龐溟 經濟學博士、經濟學家

筆者在上一篇專欄文章中提到，金融機構應建立安全、可持續、高性能、可靠的人工智能（AI應用），讓AI更多處理數據分析和做出初步評估，同時應在企業層面對AI科技進行監督與控制，將關鍵決策和最終決定權留給專業人士，確保AI成為助力運營、賦能業務、確保穩定高效的強大工具。

特區政府已為發展指明方向

事實上，特區政府在2024年10月已經發表有關在金融市場負責任地應用人工智能的政策宣言，提醒金融機構應制定人工智能管治策略，為如何實施及使用人工智能系統指明方向，同時應在人工智能系統的採購、使用及管理上採用風險為本的方法，並通過人為監督來緩解網絡安全、數據私隱、知識產權保障、「AI幻覺」風險、資料和模型管治、消費者與投資者保護、金融穩定、AI資源可平等獲取性、網絡欺詐及犯罪、工種轉移等各種潛在風險。

目前，AI技術正在經歷從工具性輔助向體系化賦能的範式遷移，金融行業基礎設施在三個維度下經歷結構性變革：在技術架構層面，深度學習模型突破了傳統算法的認知邊界，正逐步自主整合知識；在業務形態層面，服務模式從流程驅動轉向知識驅動，動態適配產品與客戶需求；在組織生態層面，人機協作機制推動金融機構向敏捷型智慧組織演進。但是，在金融領域推進人工智能化，面臨着生成可靠性缺陷、決策透明度缺失、領域知識深度不足及算力資源約束等數重技術瓶頸。

例如，生成式AI模型的概率推理機制有可能使輸出結果存在固有偏差，更在需要穩定性、精確性結論的金融場景下造成應用障礙；對非結構化數據的處理和決策機制與金融監管要求的可追溯性原則產生衝突，模型的認知和推理的可還原性、可解釋性有所欠缺；推理階段的計算強度大幅遞增，但算力需求的結構性矛盾日益凸顯；模型的數據訓練及應用需求，與金融數據安全及私隱保護之間難以取得平衡的問題等。

因此，金融機構應努力構建「三位一體」的智能化轉型架構：在技術中台層面，應聚焦領域模型優化，重點建設領域知識圖譜與業務規則引擎，通過增量訓練與強化學習，持續提升模型的專業適配性；在業務前台，應建立輔助型、決策型、創造型應用場景分級體系，並相應制定差異化、有針對性的技術部署策略；在後台部分，應在整體風險管理框架中納入和完善對AI的控制與管理，提升風險識別和干預能力，兼顧數據安全與AI創新。

組織能力建設要突破重重障礙

相應地，金融機構的組織能力建設也需要突破重重障礙：打破數據孤島，構建跨業務線的平台；重塑人才結構，培養具備技術理解力的業務專家與通曉業務邏輯的技術團隊；重構考核體系，建立涵蓋技術效能、業務價值、風險控制的多維評價指標；平衡標準體系，同步發展性能評測框架與倫理評估準則；領導層建立技術穿透式管理能力，構建從戰略規劃到落地執行的全程治理機制。

可以說，金融業的AI轉型，本質上是技術革命對金融本質的再發現、再定義和再平衡，需要建立技術進化與制度演進的雙向適配機制，重塑金融行業的服務形態、價值創造邏輯與風險治理範式。而核心的關注點，將從早期的技術可行性轉向目前的價值合理性與風險可控性，再變為未來在知識領域的體系化封裝能力、風險領域的精細化管控能力、組織領域的敏捷化適應能力。

香港生成式AI使用率高

正如財經事務及庫務局局長許正宇所言，AI發展需要「兩條腿走路」、採取雙軌模式，既要促進金融服務業把握機遇、採用及發展AI，又需要去應對挑戰、緩解風險。幸運的是，香港金融機構的生成式人工智能使用率為38%，遠高於全球平均水平的26%。只要金融監管機構和行業持份者攜手合作，參考海內外經驗，充分利用香港匯聚內地和國際數據、資訊自由流通的獨有優勢，「提供明確的監管框架及締造有利和可持續的市場環境」，就有望推動香港金融服務業更負責任地採用和應用人工智能。

題為編者所擬。本版文章，為作者之個人意見，不代表本報立場。