYC）、反洗錢(qián)（AML）與欺詐檢測(cè)。其不僅為日益激烈的

AI

模型驗(yàn)證討論提供新視角，更精準(zhǔn)回應(yīng)了市場(chǎng)對(duì)快速部署

AI

解決方案的迫切需求。同時(shí)，為如何平衡

AI

風(fēng)險(xiǎn)、調(diào)整運(yùn)營(yíng)體系并完善治理機(jī)制提供了行動(dòng)指南。我們相信，這套覆蓋企業(yè)全場(chǎng)景的

AI

實(shí)施路線圖，將助力貴組織破解轉(zhuǎn)型困局，開(kāi)啟智能升級(jí)的新篇章。Shanker

Ramamurthy全球銀行和金融市場(chǎng)執(zhí)行合伙人IBM

ConsultingAI

時(shí)代的銀行業(yè)2摘要AI

在欺詐檢測(cè)、網(wǎng)絡(luò)安全和

KYC

領(lǐng)域展現(xiàn)出巨大價(jià)值潛力。61%

的高管認(rèn)為，欺詐風(fēng)險(xiǎn)檢測(cè)將為業(yè)務(wù)帶來(lái)最大價(jià)值提升，網(wǎng)絡(luò)安全以

52%

的得票率緊隨其后。同時(shí)，45%

的高管預(yù)計(jì)，AI

將徹底革新

AML和

KYC

流程。在人才與技能方面，驗(yàn)證與風(fēng)險(xiǎn)控制存在關(guān)鍵缺口。61%

的高管將模型驗(yàn)證列為優(yōu)先強(qiáng)化的人才技能方向，46%

則重點(diǎn)關(guān)注風(fēng)控能力的建設(shè)。要讓

AI

在企業(yè)內(nèi)大規(guī)模落地，必須優(yōu)先開(kāi)展

AI

模型的壓力測(cè)試。63%

的高管表示，壓力測(cè)試模擬至關(guān)重要。在企業(yè)級(jí)部署前，必須解決

AI

系統(tǒng)可靠性和模型缺陷問(wèn)題。48%

的受訪者反饋，下一階段的優(yōu)先事項(xiàng)是實(shí)時(shí)風(fēng)險(xiǎn)控制。風(fēng)險(xiǎn)、合規(guī)與驗(yàn)證部門(mén)的負(fù)責(zé)人深知，AI

能夠變革業(yè)務(wù)流程，創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)，但唯有先強(qiáng)化現(xiàn)有運(yùn)營(yíng)體系，筑牢運(yùn)營(yíng)根基，才能實(shí)現(xiàn)

AI

在企業(yè)范圍內(nèi)的規(guī)?；瘧?yīng)用。AI

時(shí)代的銀行業(yè)3金融服務(wù)業(yè)不斷適應(yīng)著混合云、AI

及生成式

AI等技術(shù)（見(jiàn)圖

1

）。在線銀行的誕生，最早是在不改變網(wǎng)點(diǎn)中心模式下，為客戶提供了更便捷的服務(wù)入口。然而，智能手機(jī)的普及使得數(shù)字銀行異軍突起，超越在線銀行，成為客戶互動(dòng)的主流平臺(tái)。然而，面對(duì)核心銀行業(yè)務(wù)的復(fù)雜需求，初代數(shù)字交互界面已力不從心。金融機(jī)構(gòu)難以在數(shù)字渠道上深入觸達(dá)客戶，或快速推出新型產(chǎn)品與服務(wù)。借助整合云技術(shù)，銀行業(yè)不僅優(yōu)化了全渠道服務(wù)能力，更實(shí)現(xiàn)了客戶偏好的精準(zhǔn)洞察。但單純的數(shù)據(jù)積累，尚未能實(shí)現(xiàn)客戶關(guān)系向數(shù)字化交互的全面轉(zhuǎn)型。指數(shù)級(jí)躍遷的技術(shù)革新正深刻重塑銀行服務(wù)與客戶關(guān)系數(shù)字化數(shù)字習(xí)慣深化物理網(wǎng)點(diǎn)式微混合云個(gè)性化流程阻力最小化服務(wù)精準(zhǔn)度躍升AI/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)溝通交互從被動(dòng)接受到智能對(duì)話從機(jī)械應(yīng)答到情感交互生成式

AI戰(zhàn)略客戶體驗(yàn)投資重點(diǎn)平臺(tái)化超越單一交易構(gòu)建場(chǎng)景化服務(wù)矩陣API

經(jīng)濟(jì)與平臺(tái)協(xié)同韌性與安全AI

時(shí)代的銀行業(yè)4圖

1金融服務(wù)與指數(shù)級(jí)技術(shù)的協(xié)同進(jìn)化移動(dòng)平臺(tái)能夠便利自助型用戶，但高附加值的個(gè)性化金融建議，依舊需要人工智慧的支撐。若缺乏智能的對(duì)話交互能力，純數(shù)字銀行或?qū)⒘魇ё⒅貍€(gè)性化財(cái)務(wù)規(guī)劃的優(yōu)質(zhì)客群。AI

技術(shù)正向更高級(jí)形態(tài)演進(jìn)，從機(jī)器學(xué)習(xí)發(fā)展到生成式

AI

與自主智能體

AI，其不斷重塑數(shù)字化交互的個(gè)性化和深度。越來(lái)越多的消費(fèi)者使用數(shù)字設(shè)備完成跨行業(yè)消費(fèi)。消費(fèi)者指尖輕觸銀行應(yīng)用的瞬間，期待每筆交易都能無(wú)縫融入生活場(chǎng)景。銀行服務(wù)無(wú)處不在，已從加分項(xiàng)變?yōu)闃?biāo)配，實(shí)時(shí)響應(yīng)、智能應(yīng)變的金融服務(wù)已成為常態(tài)。然而，銀行在擁抱創(chuàng)新時(shí)，必須同步強(qiáng)化系統(tǒng)韌性與安全防護(hù)，確?！翱臁辈皇Х€(wěn)。數(shù)字化轉(zhuǎn)型機(jī)遇無(wú)限，卻也暗藏風(fēng)險(xiǎn)，唯有嚴(yán)格管控，方能守護(hù)機(jī)構(gòu)信譽(yù)與客戶信任。在風(fēng)險(xiǎn)與機(jī)遇共存的變革中，最新一項(xiàng)針對(duì)銀行

