摘要：金融是国民经济的血脉，是国家核心竞争力的重要组成部分。2023 年中央金融工作会议指出，要着力营造良好的货币金融环境，切实加强对重大战略、重点领域和薄弱环节的优质金融服务，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。交通银行心怀“国之大者”
金融是国民经济的血脉，是国家核心竞争力的重要组成部分。2023 年中央金融工作会议指出，要着力营造良好的货币金融环境，切实加强对重大战略、重点领域和薄弱环节的优质金融服务，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。交通银行心怀“国之大者”，通过数字化风险管理项目，主动发挥服务实体经济“主力军”和维护金融稳定“压舱石”的作用，始终坚持以人民为中心的价值取向和服务实体经济的根本宗旨，积极推进数字化转型，扎实做好“五篇大文章”。
交通银行副行长、首席信息官 钱斌
中央金融工作会议提出，要推进金融高质量发展、加快建设金融强国，必须坚定不移走中国特色金融发展之路。当前，我国金融领域仍然面临不少风险挑战。在此背景下，交通银行党委深刻领会“坚持把防控风险作为金融工作的永恒主题”“坚持统筹金融开放和安全”的重要性，坚持守正创新，充分运用大数据、人工智能、区块链等新兴技术，加快推进风险管理数字化转型，为高质量发展提供更强有力的保障。
1. 风险管理数字化转型为高质量发展提供安全保障。金融安全是国家安全的重要组成部分。交通银行是全球系统重要性银行，是国有大型银行，肩负着“主力军”与“压舱石”的职责使命。目前，交通银行已形成覆盖主要国际金融中心，横跨五大洲的境外经营网络，综合化发展在国内银行业处于第一阵营。近年来，交行不断做深做活“五篇大文章”，产品和服务体系更加丰富和完善，线上化、移动化服务已逐渐成为主流。这些金融服务和金融活动的背后，必须要有与之相对应的数字化风险管理能力作为支撑。
2. 风险管理数字化转型为高质量发展提供健康环境。随着经济模式不断调整变化，各行各业的日常经营、普罗大众的日常生活越来越离不开高质量的金融服务。风险管理数字化转型将有助于我们更加精准和高效地识别客户之所需、风险之所在，从而提高金融服务的普惠性和专业性。同时，在防范金融诈骗及洗钱等领域，数字化风控技术有着非常广阔的施展空间，有助于帮助老百姓更好地守住“钱袋子”。
3. 风险管理数字化转型为高质量发展提供内生动力。近五年来，交通银行资产规模和授信客户数量增长近50%，其中小微授信客户数量更是增长了近四倍。面对快速增长的业务需求，如何在有限的人力资源约束条件下，有效提升服务效率、保证服务质量？通过风险管理数字化转型，重塑业务流程、精简操作环节、辅助风险判断，从而实现流程最优化、材料最简化、成本集约化及风险可控，是现实而又关键的解决方案。
人工智能技术，特别是生成式人工智能技术的迅速崛起，加速了人类进入智能时代的步伐。相较于传统技术手段，人工智能技术在解决大量数据分析、隐性关系挖掘、潜在风险识别等问题上具有明显优势。商业银行积累了大量客户交易、信用、财务等数据，可以为人工智能技术发展和应用提供“数据要素沃土”。人工智能技术与金融风险管理相结合，将是风险管理数字化转型的新趋势，人工智能也将成为驱动风险管理数字化转型并进一步为基层减负赋能的关键支撑和澎湃动力。
1. 人工智能提升风险识别前瞻性。风险管理的第一要务是早识别，作为风险管理的第一道关口，在风险识别环节人工智能技术展现了前所未有的优势。传统的风险识别方法多依赖于静态规则和人工分析，难以应对快速变化的市场环境。而人工智能技术借助机器学习、深度学习等方法，通过海量数据的学习与挖掘，能够快速预测和识别出潜在风险和异常行为，有效提升风险识别的前瞻性。
