人工智能背景下商业银行信贷业务存在的风险及对策研究

熊喆 周易达 李海 宋宝 吕芊芊

（贵州大学经济学院，贵州 贵阳 550025）

在人工智能的浪潮下，各大商业银行争相运用人工智能拓展业务，尤其是银行信贷业务在人工智能的驱使下，人工智能所带来的数据、算力及算法的优越性，使得银行信贷业务正在发生改变。一方面，信贷市场竞争加剧，客户对信贷产品与服务的需求正逐渐提高，人工智能与传统的信贷业务的融合，已经成为当下商业银行的发展趋势。另一方面，人工智能是一把双刃剑，对商业银行而言只有把握机会，面对挑战，才能使商业银行在未来的信贷市场中更具竞争优势。

一、人工智能应用于商业银行信贷业务的现状

商业银行利用人工智能技术将自身信贷业务进行转型升级，降低经营成本，提高经营效率，拓宽市场，以加强自身在信贷市场中的竞争能力。当前，我国商业银行信贷业务对人工智能的应用还处于初级阶段，主要是利用人工智能技术对客户数据进行收集与分析，替代了传统信贷业务中的部分劳动，使信贷业务能够高效快速的运营，就其发展现状主要有以下几个方面。

（一）智能营销

商业银行通过大数据分析客户的收入情况、生活背景并利用人工智能的深度神经网络刻画借款者的特征，有效的获取客户的贷款需求，并预测客户的还款能力。商业银行通过智能营销实现对客户进行个性化服务，准确满足客户需求，将更合适的信贷产品推荐给更需要的客户。

（二）智能审批

商业银行通过更有效的渠道，获取更真实的信贷数据，深度挖掘客户的基本特征，并利用所挖掘的信贷信息进行信贷场景模拟分析，判断客户的还款意愿，识别可能的欺诈行为。智能审批相比于传统的信贷审批更加的低成本、高效率，甚至可能实现当下申请立刻秒批，大大减少了客户与银行在信贷业务流程中所消耗的时间。

（三）智能风险管理

商业银行通过人脸、声纹、指纹等多个生物维度进行识别，同时与其他平台进行数据联网，构建申请人基本信息节点的庞大网络图，精准识别客户身份，有效防范第三方欺诈风险。另外，商业银行利用央行的征信系统，结合其他平台充分挖掘客户信贷数据，形成更多风险因子匹配身份验证、反欺诈等不同的预测模型，动态的评估客户的还款意愿以及还款能力，有效地防止信用风险的产生。

（四）智能贷后管理

商业银行通过动态的挖掘并分析客户的资金流水、生活圈子以及社交网络，了解客户情况，及时发现客户联系方式或联系地址更换的情况，提前识别可能失联的客户，甚至可能借此修复已失联的客户信息。同时利用挖掘出的客户生活数据，更具不同的预期客户类型，自动匹配合适的催收方式，在不过分打扰客户的情况下更有效的提醒客户与催收。

二、人工智能应用于商业银行信贷业务存在的风险及其特征

人工智能技术虽然帮助商业银行在信贷业务上取得不错的收益，但商业银行对人工智能不成熟的应用可能会引发新的信贷风险。倘若商业银行没能及时发现、防范这些风险，则会导致风险覆盖收益，影响智能信贷业务的健康稳定发展。笔者将从不同角度出发，分析商业银行信贷业务利用人工智能存在的风险，并对风险的特征进行总结。

（一）人工智能背景下商业银行信贷业务存在的风险

第一，网络信息安全风险。随着人工智能的发展，用于破坏网络安全方面的网络攻击将不断升级，我国网络安全将面临新的考验。商业银行人工智能信贷业务完全依赖于互联网，当智能信贷系统构建完成后，不法分子可能通过恶意破坏智能系统导致银行信贷服务中断。不法分子也可能利用人工智能技术，通过构建虚假账户或盗取他人信息进行骗贷行为或发送虚假指令等手段盗取客户资金，对客户和银行造成巨大损失。在智能信贷业务中，人工智能挖掘并使用的客户数据具有多元化与系统化的特征。人工智能所挖掘的原始数据以及分析后所获得的加工数据一并储存于银行内部，人工智能对数据的高效处理使得原本单一杂乱的客户信息变得多元与系统，反倒给不法分子盗用信息提供了方便。根据2020年CNCERT发表的年度报告显示（见图1），我国近年来联网智能设备漏洞数量呈增长趋势，而对我国的互联网攻击也存在智能化的趋势。而商业银行在社会中处于重要地位，一旦爆发网络安全风险，将会进一步产生系统性的社会问题。