CEO的調(diào)研顯示，超過(guò)

60%

的受訪者認(rèn)為，只有敢于冒風(fēng)險(xiǎn)，才能抓住自動(dòng)化帶來(lái)的競(jìng)爭(zhēng)紅利。1

這一認(rèn)知深刻表明，銀行必須打造強(qiáng)大、可擴(kuò)展的

AI

架構(gòu)，同時(shí)培育全員參與的風(fēng)險(xiǎn)管理文化，讓每位銀行從業(yè)者都成為

AI

風(fēng)險(xiǎn)的守護(hù)者。為深入洞察銀行文化轉(zhuǎn)型及運(yùn)作流程變革，我們選取了資產(chǎn)規(guī)模超100

億美元的金融機(jī)構(gòu)，對(duì)其風(fēng)險(xiǎn)、合規(guī)與驗(yàn)證（RCV）領(lǐng)域的

100位高管展開(kāi)調(diào)研。本次調(diào)研覆蓋美國(guó)、英國(guó)、澳大利亞、印度、新加坡及德國(guó)六大英語(yǔ)系銀行業(yè)市場(chǎng)，所得數(shù)據(jù)具有全球趨勢(shì)代表性。調(diào)研結(jié)果揭示了

AI

時(shí)代銀行業(yè)的雙重使命：用

AI

防風(fēng)險(xiǎn)，亦要防

AI帶來(lái)的風(fēng)險(xiǎn)?！皠?chuàng)新之路，既帶來(lái)風(fēng)險(xiǎn)，也催生新合規(guī)?！盡aria

Cristina

Arrastia

Uribe前哥倫比亞銀行業(yè)務(wù)副總裁

2AI

時(shí)代的銀行業(yè)5AI

時(shí)代的銀行業(yè) 6觀點(diǎn)關(guān)稅博弈下的金融業(yè)應(yīng)變之道國(guó)際貿(mào)易關(guān)稅的加征，正加劇各國(guó)經(jīng)濟(jì)與地區(qū)間財(cái)政表現(xiàn)的差異。金融機(jī)構(gòu)的不確定性日益攀升，最終業(yè)績(jī)表現(xiàn)將取決于其業(yè)務(wù)模式、地域覆蓋、多元布局與技術(shù)適應(yīng)力。6投資銀行與資本市場(chǎng)利率、外匯及股票市場(chǎng)的波動(dòng)加劇或?qū)榻灰撞块T(mén)帶來(lái)新機(jī)遇，活躍的交易與對(duì)沖業(yè)務(wù)將提升手續(xù)費(fèi)收益?？萍假x能的交易擴(kuò)張能力結(jié)合可控的算力成本，將成為業(yè)績(jī)?cè)鲩L(zhǎng)新引擎。零售與商業(yè)銀行通脹攀升與利率上行或推升短期信貸風(fēng)險(xiǎn)。貸款組合重構(gòu)過(guò)程中，借助技術(shù)手段更新數(shù)據(jù)并優(yōu)化風(fēng)控模型，將直接影響盈利水平。企業(yè)銀行與金融貿(mào)易全球供應(yīng)鏈的中斷或?qū)⒁种瀑Q(mào)易融資的需求。大型企業(yè)客戶信用風(fēng)險(xiǎn)的預(yù)期惡化，可能在短期內(nèi)影響風(fēng)險(xiǎn)調(diào)整后的盈利能力?？萍假x能帶來(lái)的運(yùn)營(yíng)效能將成為財(cái)務(wù)績(jī)效分水嶺，助力機(jī)構(gòu)精準(zhǔn)評(píng)估客戶延長(zhǎng)供應(yīng)鏈對(duì)流動(dòng)資金的綜合影響。財(cái)富與投資管理資本市場(chǎng)的不確定性或?qū)⒂绊懲顿Y者的風(fēng)險(xiǎn)偏好，管理資產(chǎn)規(guī)模（AUM）的減少或?qū)⒔档褪掷m(xù)費(fèi)收入。對(duì)此，銀行可借力咨詢(xún)業(yè)務(wù)突圍市場(chǎng)困局――科技賦能將成為規(guī)?；檰?wèn)服務(wù)的核心競(jìng)爭(zhēng)力，但需有效駕馭生成式

AI

的應(yīng)用風(fēng)險(xiǎn)。本次調(diào)研揭示了風(fēng)險(xiǎn)、RCV

部門(mén)高管對(duì)

AI

應(yīng)用前景與實(shí)施難點(diǎn)的關(guān)鍵判斷。調(diào)研結(jié)果既具洞察力又頗具爭(zhēng)議：61%

的受訪者聚焦欺詐檢測(cè)風(fēng)險(xiǎn)，視其為職能范圍內(nèi)最具業(yè)務(wù)增值潛力的領(lǐng)域（見(jiàn)圖

2）。AI

驅(qū)動(dòng)風(fēng)險(xiǎn)與合規(guī)管理圖

2AI

賦能風(fēng)控合規(guī)領(lǐng)域的價(jià)值潛力61%28%28%37%39%45%52%欺詐檢測(cè)網(wǎng)絡(luò)安全KYC、AML信用風(fēng)險(xiǎn)分析合規(guī)報(bào)告市場(chǎng)與流動(dòng)性風(fēng)險(xiǎn)數(shù)據(jù)驗(yàn)證0%20%40%60%80%100%這并不令人意外。當(dāng)今欺詐手段日趨復(fù)雜且層出不窮，實(shí)時(shí)偵測(cè)與阻斷非法交易的能力至關(guān)重要。網(wǎng)絡(luò)安全以

