“替代与赋能是两个不同的概念，没有一项技术可以完全替代人，人在‘人工智能+’创新中始终处于主导地位。”10月17日，在新金融联盟主办的“‘人工智能+’驱动下金融科技应用场景创新”内部研讨会上，上海新金融研究院副院长、浙商银行原行长刘晓春在主题交流中强调。
刘晓春认为，当前我们对人工智能的投入多集中于为它“服务”，比如数据治理、模型训练、责任界定。要让人工智能很好地为我们服务，我们先得很好地为它“服务”。
会上，中国人民银行科技司司长李伟也作了主题交流；工商银行首席技术官吕仲涛、邮政储蓄银行总工程师徐朝辉、平安银行行长助理兼首席信息官孙芳滔、华夏银行首席信息官龚伟华、深信服科技行业总部首席技术官杨闯发表主题演讲。
本次会议亦是国家级的中关村论坛系列活动之一，由新金融联盟秘书长吴雨珊主持，中国金融四十人论坛提供学术支持。26家银行、50家非银机构的相关负责人参会。以下为刘晓春发言全文。
上海新金融研究院副院长 刘晓春
关于金融机构应用人工智能创新，有专家以“积极、谨慎”概括行业特点，我则用“积极、冷静”概括，这也充分反映了各行业的差异，而不是千篇一律。我主要从宏观层面谈四点思考，既与人工智能有关，也与科技应用有关。
一、坚守金融本质是技术应用的前提
不管用什么技术，金融的本质不变。当前社会上部分关于“人工智能+”的讨论仍停留在“互联网+”时期的叙事。金融的核心规律并未因技术更迭而改变。举个例子，银行从手工记账到电子化、网络化、数字化过程中，技术优化的是操作环节为防操作风险而设定的岗位制约流程，而非会计分录或核算的本质。技术逻辑确保会计分录和核算准确后，传统人工复核环节可削减，但金融业务的底层逻辑仍需坚持。此前的互联网金融风险，正是因混淆了技术效率与金融本质所致。
无论用人工智能还是其他技术，创新需把握三大技术。
首要是金融技术，即业务能力，这决定相关数据取舍与应用逻辑。银行数据并不少，关键在于能不能用，怎么用。有时候数据越多并不保证结果越好。
其次为制度技术，如注册制改革。注册制是制度的创新，但它是在业务技术基础上的创新，因为要认识股票发行的规律、规则、风险，才能创造出这个制度。但这一创新并不需要科学技术。制度很重要，技术能用不能用，怎么用，最后都需要制度来规定。
最后是科学技术，也就是作为工具服务于前两者。
二、人的主导地位不可替代
人在“人工智能+”创新中始终处于主导地位，尤其是在技术上。人工智能需由人类赋予应用场景，而非自主创造价值。当前我们对人工智能的投入多集中于为它“服务”，比如数据治理、模型训练、责任界定。所以，要让人工智能很好地为我们服务，我们先得很好地为它“服务”。
关于人才问题。一方面，用了技术以后，不需要动脑筋的、基础操作岗位可能会简化；另一方面，具备更强业务能力的人才是驾驭技术的关键。现有人才怎么转型需要考虑，不能既要又要，刚毕业的年轻人不可能是“老法师”，但想做好模型没有“老法师”是不行的，既精通业务又精通技术的人才不可能是现成的。现有人员转型，不仅是数字化转型的需要，也是转型后驾驭数字化和人工智能的需要。不可能模型建成后，人就无所谓了。
举个例子，前两年不少互联网银行都在说信贷审批“零人工干预”，现在说得少了，因为“零人工干预”发放的贷款资产质量并没有优势，而加入人工干预后，资产质量明显提高了。完全依赖“零干预”模型的机构，它的风控效果未必优于人机协同模式。人工干预的成本远低于不良资产损失，并且能显著提升风控质效。所以人和技术、人和人工智能互相之间的关系怎么处理，可能是要考虑的。
三、技术与业务的适配性决定实效
没有一项技术可以完全替代人。ChatGPT出来后，有人问银行哪些岗位可以被替代。我觉得一个都替代不了。为什么？这取决于适配性的问题。哪些技术是可以替代人工的，哪些技术是赋能人工的，这是两个不同的概念，不能混淆。
在整个业务或是部分业务环节，可能需要不同的技术，甚至不同的人工智能类型。并不是说技术难度越高越好，或者越先进越好，而在于特定的业务和业务环节用哪个技术更顺、更方便、更简单、更适用。技术选型应遵循“适用优于先进”原则，如果非要在不合适的地方用人工智能，商业化上是不能成功的。
还有技术边界问题，边界就是技术的特点在哪里。每个人有每个人的特长，人工智能有人工智能的特长。当前银行普遍将大模型应用于内部辅助而非直接对客决策，正是基于对技术边界的清醒认知。
四、成本效益是技术落地的核心考量
有专家提到人工智能应用的成本收益鸿沟问题，提到不追求模型大而追求应用的精准，我也很关注精准的问题。银行用技术不是为了用技术而用，而是要通过技术获得更多盈利，技术投入应该是服务效益提升的。尤其对中小机构而言，一定要区分高频与低频业务、关键风险与偶发风险，集中资源投入于高价值场景。
举个例子，某家做新材料的科技企业，其他银行根据常规风险评估只给它授信50万元，有家银行通过大数据、云计算、人工智能收集分析材料新到什么程度，技术难度在哪，对经济有什么影响。更深层次分析这家企业生产的材料有多少，在产业链中处于什么位置，终端的客户是谁等等。通过多维度数据整合，最终银行给它授信200万元。这个案例非常经典，信贷管理不能光靠担保和财务报表，要全面分析企业经营的方方面面以确定其真正的风险所在，去除一些风险假象。但如果这家银行这类新材料企业只有这一家，研发这套模型的成本可能远远高于200万元贷款的利息收入，那就不能说这是成功的创新应用。
用人工智能能够提升信贷决策效率和准确性，但是模型开发、数据采购、系统运营等有庞大的隐形成本。所以，“人工智能+”金融科技应用创新，从整体投入多少，到每一个业务领域，甚至每一个业务品种，都需要考虑成本核算问题。
(本文作者介绍：上海新金融研究院副院长、上海金融数字化研究中心主任)