第二，内部道德风险。内部道德风险指银行内部人员利用自身内部权力，在最大限度地增进自身效用的同时做出损害他人的行动。人工智能在银行信贷的应用中，代替了信贷流程中许多人力，从而使得信贷流程仅少数人员能够参与其中，导致对信贷的控制权力掌握在少数人手中。同时人工智能无法检测以及预防潜在的非法寻租行为。在巨大利益诱惑面前，部分银行信贷人员可能无法抵御，可能利用自身权限与地位，降低客户信贷申请门槛，甚至可能出现与不法分子合谋骗取银行贷款等不法行为，造成银行不良贷款率的增加以及经济损失。相比于传统信贷业务中的内部道德风险，智能信贷业务中的内部道德风险将会更容易发生，同时又具有更高的隐蔽性。

第三，法律监管风险。根据2020年中国信通院发布的《互联网法律白皮书》显示，我国当下用于监管商业银行的法律——《商业银行法》，主要基于传统的商业银行以及传统业务流程而颁布的，而我国对于互联网金融的监管也仅限于规章制度中，并没有将其上升至法律层面，导致银行信贷业务中所使用的智能技术处于或超过我国的法律边界，从而产生许多曾经未曾出现过的法律漏洞。不法分子则会借助法律监管的漏洞，游离于监管体制之外，变相的逃避监管，从而造成信贷行业的监管风险。倘若这些漏洞无法及时发现并解决的话，则会给银行产生滞后性损失。不完善的法律体系将会导致监管机构对于智能信贷的监管以及执法效率降低，使得整个银行智能信贷服务的运行效率将会降低。

第四，时滞性风险。由于智能信贷业务涉及金融、计算机等多个领域，为此智能信贷业务中潜在的专业性问题将具有综合性以及突发性。时滞性风险指在智能信贷业务中潜在的专业性问题的发现与解决存在一定的时滞性，而较长的时滞性将会扩大智能信贷业务的风险敞口。解决时滞性风险的关键是及时发现潜在问题并快速解决。由于智能信贷业务中潜在的专业性问题具有综合性，为此传统的金融人才并不能达到解决时滞性风险的要求。为此复合型人才是解决智能信贷中潜在的专业性问题的时滞性风险的关键因素。全球招聘顾问公司Michael Page在《2018中国金融科技招聘趋势》报告中表示当下金融科技人才长期招聘不足，中国正面临专业性金融科技人才短缺问题。因此，我国商业银行将会存在复合型人才供给不足而导致的时滞性风险。

第五，数据垄断导致系统性风险增加。为了减少人工智能在银行信贷业务中的错误率，银行要先利用信贷数据对人工智能进行机器学习，而机器学习需要完整的多维度的数据信息。虽然我国拥有庞大的潜在数据，但是信贷数据具有一定的隐私性以及分散性导致信贷数据无法由大数据服务公司提供。银行只能将自身过去信贷风险案例的数据提供给人工智能进行机器学习。但单家银行自身过去的信贷风险案例有限，导致用于机器学习的样本十分缺少，人工智能在对样本的学习过程中将会出现严重的拟合现象。一方面，由于人为的因素可能会导致少量数据存在失真性。少量的样本以及失真的数据将会对人工智能的机器学习产生一定的偏差。另一方面，由于用于机器学习的专业性机器设备以及数据收集所需要的各类电子传感器的耗能水平以及成本均较高，导致了单个银行进行机器学习的成本较高。由此看来，数据样本的缺失以及机器学习的成本较高导致人工智能应用于商业银行信贷业务会存在一定的数据壁垒，能否突破数据壁垒的瓶颈，将会成为各大银行在信贷业务中是否形成碾压优势的关键因素。

（二）人工智能背景下商业银行信贷风险的特征

1．传染性

相比于传统的信贷业务，人工智能的工作效率以及数据处理都比传统的信贷工作模式更加快速、高效。相比于传统信贷风险，人工智能的应用将会导致信贷风险加速传导。人工智能背景下的信贷风险具有更大的顺周期性、风险波动性以及快速的风险传染性。

2．综合性

人工智能背景下的信贷风险不仅仅涉及金融领域，还涉及计算机、法律、人才管理等多个领域。多因素的共同影响使得智能信贷风险无法从单一的角度有效控制。为此商业银行必须从多个角度共同出发，对智能信贷风险进行系统性的控制。相比于传统的信贷风险，智能信贷风险拥有更高的综合性。