52%

的關(guān)注度緊隨其后，該領(lǐng)域的容錯(cuò)率近乎為零。45%

的受訪者將

KYC

與

AML

流程列為第三大重點(diǎn)領(lǐng)域。這些領(lǐng)域長(zhǎng)期以來(lái)一直是運(yùn)營(yíng)成本結(jié)構(gòu)的致命弱點(diǎn)，囿于人工核驗(yàn)、系統(tǒng)陳舊與持續(xù)加碼的監(jiān)管重負(fù)。AI

時(shí)代的銀行業(yè)7然而，情況在此出現(xiàn)了耐人尋味的轉(zhuǎn)折。雖然

AI

在降本領(lǐng)域備受期待，但僅不到

40%

的受訪者視業(yè)務(wù)流程優(yōu)化為核心價(jià)值增長(zhǎng)點(diǎn)。數(shù)據(jù)顯示，僅

39%

的受訪者重點(diǎn)關(guān)注信貸風(fēng)險(xiǎn)管理與定價(jià)優(yōu)化，而市場(chǎng)和流動(dòng)性風(fēng)險(xiǎn)管理的重視度僅為

28%。這種謹(jǐn)慎態(tài)度揭示了一個(gè)深層現(xiàn)實(shí)：AI

雖能重塑部分

RCV

環(huán)節(jié)，傳統(tǒng)量化模型在核心環(huán)節(jié)仍牢握主導(dǎo)權(quán)。面對(duì)銀行風(fēng)險(xiǎn)管理的核心領(lǐng)域，業(yè)界對(duì)全盤(pán)押注

AI

依舊保持審慎態(tài)度。事實(shí)上，正是將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于現(xiàn)金流等運(yùn)營(yíng)數(shù)據(jù)，銀行得以更有效地拓展數(shù)字渠道業(yè)務(wù)，并為中小企業(yè)等重點(diǎn)客群提供精準(zhǔn)服務(wù)?！皺C(jī)器學(xué)習(xí)提高了模型精度，我們才能將風(fēng)險(xiǎn)管理模式成功拓展至多渠道數(shù)Davide

Alfonsi字生態(tài)。”意大利聯(lián)合圣保羅銀行集團(tuán)首席風(fēng)險(xiǎn)官

3AI

時(shí)代的銀行業(yè)8雖說(shuō)

AI

在欺詐檢測(cè)和網(wǎng)絡(luò)安全方面頗有建樹(shù)，但

KYC

與

AML

才是橫亙?cè)谇暗摹靶袠I(yè)珠峰”（見(jiàn)圖

3）。當(dāng)被問(wèn)及在關(guān)鍵

RCV

流程中使用

AI

的復(fù)雜度時(shí)，43%

的金融機(jī)構(gòu)高管將

KYC

和

AML

列為AI

轉(zhuǎn)型中最艱巨的任務(wù)。AI

面臨兩大棘手轉(zhuǎn)型挑戰(zhàn)43%19%22%33%33%33%36%圖

3風(fēng)險(xiǎn)與合規(guī)領(lǐng)域的復(fù)雜困局KYC、AML欺詐檢測(cè)合規(guī)報(bào)告網(wǎng)絡(luò)安全信用風(fēng)險(xiǎn)分析市場(chǎng)與流動(dòng)性風(fēng)險(xiǎn)數(shù)據(jù)驗(yàn)證0%20%40%60%80%100%個(gè)中緣由，不言自明。此類(lèi)流程本身就如迷宮般錯(cuò)綜復(fù)雜，既需要應(yīng)對(duì)錯(cuò)綜復(fù)雜的全球監(jiān)管體系，又要以極高的精準(zhǔn)度驗(yàn)證海量數(shù)據(jù)。這遠(yuǎn)非簡(jiǎn)單的數(shù)字處理，而是要在瞬息之間完成情境研判、行為解析與決策拍板的三重考驗(yàn)。至此，技術(shù)演進(jìn)迎來(lái)全新拐點(diǎn)，自主智能體AI

正式登場(chǎng)。與受限于具體任務(wù)指令的傳統(tǒng)AI

不同，自主智能體

AI

可自主調(diào)度多個(gè)子智能體，實(shí)現(xiàn)實(shí)時(shí)學(xué)習(xí)與自我迭代。設(shè)想這樣一個(gè)

AI

系統(tǒng)，它不僅能預(yù)警可疑交易，還能在數(shù)據(jù)關(guān)聯(lián)分析和模式識(shí)別中實(shí)時(shí)展開(kāi)調(diào)查。這一愿景令人振奮：未來(lái)的合規(guī)體系將突破形式主義，成為抵御金融犯罪的智能護(hù)盾，以及與時(shí)俱進(jìn)的監(jiān)管科技利器（詳見(jiàn)觀點(diǎn)：“自主智能體

AI

賦能客戶識(shí)別”）。AI

時(shí)代的銀行業(yè)9觀點(diǎn)AI

時(shí)代的銀行業(yè)1100自主智能體

AI

賦能客戶識(shí)別客戶盡職調(diào)查（CDD）作為

KYC

體系的核心環(huán)節(jié)，至關(guān)重要。作為反金融犯罪的監(jiān)管利器，CDD

有效打擊洗錢(qián)與恐怖融資活動(dòng)。

金融機(jī)構(gòu)需憑借專(zhuān)業(yè)研判能力，在持續(xù)升級(jí)的監(jiān)管復(fù)雜度中破局，同時(shí)建立定期復(fù)核機(jī)制。這一挑戰(zhàn)因涉及數(shù)據(jù)本身的非標(biāo)準(zhǔn)化特征和普遍存在的模糊性，導(dǎo)致

