国家金融监督管理总局副局长肖远企10月23日在“2025外滩年会”的“金融领域的AI治理与国际合作”圆桌讨论中表示，目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。同时，必须关注AI对整个金融结构变化的潜在影响。

肖远企表示，目前，AI在金融行业主要用于优化业务流程和对外服务。从我们掌握的情况来看，其应用主要集中在三个领域：首先是中后台运营的智能化。这在银行等金融机构内部已应用得比较广泛，覆盖了数据收集、加工、信息甄别与识别，以及客户评估等多个环节。其次是在客户交流方面。许多金融机构在客户关系管理，包括营销、维护和问题解答等方面，都普遍应用了AI技术。第三是在金融产品提供方面。AI的应用带来了双重效益：对内，它帮助金融机构降低成本、提高效率；对外，则使它们能够为客户和利益相关者提供更个性化、更精准的金融产品与服务，更有效地解答问题和满足需求。

在被问及AI效率提升是否会带来金融机构内部员工安置的压力时，肖远企表示，到目前为止，我还没有听到金融机构单纯因AI应用而出现员工安置压力的案例。

“我们认为，员工是金融机构最有效的生产力，每一位员工都在创造价值。尽管AI发展迅猛，应用广泛，但我们必须明确一点，目前AI在金融领域的应用仍处于早期阶段，其作用仍是辅助性的，无法取代人的决策。以我刚才提到的柜员服务为例，AI是辅助工具，无法替代柜员与客户之间个性化的互动。在信贷、保险定价、定损、精算等关键领域，仍然离不开人的专业判断。在金融领域，人才始终是我们最宝贵、最有价值的资产。”肖远企称。

对于AI在金融领域应用可能带来的潜在风险，肖远企表示，AI应用所带来的风险，与历史上几次重大科技革命在金融领域应用时产生的风险类似，目前或许难以定论，但从历史视角看，过去几轮科技革命在金融领域主要带来的是增量风险和边际风险——风险的成因、路径和形态有所变化，但金融行业面临的根本性风险，如信用风险、市场风险、流动性风险和操作风险，并未发生革命性改变。

他提出，这一轮AI变革对金融领域带来的风险，可以从宏观和微观两个层面观察。

从微观来说，对单家金融机构而言，主要有两类新型或增量风险：一是模型稳定性风险。这一轮AI应用高度依赖模型支撑业务拓展，因此模型的稳定性和可靠性变得至关重要。二是数据治理风险。这涉及数据来源的选择、数据质量的把控以及事后的评估与监测程序，也就是数据治理的程序。这两类风险对单个机构非常关键。

对整个行业而言，则主要有两类增量风险：一是集中度风险。金融行业在AI模型技术上可能会依赖少数技术开发能力强、稳定性高、资源投入大的服务提供商。同时，大型金融机构在资源投入上可能比小型机构更具优势，可能导致市场集中度提高，这一点有待观察。二是决策趋同风险。由于所使用的模型和数据相对标准化和集中，金融机构在决策依据上可能趋同，进而导致行业整体决策同质化。如果趋同性过高，可能引发“共振”效应，这是需要关注的。

“当然，一个良好、稳定、有效的金融结构需要多元化的参与者与市场平台。因此，我们也必须关注AI对整个金融结构变化的潜在影响。”肖远企表示。