AI重塑金融结构：肖远企划定风险红线与发展边界

“AI对金融结构的潜在影响远超工具层面的革新，其带来的增量风险需要穿透技术表象审视。”10月23日，2025外滩年会“金融领域的AI治理与国际合作”圆桌讨论现场，国家金融监督管理总局副局长肖远企的发言掷地有声。在这场由中国金融四十人论坛与清华大学联合主办的顶级峰会上，肖远企结合金融科技演进史，拆解AI变革的风险图谱，明确AI“辅助性定位不可动摇”的核心判断，为狂飙中的金融AI划定了风险红线与发展边界。

他同时向金融行业发出提示：在微观层面，单家金融机构面临模型稳定性和数据治理两类风险；在宏观层面，整个行业需警惕集中度风险和决策趋同风险。

#01

金融与AI的深度融合

肖远企从历史视角审视了科技与金融的关系：“金融与科技的互动历来是相辅相成、相互促进的。”同时，回顾了金融业技术革新历程，从“人背马驮”的远程操作，到电气时代解决汇款难题，再到互联网实现金融业务24小时运营。

肖远企指出，金融行业已成为AI新科技的领先应用者。谈到AI在金融领域的应用，肖远企介绍主要集中在三大场景：中后台运营智能化、客户关系管理、金融产品提供。

在中后台运营方面，AI已在银行等金融机构内部广泛应用，覆盖数据收集、加工、信息甄别与识别及客户评估多个环节。

在客户交流领域，许多金融机构将AI技术普遍应用于客户关系管理，包括营销、维护和问题解答等。

肖远企特别指出AI应用带来的双重效益：对内帮助金融机构降低成本、提高效率；对外使金融机构能够为客户提供更个性化、更精准的金融产品与服务。

面对AI会否取代金融从业人员的疑问，肖远企明确表示：“在金融领域，人才始终是我们最宝贵、最有价值的资产。”尽管AI发展迅猛、应用广泛，但目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。肖远企以柜员服务为例，解释AI是辅助工具，无法替代柜员与客户之间个性化的互动。

他进一步指出，在信贷、保险定价、定损、精算等关键领域，仍然离不开人的专业判断。针对AI应用对就业的影响，肖远企表示：“到目前为止，我还没有听到金融机构单纯因AI应用而出现员工安置压力的案例。”他认为，员工是金融机构最有效的生产力，每一位员工都在创造价值。

#02

微观层面：机构运营的“隐形雷区”

从微观来说，对单家金融机构而言，主要有两类新型或增量风险：一是模型稳定性风险。这一轮AI应用高度依赖模型支撑业务拓展，因此模型的稳定性和可靠性变得至关重要。二是数据治理风险。这涉及数据来源的选择、数据质量的把控以及事后的评估与监测程序，也就是数据治理的程序。这两类风险对单个机构非常关键。

肖远企强调的“模型依赖度提升带来的可靠性考验”，在实践中已显现端倪。2024年某券商量化交易部门因AI模型未充分适配极端行情，导致算法误判市场信号，单日交易损失超千万元。

这一事件背后，是当前AI大模型普遍存在的“幻觉”与“黑箱”难题。人民论坛网的研究显示，金融领域AI模型的推理错误率虽已降至5%以下，但在利率波动超200个基点的极端场景下，错误率会飙升至35%。某头部基金风控总监坦言：“我们的AI模型在历史数据回测中准确率达91%，但实际运行中仍需人工复核30%的决策，否则无法应对突发政策调整等未训练场景。”

数据治理风险则贯穿AI应用全流程。肖远企提及的“数据来源、质量与监测问题”，正成为合规焦点。汇添富基金在债券台账解析场景中虽实现96%的识别准确率，但在存单报价解析中准确率仅77%，根源在于部分非标数据质量参差不齐。更严峻的是隐私保护风险：2024年某互金平台因AI模型非法采集客户通话录音用于信贷评估，被监管处罚500万元。新华网调研显示，43%的金融机构存在数据标注不规范问题，可能导致模型输出歧视性结果，如对特定区域客户设置更高信贷利率。这些案例印证了肖远企 “数据治理是机构核心风险点” 的判断。

#03

宏观层面：行业生态的“结构性隐患”

在宏观层面，对整个行业而言，则主要有两类增量风险：

一是集中度风险。金融行业在AI模型技术上可能会依赖少数技术开发能力强、稳定性高、资源投入大的服务提供商。同时，大型金融机构在资源投入上可能比小型机构更具优势，可能导致市场集中度提高，这一点有待观察。

二是决策趋同风险。由于所使用的模型和数据相对标准化和集中，金融机构在决策依据上可能趋同，进而导致行业整体决策同质化。如果趋同性过高，可能引发“共振”效应，这是需要关注的。

肖远企指出的“技术与市场双集中”现象，在资管行业尤为明显。截至2025年3月，近20家头部公募基金已完成DeepSeek系列模型私有化部署，而易方达、博时等头部机构仅AI研发年投入就超2亿元；与之形成对比的是，中小型基金公司中仅30%启动AI部署，且多依赖第三方SaaS服务，自主研发能力缺失。

技术依赖带来的风险更值得警惕：某城商行因过度依赖单一科技公司的AI风控模型，在该公司系统升级故障时，信贷审批业务中断4小时。正如法兰西银行副行长阿格尼丝・贝纳西 -奎里所言：“少数技术提供商的影响力扩大，可能成为新的系统性风险源头。”

决策趋同风险则暗藏“共振”危机。肖远企警示的“模型与数据标准化导致决策同质化”，在债券投资领域已出现苗头。2024年四季度，多家银行理财子公司因采用相似AI债券评级模型，同时下调某区域城投债配置比例，导致该区域债券收益率单日上行30个基点。这种 “集体行动”的风险被监管层高度关注——中国人民银行金融研究所副所长莫万贵指出，AI决策的趋同性可能放大市场波动，“当千个模型做出同样判断时，微小的市场信号可能引发雪崩式反应”。

肖远企强调的“多元化金融结构重要性”，正是对这一风险的前瞻性应对。

值得注意的是，这些增量风险与传统风险存在“叠加效应”。某保险机构因AI定损模型误判（模型风险），导致赔付成本上升，进而引发流动性紧张（传统风险）；部分中小银行因无力承担 AI 投入（集中度风险），只能聚焦高风险领域，推高信用风险。肖远企对此明确界定：“AI 未创造新的根本风险，但使其传导更快、隐蔽性更强。”