3．高技术性

传统信贷风险可以通过各项指标进行风险识别就可以准确识别出信贷业务中存在的风险以及或有风险。人工智能背景下的信贷风险具有高技术性。智能信贷风险中的高技术性不仅仅指人工智能在计算机行业的高技术性。由于智能信贷风险具有综合性，涉及多个领域，而各个领域中对人工智能的研究还处于前沿状态，智能信贷风险就不同领域而言都具有高技术性。

4．高成本性

正是因为智能信贷风险相比传统信贷风险具有高技术性，使得风险识别成本增加，对智能信贷风险的识别具有一定的壁垒。为此，人工智能背景下的信贷风险相比传统的信贷风险具有更高的隐蔽性，传统的信贷风险识别的指标可能无法识别智能信贷风险。

三、人工智能背景下银行信贷风险控制的建议

随着商业银行信贷业务不断深入应用人工智能技术，人工智能带来的新的信贷风险将越发突出。为了让商业银行在人工智能的浪潮下能够稳定健康的发展，实现信贷业务与风险管理相平衡，笔者认为短期内以商业银行自身内部体制改革为主，加强商业银行自身风险控制能力，而长期内则需要以政府为主体进行宏观改革，为智能信贷的发展提供良好的环境。

第一，加强网络信息安全管理。商业银行对于信息安全风险管理的最有效的手段是加强信息安全基础性管理，提升管理精细化水平。商业银行在加强信息安全基础建设的同时还需要不断的优化与维护，并定期对整体安全水平进行测试、追踪与评估，并根据结果对信息安全基础建设进行改进优化。同时可以自动连接当地公安部网络安全局，做到当面临严重网络安全威胁时能够立刻报警并自动上传给公安可疑日志信息。商业银行可以利用人工智能技术在网络安全方面做到预防监控、实时监督、公安防护，从而加强银行网络安全防范能力。

第二，完善银行内部管理体系。互联网办公具有无纸化、信息化、智能化等特点。因此银行可以建立一个封闭式银行内部管理系统。银行内部人员在进行信贷办公时一律在内部管理系统中办公，利用人工智能视觉与生物特征识别核实办公人员身份，根据不同的职位放开不同程度的操作权限，并实时跟踪记录内部人员的每一次权职操作，做到权责层次分明以及权职使用可视化。同时在内部管理系统中增加预警系统，一旦发觉有违规操作的可能性时，立马向上层进行汇报与预案。

第三，完善信贷监管法律法规。一方面可以通过借鉴发达国家的人工智能信贷监管法律法规，根据我国银行人工智能信贷发展现状，全面规范智能信贷业务流程，为今后人工智能信贷监管的相关法律法规的制定奠定基础。另一方面可以构建逐层监管模式，中央银行对本地区各总行进行监管，总行对其下属银行进行监管。下属银行出现新的人工智能信贷法律问题时层层上报，为专门的法律研究小组提供实际研究案例，而上层研究人员则制定相应法律法规，为下层银行提供法律依据，从而建立实际与研究共同驱动体系。

第四，加强金融科技人才培养。短期内商业银行可以组建由信贷风险分析人员与人工智能技术人员构成的相互学习相互工作小组，使其双方相互学习，在面对突发性问题时可以共同解决。商业银行也可以重点培育一批金融科技领军人才，深入研究人工智能在银行信贷业务中的应用技术，为银行未来金融科技的创新发展提供支持与保障。长期而言建议加强国内高校金融科技专业的建设，明确人才培养目标，完善课程设计，开拓新型教学资源，推动金融机构、高科技企业、高等院校等各组织进行协同攻关，开放共享的金融科技技术创新研发平台，建立多元化实训体系。

第五，完善数据供给生态圈。信贷数据的供给具有隐私性、分散性、高成本性。所以建议以中央银行为主导，联合四大商业银行建立人工智能信贷机器学习研究小组，由四大商业银行收集以及提供自身各地银行过去的信贷案例与数据信息，使原先分散在不同地区、不同银行的信贷数据得以集中整合。同时也需要结合多方面平台，实现跨平台、跨行业、跨区域的数据交流，使人工智能在机器学习的过程中做到对信贷数据更加系统化、精细化的分析。

总而言之，商业银行信贷业务与人工智能的结合将是未来发展的必然趋势，但在一些操作流程以及业务模式中还处于摸索阶段，注定会产生新的信贷风险问题。在未来数字货币普及进一步提高了银行信贷业务效率，加快了信贷风险的传导，进一步影响数字货币的发展。因此提前发现信贷风险并及时解决，不仅能够使商业银行在未来拓宽信贷市场，加强自身信贷业务的竞争力，甚至为我国未来数字货币的发展铺垫前进的道路。