CDD

任務(wù)不得不依賴(lài)人工處理，不僅消耗大量資源，更因主觀判斷差異埋下一致性隱患。在傳統(tǒng)模式下，該流程呈線性推進(jìn)，合規(guī)人員需逐項(xiàng)完成身份文件收集、真?zhèn)魏蓑?yàn)及風(fēng)險(xiǎn)評(píng)估，整套工序往往持續(xù)數(shù)日至數(shù)周不等。自主智能體

AI

為

CDD

運(yùn)營(yíng)升級(jí)帶來(lái)了顛覆性破局方案。借助并行運(yùn)作的智能體，該技術(shù)實(shí)現(xiàn)處理時(shí)效的指數(shù)級(jí)提升，在增效降本的同時(shí)構(gòu)建透明化合規(guī)鏈路，最終增強(qiáng)系統(tǒng)可信度。在實(shí)現(xiàn)效率與透明度雙提升的同時(shí)，為系統(tǒng)可信度注入強(qiáng)心劑。此外，引入生成式

AI，能夠解析晦澀監(jiān)管條文和客戶信息的智能語(yǔ)境，打造近乎零停滯的流暢體驗(yàn)。這一技術(shù)躍進(jìn)帶來(lái)雙重提升：AI

帶來(lái)的高透明度讓監(jiān)管決策“有據(jù)可查”，不但合規(guī)更精準(zhǔn)，也讓誤解和爭(zhēng)議大大減少。典型應(yīng)用場(chǎng)景演示標(biāo)準(zhǔn)

KYC

審查場(chǎng)景下，智能調(diào)度中樞統(tǒng)管多路

AI

代理，同步抓取政府?dāng)?shù)據(jù)庫(kù)、客戶端等多源數(shù)據(jù)。依托光學(xué)字符識(shí)別（OCR）和自然語(yǔ)言處理（NLP）技術(shù)，智能體憑借嵌入式專(zhuān)業(yè)知識(shí)驗(yàn)證文件。這種并行處理能力能夠大幅縮短審核周期，當(dāng)

AI

智能體間的任務(wù)依賴(lài)實(shí)現(xiàn)無(wú)縫銜接時(shí)，傳統(tǒng)耗時(shí)流程即刻蛻變?yōu)楦咝艚莸男滦妥鳂I(yè)模式。觀點(diǎn)自主智能體

AI

賦能客戶識(shí)別（續(xù)）但要讓自主智能體

AI

持續(xù)發(fā)揮效力，必須與時(shí)俱進(jìn)地更新合規(guī)邏輯，并在業(yè)務(wù)全流程中實(shí)施

AI

模型的嚴(yán)格的風(fēng)險(xiǎn)管理。基于

IBM

的專(zhuān)業(yè)知識(shí)，這一流程包含系統(tǒng)化的檢查節(jié)點(diǎn)。4

這些節(jié)點(diǎn)包括：精確化的目標(biāo)設(shè)定。制定智能體任務(wù)的完整定義架構(gòu)，實(shí)現(xiàn)商業(yè)目標(biāo)、合規(guī)紅線與倫理準(zhǔn)則的三維對(duì)齊。目標(biāo)驅(qū)動(dòng)的安全邊界。通過(guò)動(dòng)態(tài)規(guī)則引擎，實(shí)時(shí)約束與引導(dǎo)智能體的決策路徑，確保目標(biāo)達(dá)成過(guò)程合規(guī)可控。智能體行為實(shí)時(shí)追蹤。對(duì)智能體對(duì)齊度進(jìn)行全時(shí)態(tài)追蹤監(jiān)測(cè)，包括目標(biāo)遵循度和任務(wù)完成率等指標(biāo)。在監(jiān)管邊界與細(xì)則動(dòng)態(tài)演進(jìn)的時(shí)代，自主智能體

AI

特有的靈活性與可擴(kuò)展性，正成為打造高韌性、低成本的

KYC體系的關(guān)鍵支柱。價(jià)值學(xué)習(xí)機(jī)制。賦能智能體通過(guò)數(shù)據(jù)訓(xùn)練、參數(shù)微調(diào)和結(jié)果反饋的閉環(huán)，持續(xù)進(jìn)化對(duì)人類(lèi)價(jià)值取向與企業(yè)戰(zhàn)略重點(diǎn)的認(rèn)知能力。評(píng)估基準(zhǔn)與框架。利用評(píng)估基準(zhǔn)驗(yàn)證特定應(yīng)用場(chǎng)景的智能體，如軟件開(kāi)發(fā)智能體和對(duì)話智能體，在通用任務(wù)中的表現(xiàn)。評(píng)估其規(guī)劃與推理能力，涵蓋目標(biāo)拆解、復(fù)雜邏輯推演及錯(cuò)誤自修正等核心維度。AI

時(shí)代的銀行業(yè)1111在那些高難度、高價(jià)值的

AI

應(yīng)用領(lǐng)域引發(fā)熱議的同時(shí)，另一場(chǎng)靜水深流的變革正在發(fā)生。RCV

高管報(bào)告稱(chēng)，合規(guī)報(bào)告系統(tǒng)的投入尚未列為高價(jià)值業(yè)務(wù)場(chǎng)景的重點(diǎn)用例。表面看來(lái)，這一現(xiàn)象似乎有悖常理。破解之道藏在風(fēng)險(xiǎn)管理藝術(shù)之中：既要駕馭傳統(tǒng)銀行業(yè)風(fēng)險(xiǎn)，更要馴服創(chuàng)新帶來(lái)的未知變量（見(jiàn)圖

4）。在

AI

應(yīng)用中，合規(guī)報(bào)告或被視為風(fēng)險(xiǎn)可控的“安全試驗(yàn)區(qū)”。這一領(lǐng)域堪稱(chēng)完美的試驗(yàn)場(chǎng)：金融機(jī)構(gòu)既能在此積累

