预计到2027年，金融机构在AI的支出将翻一番

人工智能（AI）工具和运用这些工具的人才，是全球金融机构和中央银行的新必备资产。

根据一家总部位于伦敦的追踪金融服务机构AI能力的初创公司Evident Insights Ltd.的数据，2023年6月，摩根大通（JPMorgan Chase & Co.）发布了3600 条AI相关的招聘信息。

“这是一场人才争夺战”，Evident Insights的创始人亚历山德拉 • 穆萨维扎德（Alexandra Mousavizadeh）说。“确保你现在处于领先位置，这真的是生死攸关。”

与其他技术突破一样，AI提供了新的潜力，但也带来了新的风险。金融服务业可能是该技术的最大受益者之一，这可能使它们能够更好地保护资产和预测市场。但是，如果AI导致盗窃、欺诈、网络犯罪的增加，甚至是投资者今天无法想象的金融危机，那么该行业可能遭受最大规模的损失。

OpenAI的ChatGPT于2022年11 月首次亮相，正在波及金融和其他行业。其用户数量迅速突破了1亿，成为互联网历史上增长最快的应用程序。

在金融领域，对知道如何利用AI的人才的需求是全球性的。作为经济学家、数学家、摩根士丹利（Morgan Stanley）前国家风险联席主管的穆萨维扎德表示，在Evident人才指数排名前十的城市中，有三个在印度。

金融业：拥抱AI

从金融机构和其他企业流入AI的资金凸显了这项新技术的重要程度。根据国际数据公司（International Data Corp）的数据，今年AI系统的软件、硬件和服务销售额将攀升29%，达到1660亿美元，到2027年将达到4000亿美元。根据这家市场研究机构，到2027年，金融业在这方面的支出将增加一倍以上，达到970亿美元，其复合年增长率为29%，是五大行业中增速最快的行业。

长期以来，对冲基金一直是尖端技术先驱的代表，它们正在拥抱生成式AI。根据法国巴黎银行对总资产达到2500 亿美元的基金的调查，其中近一半的基金将ChatGPT用于其专业之中，超过三分之二的基金使用它来撰写营销文案、总结报告或准备文件 。

投资企业正在各个业务条线中使用和研究AI的潜力。欧洲最大的投资公司东方汇理（Amundi SA）正在建立自己的AI基础设施，用于宏观经济和市场研究。它还将该技术用于个人客户的机器人顾问等应用。

总部位于巴黎的东方汇理管理着2万亿欧元（2.1万亿美元）的资产。通过询问客户的风险偏好，东方汇理使用基于AI的工具为其超过1亿的客户中的部分客户定制投资组合。这些反应有助于形成投资组合，并提供实时的情绪指标。

总体了解

“这种算法使我们能够看到客户的行为”，首席战略家莫妮卡 • 德文德（Monica Defend）说，她是东方汇理研究院（Amundi Institute，该公司的研究和战略部门）的负责人。“这对客户是有益的，但你也对这个用户群体的态度变化有一个总体的了解。”

她表示，对于其他用途，例如对投资和交易做出机构层面的决策，AI可能会受到数据不可靠或前所未见的影响重大的情况的限制。避免滥用并确保在安全、道德和合规的框架内使用人工智能也是一个优先事项。

“AI不能取代大脑”，她说。她表示，一个完全由AI驱动的过程可能是危险的。“对算法所提供内容的解释、理解和核查同样重要。”

摩根大通是美国最大的银行，每年在技术上的支出超过150亿美元，并在技术领域部署了约30万名员工中的近五分之一。一个AI研究小组雇用了200名员工，但AI却支持了数百种用途，从市场调研和营销到风险管理和欺诈预防。AI还在全球的支付处理流程和资金流动系统中起作用。

“这是绝对必要的”，摩根大通的首席执行官杰米 • 戴蒙（Jamie Dimon） 在4月告知股东。

货币政策领域

对于为经济保驾护航的政策制定者来说，其中的利害更为重大。央行本身就具有行动更慢、风险规避意愿更强的特点，它们正在截然不同的背景下在学习使用AI并权衡潜在风险。

AI在一系列中央银行应用中展示出良好前景，例如监管领域。巴西央行建造了一个原型机器人， 用于下载消费者对金融机构的投诉，并通过机器学习对其进行分类。印度储备银行今年聘请了咨询公司麦肯锡（McKinsey）和埃森哲（Accenture）来帮助在其监管工作中部署AI并开展相关分析。

巴塞尔银行监管委员会发现，AI可以提高贷款在贷款决策和阻止洗钱方面的效率。这家委员会由央行官员和银行监管机构的成员组成，是世界顶级的监管标准制定机构之一。它还列举了一些风险， 例如理解不透明模型的结果、潜在的偏见和更大的网络风险。