2. 人工智能推动风险评估与计量精准化。风险评估是风险管理流程中的重要环节，通过对风险的规模、影响进行量化分析，帮助银行准确定位评判不同风险等级。在这一环节中人工智能技术凭借其强大的数据处理能力，能够根据复杂模型和丰富的数据特征，实现风险的精准评估，促进银行能够更加合理地配置风险资本，提高授信决策的科学性。人工智能技术还为风险评估模型的持续优化提供了可能，通过模型的自我学习和自动调优，确保风险评估结果始终保持高效和准确。
3. 人工智能推动风险监测实时化。人工智能技术的应用使得风险监测从“滞后反应”转变为“实时监测”。传统的风险监测手段多依赖于定期报告或事后分析，缺乏实时性。而人工智能技术借助实时数据流处理能力，能够在交易发生的瞬间完成监测分析，及时识别出潜在风险。这种实时监测极大降低了风险的滞后性，有效防止了损失的扩大，赋予了银行更高的敏捷性和反应速度。
4. 人工智能推动风险处置自动化。在风险处置环节，人工智能技术大幅提升了商业银行的自动化程度。风险处置通常需要依靠多部门协作，并涉及大量的流程审批和数据交互，效率较低。人工智能技术的自动化能力为风险处置流程提供了技术支持，从而实现从风险识别到处置的“闭环管理”。这种自动化的处置机制不仅缩短了决策时间，为银行节省大量人力成本，还有效提升了风险处置的响应速度。
5. 人工智能推动风险管理体系协同化。在商业银行的风险管理体系中，人工智能技术不仅能在各个风险环节发挥独立的作用，还实现了风险管理体系的协同运作。通过搭建风险能力共享中心，交通银行将人工智能技术应用于不同的业务场景中，实现风险识别、评估、监测和处置的贯通与协同。这种协同化的风险管理体系，不仅提高了风险管理的效率，还提升了各部门间的协同作战能力，从而构建联防联控的新时代全面风险管理体系。
综上，人工智能技术在风险管理数字化转型中的核心作用可以总结为“一加一减”，即提升风险管理的有效性，进一步为基层减负赋能。前者以提升有效性和及时性为关键指向，后者以“减流程、减材料、减时间、减人力”为评判标准。
交通银行坚持科技引领，以数字思维和系统思维推动风险管理数字化转型工作，以集团一体化高度和动态发展视角剖析金融风险管理问题，规划风险管理整体架构，借助人工智能技术辅助实现风险感知、研判、监测、暴露、处置各环节的全面提升，为商业银行实现全面风险管理新路径提供了借鉴。
1. 守正创新，筑牢风险防范的基石。安全是发展的基石，交通银行始终坚持底线思维，坚守安全底线。为应对潜在的网络攻击和数据泄漏风险，避免外部供应链风险冲击，积极推进安全平台建设、信创改造、云平台建设和多地多中心布局，建立起覆盖网络安全、数据安全、系统安全、供应链安全的全方位安全支撑体系，以及技术可控、业务无感、动态调度、稳定高效的业务连续性保障体系。在支撑日常业务运营、确保信息安全的同时，为银行数字化转型提供长期稳定的关键基础设施。
2. 全面构建数字化风险管理框架。以企业级架构理论为指导，以集团统一风险管理为原则，全面落实防风险“四早”要求，推进“风险类别+ 机构+ 产品”的“三维一体”创新式风险管理模式，打造“1283”集团一体化全面风险应用体系。
一个统一风险门户。集团全面风险管理门户为集团各类用户提供“千人千面”的风险信息差异化展示，满足客户、机构、区域、产品等多维风险管理视角需求。面向管理者提供风险全景大屏，以可视化、可量化、透明化的形式展示风险全貌，跟踪风险偏好。面向基层用户，则提供客户风险视图，生成动态、及时、清晰的风险告警。
两个企业级管理平台。风险的识别和计量是全面风险管理的两个重点环节，也是实现风险“四早”要求的前提条件。通过打造计量模型管理平台，有效运用风险规则模型和风险计量特征，实现了对信用风险、操作风险、市场风险的量化评估，以及各类风险模型的全生命周期管理。通过打造风险监测管理平台，实现集团预警监测规则的管理与共享，推进三道防线联动协同机制的落地，做到规则配置、运行、核实、复用的全过程跟踪。