AI

實(shí)戰(zhàn)信心，打磨技術(shù)細(xì)節(jié)，更能沉淀關(guān)鍵數(shù)據(jù)資產(chǎn)，為攻克高階應(yīng)用蓄力。究其本質(zhì)，這是精心設(shè)計(jì)的戰(zhàn)略跳板，讓銀行能以可控節(jié)奏試航

AI

藍(lán)海，規(guī)避激進(jìn)轉(zhuǎn)型的暗礁。管理

AI

試驗(yàn)場(chǎng)圖

4AI

投資在風(fēng)險(xiǎn)與合規(guī)領(lǐng)域的優(yōu)先級(jí)KYC、AML36%1AI

時(shí)代的銀行業(yè)1122網(wǎng)絡(luò)安全35%2合規(guī)報(bào)告35%3欺27詐%

檢測(cè)4數(shù)據(jù)驗(yàn)證20%信16用%

風(fēng)險(xiǎn)分析市9%場(chǎng)與流動(dòng)性風(fēng)險(xiǎn)756面對(duì)

AI

重塑風(fēng)控體系的趨勢(shì)，人才儲(chǔ)備已成現(xiàn)代化轉(zhuǎn)型的決勝點(diǎn)。模型驗(yàn)證（61%）與風(fēng)險(xiǎn)管控（46%）兩大領(lǐng)域，正面臨最嚴(yán)峻的專(zhuān)業(yè)能力斷層。沒(méi)有這些專(zhuān)業(yè)能力，AI

系統(tǒng)的可靠性與運(yùn)行安全將難以保障。若缺乏這些領(lǐng)域的專(zhuān)業(yè)人才，再精密的

AI

系統(tǒng)也可能從戰(zhàn)略資產(chǎn)淪為風(fēng)險(xiǎn)負(fù)債，危及企業(yè)戰(zhàn)略初衷（見(jiàn)圖

5）。破局

AI

人才荒的戰(zhàn)略路徑圖

5AI

在風(fēng)險(xiǎn)與合規(guī)職能的人才缺口數(shù)據(jù)管理驗(yàn)證風(fēng)險(xiǎn)管控監(jiān)管法務(wù)61%7%21%21%建模/參數(shù)校準(zhǔn)24%46%AI

時(shí)代的銀行業(yè)1133企業(yè)范圍內(nèi)的

AI規(guī)模部署圖

6企業(yè)范圍內(nèi)的

AI

規(guī)模部署的

RCV

優(yōu)先舉措RCV

團(tuán)隊(duì)逐步采用

AI

來(lái)重塑業(yè)務(wù)關(guān)鍵流程，同時(shí)，他們也意識(shí)到，要推動(dòng)企業(yè)范圍內(nèi)的AI

規(guī)模部署，必須要管理好運(yùn)營(yíng)流程本身。在技術(shù)日新月異的背景之下，風(fēng)控驗(yàn)證與應(yīng)用卻需步步為營(yíng)，這種節(jié)奏差異亟需協(xié)調(diào)。機(jī)構(gòu)必須加大對(duì)風(fēng)險(xiǎn)與合規(guī)職能的投資，同時(shí)幫助

RCV

團(tuán)隊(duì)對(duì)工作方式進(jìn)行轉(zhuǎn)型，打造更加自動(dòng)化、以

AI

驅(qū)動(dòng)的金融服務(wù)空間。調(diào)研中，我們請(qǐng)受訪者評(píng)估，哪些舉措能夠助力

RCV

職能實(shí)現(xiàn)企業(yè)范圍內(nèi)的

AI

規(guī)模部署，同時(shí)管理相關(guān)風(fēng)險(xiǎn)（見(jiàn)圖

6）。Figure

6Initiativestosupportscaling

AIacrossthe

enterprise壓力測(cè)試模擬實(shí)時(shí)風(fēng)控人才與技能數(shù)據(jù)治理體系11%20%23%第三方風(fēng)險(xiǎn)33%48%63%AI

時(shí)代的銀行業(yè)1144ABaI

n時(shí)k代ing的in銀th行e業(yè)AI

era1155調(diào)研結(jié)果揭示了三大關(guān)鍵舉措的戰(zhàn)略?xún)r(jià)值：–

壓力測(cè)試模擬。63%

的受訪者將其視為首要優(yōu)先事項(xiàng)，模擬在

AI

系統(tǒng)評(píng)估的可行性與可靠性中至關(guān)重要。其能夠在

AI

部署前識(shí)別模型隱患，降低運(yùn)行風(fēng)險(xiǎn)。實(shí)時(shí)風(fēng)控。48%

的受訪者表示支持，該機(jī)制提供持續(xù)的實(shí)時(shí)監(jiān)測(cè)。同時(shí)即時(shí)校正，防止

AI

系統(tǒng)產(chǎn)生偏離或生成錯(cuò)誤信息。人才與技能。33%

的受訪者認(rèn)為，人才與技能是推動(dòng)

AI

技術(shù)落地的重要引擎?！氨O(jiān)管合規(guī)與金融風(fēng)險(xiǎn)管理必須落實(shí)。但不能再用陳舊思維處理全新問(wèn)題。要想真正實(shí)現(xiàn)融合，必須全面重塑技能、團(tuán)隊(duì)、文化、評(píng)估方式乃至激勵(lì)機(jī)制?！盋hristoffer

MalmerSEB

首席財(cái)務(wù)官

5這三項(xiàng)優(yōu)先舉措揭示了一條成功之路：唯有全局洞察、細(xì)致治理以及成熟風(fēng)控，才能夠?qū)崿F(xiàn)企業(yè)范圍內(nèi)的

AI

規(guī)模應(yīng)用。在采取關(guān)鍵措施的同時(shí)，要求風(fēng)險(xiǎn)與合規(guī)職能張弛有度，在提速創(chuàng)新與穩(wěn)步風(fēng)控之間找到平衡點(diǎn)。風(fēng)險(xiǎn)等級(jí)分層，已成為RCV團(tuán)隊(duì)在AI治理中的主流思路（見(jiàn)圖

