随着ChatGPT的问世，以大模型为主的AI（人工智能）发展成为金融科技发展的新热点。

人工智能在金融领域的应用，被认为在市场、交易，监管等方面都有着广泛的前景。

不过，包括监管机构、市场部门仍然担心AI的大范围应用，会带来数据安全、风险集中等一些问题。

这些问题和隐患，也使得相关创新面临新的挑战。

发挥四大作用

近期，在AI应用在金融监管科技的影响方面，国际清算银行1月23日发布报告称，AI在央行信息收集、宏观经济分析、支付系统监测、金融监管等四个方面将发挥重要作用，但与此同时也会面临准确性、隐私、成本、依赖性等诸多挑战。

在广泛的数据处理方面，人工智能的发展不仅给金融机构各种交易提供高效的数据分析，同样也为监管部门的决策提供支撑。

国际清算银行称，各国央行在获取高质量数据时，需要清洗、抽样以及匹配新数据与旧数据，数据量和复杂性日益增加，亟需高效灵活的处理工具。

自动识别潜在异常

而无论数据分布形态如何，AI在上述过程中都能够自动识别潜在异常值，经人工专家审核反馈后，可以完善算法，提高工作效率。

在货币政策和宏观经济金融分析方面，国际清算银行称，AI可以从各种传统和非传统的数据源中有效地提取信息，还能够反映数据中复杂的非线性关系。

支付系统的日常监测方面，央行能够通过AI更有效地识别异常支付、可疑交易，以及监测银行挤兑等非线性的动态情况，这些功能有助于及时防范潜在的银行倒闭、网络攻击或金融犯罪等问题。

但与此同时，国际清算银行提醒，AI在央行的应用亦存在不少挑战。

首先是准确性与可解释性的冲突。如果算法存在歧视或偏见，模型得出的答案就会不准确；复杂的机器学习模型涉及很多变量和非线性关系，因此很难解释不同变量对结果的影响程度。

其次，非结构化数据（通常是个人数据）的使用在法律框架和数据隐私方面提出了新的挑战。与之前数据主要由公共机构提供不同，央行现在要使用的大量数据来自私营部门，或者从社交媒体网络抓取，这会引发对道德和隐私的担忧。

资源高度集中有隐忧

在投入成本上，更多地使用AI可能让央行在IT和人力成本方面承压。

AI技术在帮助央行提高监管效率的同时，也会引发人们对央行依赖少数外部供应商的担忧，技术中断可能给央行带来运营风险。

除了市场集中度给创新和经济活力带来的一般风险外，资源的高度集中还可能造成重大的金融稳定、运营和声誉风险。

在新的环境之下，作为监管部门而言，不仅需要面对跨部门、跨领域的数据协调问题，还需要面对模型本身各种缺陷所带来的尾部风险。这些都是过去金融监管所无法预见的。

由于金融业务的即时性，以及风险的强烈外溢性，使得数据本身的风险对经济和金融市场的冲击更为严重。

因此，对于数据应用制度体系的一些争议，更需要进行充分的论证和研究，作出妥善安排，而且这种安排在金融领域需要及时进行修订，避免监管跟不上技术变化带来的基础性风险。

这种风险如果暴发，可能出现比P2P网贷、数字货币泛滥等各种挑战所带来的冲击更大。

安邦智库（ANBOUND）创建于1993年，是一家富有影响力的独立智库。

欢迎读者对本文提出反馈意见 newsletter@anbound.com