八大风险能力共享中心。交通银行从风险识别、风险计量、风险评估、风险监测、风险控制/ 缓释、风险报告等价值维度对全面风险管理过程进行了分析梳理，识别相关的业务活动、业务组件、业务实体，形成了功能内聚、场景通用的任务和组件，即监测、计量、额度、反欺诈、反洗钱、名单管理、押品资产、征信等八大风险能力共享中心。通过高性能与大吞吐能力支撑多场景、智能化的风控决策，实现实时风控策略分钟级迭代，风险监测预警全面覆盖，为各类风险管理应用系统提供标准化、可复用、高时效的能力支撑。
三层架构重塑风险管理体系。随着数据中台建设及技术中台的沉淀完善，交行逐步形成基础能力、风控中台与风险管理应用的三层风险应用架构，结合营销中台和运营中台为集团用户提供差异化、可配置的系统架构支持。
“1283”的风险管理体系统筹兼顾了全面风险管理在风险类型、机构、产品方面的广度覆盖，以及在风控应用、业务中台、基础能力间的穿透深度，实现了统一数据底座、统一风险视图、统一风险监测、统一模型计量、统一反洗钱管理、统一内控管理、统一授信额度、统一风险处置的业务目标。
3. 推动风险管理端到端智能化升级。交通银行在重构风险管理框架的同时，通过以用促建、以用促优，构建适应业务端到端场景的AI 能力整合平台，创新“大小模型相结合”的协同研发新范式，服务业务全流程减负提效。
譬如，以解决反洗钱业务痛点为契机，实现了反洗钱可疑核实任务的“合理减少与精准覆盖”。通过研发应用可疑事件排序模型，重构反洗钱可疑事件评分模型，结合反洗钱可疑报告智能生成等AI辅助工具，合理精简核实处置任务。通过研发应用隐案挖掘模型、细分领域模型、团伙识别等模型，协助发现隐案、漏案和新型作案手法，拓宽案件场景覆盖度，提升监测精准性。目前已实现核实任务月均减少40%、可疑上报率提升一倍。
再如，将“端到端AI 建设”的成功经验推广至零售信贷、反电诈等业务场景。在零售信贷场景上，使用人工智能技术对客户收入预测、额度管理、开卡核实、抵押登记等业务环节进行优化和赋能，有效提升工作效率和风控水平。在反电诈场景上，通过应用人工智能技术，建成以实时计算为主、批量计算为辅、专家规则与人工智能相结合的新型反诈预警体系。
1. 发挥数据要素作用，筑牢数字金融基石。持续做深做实数字金融大文章，加强金融数据治理，在确保数据安全与隐私保护的前提下，加快金融数据向数据要素、生产要素转换，让数据资源转化为有价值的数据资产，发挥数据要素对风控的基础支撑作用。推进知识数据资产化，沉淀金融行业高质量数据资产，加速人工经验向数据资产的转化，以数据的客观性减少人工审核的主观性，降低操作风险。推进衍生数据特征化，实现反电诈、反洗钱、资本计量等多维度数据特征管理，提升数据应用质效。推进分析数据结构化，实现授信分析报告、信贷审查报告、反洗钱尽调报告等内容的结构化组装，降低人力提取负担，发挥数据实体作用，推动业务流程再造。推进客户数据信用化，基于内外部数据要素构建客户信用画像，实现数字信用体系建设。
2. 推进人工智能应用，促进新质生产力的转化。随着金融体系对风控提出更高要求，风险管理将向更加精细化、动态化和预测性转变。通过构建可信、可解释、可推理、可决策的人工智能工具，结合地方数字政务平台、企业ERP 系统、行业研报及各渠道产品运营数据，逐步实现区域、行业、产品风险的精准评估，基于客户与银行间信息的不断交互实现客户信用评价动态调整，并将各类风险防控手段逐步从事后迁移至事中、事前，增强风险研判的前瞻性，有效促进人工智能等新质生产力走向实践，推动价值转化。
3. 持续提升风险防范能力，及时应对新型风险问题。在推动做好“五篇大文章”的过程中，要时刻认识到新型风险的复杂性和多样性。在客户信贷投放方面，绿色金融所面对的环保政策、气候变化等外部风险对客户经营的影响，科技金融及普惠金融所面对的企业在成长成熟过程中的各种技术挑战与经营压力，这些都会对金融资产质量产生冲击。在人工智能模型应用方面，模型的误用、滥用也会造成数据偏见、模型歧视、隐私泄露和市场操纵等问题，甚至引发客户投诉和侵权行为。为此，我们要准确研判各类新型风险，加强新产品新业务的风险评估，完善实时监控与风险偏好跟踪机制，做好情景分析、压力测试等工具应用，不断提升新型风险对抗能力。
来源：金融电子化