7）。此結(jié)構(gòu)化方法可優(yōu)先聚焦高風(fēng)險(xiǎn)應(yīng)用場(chǎng)景，實(shí)現(xiàn)資源的有序傾斜。令人意外的是，盡管網(wǎng)絡(luò)安全是

AI

戰(zhàn)略的基石，但其在優(yōu)先級(jí)排序中卻遭忽視。AI

用例的風(fēng)控分級(jí)管理圖

7分級(jí)管控的核心方法客戶接觸點(diǎn)24%風(fēng)險(xiǎn)等級(jí)37%敏感數(shù)據(jù)20%網(wǎng)絡(luò)安全19%AI

時(shí)代的銀行業(yè)16實(shí)時(shí)監(jiān)控短板整改若想在企業(yè)范圍內(nèi)實(shí)現(xiàn)

AI

規(guī)?；瘧?yīng)用，第二優(yōu)先級(jí)舉措即實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)控（見(jiàn)圖

6）。圖

8始終為高風(fēng)險(xiǎn)

AI

用例配置這些風(fēng)控手段的機(jī)構(gòu)占比實(shí)時(shí)監(jiān)控定期審查對(duì)標(biāo)分析人機(jī)協(xié)同25%32%34%41%此項(xiàng)實(shí)踐至關(guān)重要，但僅

25%

的受訪者真正做到落實(shí)（見(jiàn)圖

8）。只有彌補(bǔ)這一差距，AI

部署才能行穩(wěn)致遠(yuǎn)。要內(nèi)建

AI

模型及用例的實(shí)時(shí)監(jiān)控，銀行需在戰(zhàn)略與能力建設(shè)方面進(jìn)行針對(duì)性投資。AI

時(shí)代的銀行業(yè)17商業(yè)環(huán)境的經(jīng)濟(jì)不確定性日益加劇，AI

正逐步成為金融行業(yè)之盾，既能提升風(fēng)控韌性，又能優(yōu)化

KYC、AML

與反欺詐能力工具以及增強(qiáng)網(wǎng)絡(luò)安全。但

AI

不能萬(wàn)能鑰匙，目前僅

25%

的銀行對(duì)關(guān)鍵AI

應(yīng)用配備“實(shí)時(shí)安全帶”，隱患仍不容忽視。AI

時(shí)代來(lái)臨，您可采取以下六個(gè)戰(zhàn)略步驟來(lái)加強(qiáng)風(fēng)險(xiǎn)管理與監(jiān)管合規(guī)。AI

時(shí)代的銀行業(yè)18行動(dòng)指南筑牢

AI

人才根基。一套全面的

AI

素養(yǎng)課程，應(yīng)包含編程、數(shù)據(jù)分析等技術(shù)技能，也應(yīng)包含

AI

倫理、法律影響和社會(huì)影響等非技術(shù)領(lǐng)域。引入跨學(xué)科視角，理解

AI

影響力，并培養(yǎng)員工識(shí)別

AI

偏見(jiàn)及公平性的火眼金睛。定制化培訓(xùn)需契合組織需求，對(duì)外提升客戶

AI

體驗(yàn)，對(duì)內(nèi)優(yōu)化流程效率。營(yíng)造安全心理氛圍，有利于多元發(fā)聲，推動(dòng)風(fēng)險(xiǎn)識(shí)別，對(duì)齊培訓(xùn)與業(yè)務(wù)目標(biāo)，并增強(qiáng)員工洞察

AI

風(fēng)險(xiǎn)責(zé)任。運(yùn)營(yíng)韌性構(gòu)建。自主管理關(guān)鍵業(yè)務(wù)的自主智能體也帶來(lái)了復(fù)雜的依賴(lài)關(guān)系，其中任何一個(gè)環(huán)節(jié)的故障都或?qū)?dǎo)致整個(gè)工作流程中斷。應(yīng)對(duì)這一挑戰(zhàn)，關(guān)鍵流程必須有備用方案，以防AI

宕機(jī)。從繪制風(fēng)險(xiǎn)地圖，到實(shí)戰(zhàn)演練突發(fā)場(chǎng)景，才能真正做到“防患于未然”。沙盒環(huán)境提供

AI

試水測(cè)試更新，讓真實(shí)系統(tǒng)更加穩(wěn)定；分區(qū)隔離則大大限制了故障的影響范圍。實(shí)時(shí)風(fēng)控增強(qiáng)。AI

時(shí)代的銀行業(yè)19構(gòu)建統(tǒng)一的

AI實(shí)時(shí)監(jiān)控中樞――全面追蹤性能、延遲、質(zhì)量與成本，提前鎖定風(fēng)險(xiǎn)隱患。此方法提供切實(shí)可行的洞察，能夠在風(fēng)險(xiǎn)擴(kuò)大前將其化解。集中式監(jiān)控能夠讓新

AI

部署項(xiàng)目利用現(xiàn)有設(shè)施，無(wú)需重新搭建。將風(fēng)險(xiǎn)管理寫(xiě)入系統(tǒng)代碼，自動(dòng)把握運(yùn)營(yíng)與倫理底線。第三方風(fēng)險(xiǎn)管理。組織對(duì)

AI

外包的依賴(lài)性不斷增強(qiáng)，因此必須建立明確的問(wèn)責(zé)邊界，厘清供應(yīng)鏈職責(zé)分工。采購(gòu)、法務(wù)與