该委员会的秘书长尼尔 • 埃索（Neil Esho）去年表示：“用于判断什么是安全和健全的，并能够区分负责任和不负责任的创新的监管程序，无疑需要得到改善”。“就目前而言，我们还有一段路要走。”

国际清算银行（BIS）是一个由全球央行组成、委员会秘书处设在瑞士巴塞尔的机构，其已经测试了AI的各种潜在用途。例如，国际清算银行创新中心的 Aurora项目表明，神经网络（一种机器学习）可以通过探测传统方法无法识别的交易模式和异常情况来帮助发现洗钱活动。

 

噪声中的信号

加拿大央行构建了一个机器学习工具，用于检测监管提交文件中的异常情况。该机构的数据科学主任马亚姆•哈吉希（Maryam Haghighi）表示，其自动化的日常运行可以发现员工不会发现的东西，同时让员工腾出时间来跟进分析。

“这是一个AI可以真正为中央银行提供助益的例子”，哈吉希说。“这是一项相当乏味的工作，也是一项我们可以训练AI做好，甚至比人类做得更好、更快的工作。”

欧央行（ECB）正在各个应用领域中使用 AI，例如自动对来自1000万家企业和政府实体的数据进行分类，抓取网站以实时跟踪产品价格等。欧央行还使用该技术帮助银行监管机构查找和解析新闻报道、监管报告和公司文件。

欧央行首席服务官米里安•穆法基尔（Myriam Moufakkir）表示，随着各类数据呈指数级增长，清理数据使其易于理解是一项关键问题，尤其是对于非结构化数据而言。AI可以帮助人类做出重要的数据区分。欧央行还在探索大型语言AI模型，以帮助编程、测试软件，甚至帮助改善公众沟通以便于公众理解。

金融稳定

伦敦政治经济学院的研究员乔恩 • 丹尼尔森（Jon Danielsson）研究了AI如何影响金融体系，他认为该技术能力涉及从基础到高级的多个层次。在基础层面，其类似于国际象棋：棋子就在棋盘上，而规则被大家所知悉。AI在这方面很容易击败人类。但随着复杂性的增加，它的这种优势在下降。在意外情况下，人们可以利用一系列知识来做出更明智的决策，这包括从经济学、历史到伦理学和哲学等各方面学科的知识。他表示，这就是人类目前胜过AI的地方。

AI已经被用于做出重要的财务决策，例如处理信用卡申请，并且正在迅速进入公共和私人部门。他说，这项技术可以帮助确保银行不会通过利用客户或允许欺诈或洗钱等来从事不当行为。他表示，同时，这种广泛使用可能会带来危险。

“当我们开始信任并增加其使用时，这项技术就会悄然来到我们身边”，丹尼尔森说。 

美国证券交易委员会主席加里•根斯勒（Gary Gensler）表示，AI可能引发金融危机。他的职责是保护规模达到46万亿美元的、占全球总市值五分之二的美国股票市场。他曾在7月对记者表示，AI带来的金融稳定风险需要人们“对整个系统或宏观审慎政策干预开展新的思考”。 “AI可能会加剧金融脆弱性，因为它可能会促进羊群效应（即个体市场参与者做出与其他人类似的决策），因为他们从基础模型或数据加总工具得到了相同的信号。”

这一警告也反映出了根斯勒在麻省理工学院担任全球经济和管理学教授时的研究，他曾在2020年与莉莉•贝利（Lily Bailey）共同发表了一篇关于深度学习的论文。他们写道，这一类AI提供了“前所未有的预测能力，为提升效率、提高金融包容性和降低风险提供了重要机遇”。但他们警告说，较早时制定的金融监管规则“很可能不足以应对金融领域广泛采用深度学习技术所带来的系统性风险”。

“多重危机”因素

来自柏林欧洲政策中心数字化和新技术部门的负责人安塞姆 • 库斯特斯（Anselm Küsters）表示，另一项危险在于AI工具可能会加剧危机——无论这个危机是由什么造成的。因为AI工具是根据过去的数据进行训练的，这些数据可能无法反映前所未有的现实。库斯特斯引用了经济史学家亚当 • 图兹（Adam Tooze）经常提到的“多重危机”（polycrisis）一词——其指不同冲击之间的相互作用，这些冲击的总体影响比它们各部分加在一起还要糟糕。  

库斯特斯写道，增加对不透明AI应用程序的使用“会产生新的系统性风险”，因为它们会迅速放大负面反馈循环。他还敦促欧洲议会“关注危机期间算法预测带来的额外风险”。

随着其利弊的日益清晰，快速发展的技术带来的上述问题将在未来几年成为央行人士和其他政策制定者所面临的问题。

“我们目前还不知道对央行人士来说什么才是明智的做法”，欧央行的穆法基尔说。“我们现在才刚刚开始。”

文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。