AI

專(zhuān)家“三駕馬車(chē)”，共同制定供應(yīng)商準(zhǔn)則，防范風(fēng)險(xiǎn)。合同必須透明，清晰闡明

AI

功能變更、安全措施及偏差控制策略等內(nèi)容。定期審計(jì)和績(jī)效評(píng)估推動(dòng)執(zhí)行驗(yàn)證標(biāo)準(zhǔn)；數(shù)據(jù)使用的披露要求，如版權(quán)素材和對(duì)標(biāo)模型，則推動(dòng)信任建立。網(wǎng)絡(luò)安全實(shí)踐嵌入。AI

加劇安全風(fēng)險(xiǎn)，組織需聯(lián)動(dòng)網(wǎng)絡(luò)安全與風(fēng)控團(tuán)隊(duì)升級(jí)防護(hù)體系，針對(duì)性化解

AI

衍生威脅。進(jìn)行攻防演練，通過(guò)模擬攻擊主動(dòng)暴露防御短板。安全洞察融入治理駕駛艙，實(shí)現(xiàn)本地與云端

AI

系統(tǒng)的風(fēng)景全景監(jiān)控。從開(kāi)發(fā)到高層跨職能協(xié)同，筑牢

AI

安全第一道防線。借助“代碼即控制”方案，將加密、權(quán)限管理等安全策略嵌入

AI

全生命周期，

實(shí)現(xiàn)一致化與自動(dòng)化。軟件開(kāi)發(fā)生命周期（SDLC）優(yōu)化。為平衡創(chuàng)新與風(fēng)險(xiǎn)管理，應(yīng)設(shè)立清晰邊界，明確

AI

編碼使用范圍與人工審核的必要時(shí)機(jī)。對(duì)開(kāi)發(fā)者進(jìn)行提示工程、代碼驗(yàn)證及偏差檢測(cè)的培訓(xùn)，輔以

AI

倫理與安全手冊(cè)支持，推動(dòng)可信

AI

應(yīng)用落地。自動(dòng)化代碼分析可提前識(shí)別部署風(fēng)險(xiǎn)漏洞，同時(shí)由高級(jí)開(kāi)發(fā)者進(jìn)行質(zhì)量把關(guān)，確保

AI

代碼穩(wěn)健運(yùn)行。嚴(yán)格測(cè)試保障系統(tǒng)穩(wěn)健，清晰記錄

AI

與人工各自貢獻(xiàn)，完善可追溯性與問(wèn)責(zé)機(jī)制。建立

AI

風(fēng)險(xiǎn)審查管理人員，監(jiān)管工具在

CI/CD

流程的集成風(fēng)險(xiǎn)。作者Shanker

RamamurthyIBM

Consulting，全球銀行和金融市場(chǎng)執(zhí)行合伙人/in/shankerramamurthyShanker

領(lǐng)導(dǎo)核心銀行現(xiàn)代化與支付業(yè)務(wù)。他是

IBM

加速團(tuán)隊(duì)成員，在全球擁有多項(xiàng)專(zhuān)利和白皮書(shū)，并榮登《Euromoney》50

位最具影響力的顧問(wèn)之一。Paolo

領(lǐng)導(dǎo)

IBM

在銀行與金融市場(chǎng)的

IBV

研究。他是業(yè)內(nèi)公認(rèn)的金融科技意見(jiàn)領(lǐng)袖，同時(shí)主持《The

Bankers'

Bookshelf》播客。他是一位著名的數(shù)字化轉(zhuǎn)型與量化金融的暢銷(xiāo)書(shū)作者。Rashmi

深耕金融業(yè)二十七載，專(zhuān)注推動(dòng)商業(yè)和投資銀行和資產(chǎn)財(cái)富管理領(lǐng)域?qū)崿F(xiàn)業(yè)務(wù)轉(zhuǎn)型升級(jí)。她通過(guò)自主智能體、混合云、RPA、區(qū)塊鏈及量子及等前沿科技，為美國(guó)金融機(jī)構(gòu)創(chuàng)造了可量化的業(yè)務(wù)增長(zhǎng)。Marc

成功指導(dǎo)多家銀行和保險(xiǎn)負(fù)責(zé)人完成戰(zhàn)略轉(zhuǎn)型與運(yùn)營(yíng)變革。他引入金融行業(yè)先進(jìn)創(chuàng)新實(shí)踐，推動(dòng)重大現(xiàn)代化建設(shè)項(xiàng)目。曾任

PwC

和

Accenture

合伙人，畢業(yè)于法國(guó)

ESSEC

商學(xué)院，并獲得法國(guó)國(guó)家功績(jī)騎士勛章。Paolo

SironiIBM

Consulting，銀行和金融市場(chǎng)全球研究負(fù)責(zé)人/in/thepsironiRashmi

DasIBM

Consulting，美國(guó)銀行和金融市場(chǎng)行業(yè)負(fù)責(zé)人、客戶管理合伙人/in/rashmidasMarc

HaddadIBM

Consulting，EMEA

高級(jí)合伙人，金融服務(wù)事業(yè)部負(fù)責(zé)人/in/marcadadPrashant

擁有

25

年以上全球金融服務(wù)行業(yè)的領(lǐng)導(dǎo)經(jīng)驗(yàn)。AI

時(shí)代的銀行業(yè)20他曾任花旗銀行

EMEA

資金業(yè)務(wù)技術(shù)負(fù)責(zé)人，主導(dǎo)開(kāi)發(fā)印度政權(quán)市場(chǎng)電子交易平臺(tái)。Prashant

在

AI、云計(jì)算及數(shù)字化轉(zhuǎn)型領(lǐng)域擁有深厚經(jīng)驗(yàn)，通過(guò)現(xiàn)代化改造優(yōu)化客戶體驗(yàn)。Prashant

JajodiaIBM

Consulting，UKI

管理合伙人，金融服務(wù)事業(yè)部負(fù)責(zé)人/in/prashantjajodiaAsanga

LokusooriyaIBM

Consulting，高級(jí)客戶合伙人兼金融服務(wù)事業(yè)部負(fù)責(zé)人/in/asangalokusooriyaAsanga

擁有

25

年以上的豐富從業(yè)經(jīng)驗(yàn)，正通過(guò)數(shù)據(jù)與生成式

AI

推動(dòng)跨行業(yè)的業(yè)務(wù)增長(zhǎng)。這位技術(shù)與戰(zhàn)略雙棲專(zhuān)家，以一線實(shí)戰(zhàn)經(jīng)驗(yàn)積累的方法論，持續(xù)推動(dòng)前沿技術(shù)向企業(yè)價(jià)值的高效轉(zhuǎn)化。作者Liaquat

攜手銀行高管，共同推進(jìn)

AI

驅(qū)動(dòng)的數(shù)字化戰(zhàn)略，打造實(shí)時(shí)、高效、個(gè)性化的客戶與員工體驗(yàn)。他憑借在云計(jì)算、數(shù)據(jù)與

AI

領(lǐng)域的專(zhuān)業(yè)能力，協(xié)助銀行實(shí)現(xiàn)降本增效，推進(jìn)重大轉(zhuǎn)型項(xiàng)目。Fabio

深耕咨詢(xún)、數(shù)字化轉(zhuǎn)型、AI

及云遷移等領(lǐng)域三十載，是經(jīng)驗(yàn)豐富的

IT

戰(zhàn)略領(lǐng)導(dǎo)者。他精通銷(xiāo)售與客戶管理，在金融行業(yè)展現(xiàn)出卓越領(lǐng)導(dǎo)能力，曾引領(lǐng)巴西及拉丁美洲地區(qū)的多家銀行實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。Yuuji

自

1998年加入

IBM，已在過(guò)去

25年持續(xù)幫助日本金融機(jī)構(gòu)解決各種復(fù)雜挑戰(zhàn)。他被譽(yù)為日本金融行業(yè)的領(lǐng)軍人物與思想領(lǐng)袖。Liaquat

ParkarIBM

Consulting，銀行高級(jí)合伙人/in/liaquatparkarFabioCarvalho

PessoaIBM

Consulting，拉丁美洲，副總裁、高級(jí)合伙人，金融服務(wù)領(lǐng)域負(fù)責(zé)人/in/fabio-carvalho-pessoa-12a7b452Yuuji

SonkuIBM

Consulting，日本，銀行與金融市場(chǎng)（BKFM)管理合伙人，行業(yè)負(fù)責(zé)人/in/yuji-sonku-b896501ab特別感謝MichalChorev和

MarjolijnHermanIBM

如何提供幫助現(xiàn)代金融機(jī)構(gòu)需要模塊化、安全性、開(kāi)放性、AI

驅(qū)動(dòng)的功能以及基于混合云的協(xié)作。IBM

致力于幫助您改善客戶體驗(yàn)、打造現(xiàn)代化核心銀行基礎(chǔ)架構(gòu)、開(kāi)拓創(chuàng)新性支付解決方案以及推動(dòng)企業(yè)風(fēng)險(xiǎn)管理轉(zhuǎn)型。如需了解更多信息，請(qǐng)?jiān)L問(wèn)

/industries/banking-financial-marketsAI

時(shí)代的銀行業(yè)21

研究方法AI

時(shí)代的銀行業(yè)22IBM

IBV

與牛津經(jīng)濟(jì)學(xué)院合作，調(diào)研了來(lái)

自美國(guó)、英國(guó)、澳大利亞、印度、新加坡和德國(guó)的

100

位負(fù)責(zé)風(fēng)險(xiǎn)與合規(guī)驗(yàn)證的銀行業(yè)高管。調(diào)研內(nèi)容聚焦銀行業(yè)高管對(duì)

AI

應(yīng)用的風(fēng)險(xiǎn)管理與創(chuàng)新，以及對(duì)

AI

使用的未來(lái)預(yù)期。調(diào)研采用不同形式的問(wèn)題（包

括多項(xiàng)選擇、數(shù)字型問(wèn)題、李克特量表等）。受訪者在以下三類(lèi)職位中平均分布：CRO、CCO與CVO。本次調(diào)研于

2025年

5

月進(jìn)行。本報(bào)告的洞察與建議融合了

全球銀行客戶的實(shí)踐與合作經(jīng)驗(yàn)。IBM

商業(yè)價(jià)值研究院20

年來(lái)，IBM

商業(yè)價(jià)值研究院一直是

IBM

的思想領(lǐng)導(dǎo)力智囊團(tuán)。我們提供有研究支持和技術(shù)支持的戰(zhàn)略洞察，幫助領(lǐng)導(dǎo)者做出更明智的業(yè)務(wù)決策。憑借

IBM

在商業(yè)、技術(shù)和社會(huì)交叉領(lǐng)域的獨(dú)特地位，我們每年都會(huì)針對(duì)成千上萬(wàn)高管、消費(fèi)者和專(zhuān)家展開(kāi)調(diào)研、訪談和互動(dòng)，將他們的觀點(diǎn)綜合成可信賴(lài)的、振奮人心和切實(shí)可行的洞察。需要

IBV

最新研究成果，請(qǐng)?jiān)?/p>

/ibv

上注冊(cè)以接收

IBM

IBV

的電子郵件通訊。訪問(wèn)IBM

商業(yè)價(jià)值研究院中國(guó)官網(wǎng)，免費(fèi)下載中文研究報(bào)告：備注和參考資料1.Marshall,Anthony,CindyAnderson,ChristianBieck,andSpencerLin.TheCEO’sguidetogenerative

AI:

Risk

management.

IBMInstituteforBusinessValue.2024.https://business-value/en-us/report/ceo-generative-ai/ceo-ai-risk-managementRamamurthy,Shanker,JohnJ.Duigenan,HansTessellar,HéctorArias,andPaoloSironi.Embeddedfinance:Creatingtheeverywhere,everydaybank.IBMInstituteforBusinessValueinpartnershipwithBIANandRedHat.September2023.embedded-f