【摘要】普惠金融是寫好金融“五篇大文章”的重要組成部分。當(dāng)前，我國普惠金融發(fā)展面臨可持續(xù)性、普及性不足以及信用體系不完善等挑戰(zhàn)。近年來，生成式人工智能迅猛發(fā)展，正在成為信息化、數(shù)字化、智能化的新型技術(shù)基座，其擁有強(qiáng)大的知識(shí)編碼和儲(chǔ)存能力、文本和代碼理解及生成能力以及復(fù)雜任務(wù)的推理能力，能夠?qū)ζ栈萁鹑诋a(chǎn)生數(shù)據(jù)資源化、數(shù)據(jù)資產(chǎn)化、數(shù)字信任、風(fēng)險(xiǎn)控制、降本增效五大效應(yīng)，從而有效賦能普惠金融高質(zhì)量發(fā)展。

【關(guān)鍵詞】生成式人工智能 普惠金融 融合機(jī)理 倫理風(fēng)險(xiǎn)

【中圖分類號(hào)】F832.0 【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2024.06.007

劉志雄，中國政法大學(xué)商學(xué)院副院長(zhǎng)、教授、博導(dǎo)。研究方向?yàn)閿?shù)字經(jīng)濟(jì)，產(chǎn)業(yè)經(jīng)濟(jì)。主要著作有《開放條件下中國農(nóng)業(yè)安全問題研究》、《數(shù)據(jù)流動(dòng)與數(shù)據(jù)生態(tài)治理研究》（論文）、《媒體負(fù)面報(bào)道對(duì)公司股價(jià)影響的研究：來自白酒塑化劑事件的證據(jù)》（論文）等。

引言

發(fā)展普惠金融是實(shí)現(xiàn)聯(lián)合國千年發(fā)展目標(biāo)的重要手段。自從2005年聯(lián)合國“國際小額信貸年”首次提出普惠金融的概念，發(fā)展普惠金融逐漸成為一個(gè)全球性的金融發(fā)展議程。從全球視角來看，普惠金融經(jīng)歷了“小額信貸—微型金融—普惠金融—數(shù)字普惠金融”的發(fā)展軌跡。2023年，中央金融工作會(huì)議強(qiáng)調(diào)，要做好科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融五篇大文章。然而，我國普惠金融高質(zhì)量發(fā)展仍然面臨挑戰(zhàn)，其中，小微企業(yè)、涉農(nóng)群體等融資難和融資貴的問題最為突出，普惠金融如何更好地服務(wù)實(shí)體經(jīng)濟(jì)是擺在我們面前的一個(gè)重要課題。

2023年發(fā)布的《國務(wù)院關(guān)于推進(jìn)普惠金融高質(zhì)量發(fā)展的實(shí)施意見》強(qiáng)調(diào)，強(qiáng)化科技賦能普惠金融，支持金融機(jī)構(gòu)深化運(yùn)用互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、區(qū)塊鏈等科技手段，優(yōu)化普惠金融服務(wù)模式，改進(jìn)授信審批和風(fēng)險(xiǎn)管理模型，提升小微企業(yè)、個(gè)體工商戶、涉農(nóng)主體等金融服務(wù)可得性和質(zhì)量。在普惠金融發(fā)展過程中，數(shù)字技術(shù)為金融服務(wù)從傳統(tǒng)的供給驅(qū)動(dòng)模式向滿足更廣泛的普惠金融需求驅(qū)動(dòng)模式轉(zhuǎn)變提供了動(dòng)力（石宗輝，2022）。隨著金融科技和數(shù)字金融的快速發(fā)展，人工智能在金融領(lǐng)域的應(yīng)用正在不斷深化。至今，人工智能經(jīng)歷了“規(guī)則型人工智能”“決策式人工智能”“生成式人工智能”三個(gè)階段。生成式人工智能（Generative Artificial Intelligence，簡(jiǎn)稱“GAI”）是一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)，可通過學(xué)習(xí)大量數(shù)據(jù)生成新的內(nèi)容，與利用傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)的人工智能相比具有更強(qiáng)的理解、推理和生成能力。在“生成式人工智能的技術(shù)—經(jīng)濟(jì)”模式下，具備自適應(yīng)性、運(yùn)轉(zhuǎn)性和并行性的特征是人工智能步入新階段的重要標(biāo)志（歐陽日輝，2024；蔡躍洲，2019；彭蘭，2023）。當(dāng)前，生成式人工智能正在加速發(fā)展，不斷催生新場(chǎng)景、新業(yè)態(tài)、新模式。金融業(yè)具有數(shù)據(jù)質(zhì)量高、數(shù)據(jù)量大的特點(diǎn)，生成式人工智能在金融領(lǐng)域具有不可估量的應(yīng)用潛力。推動(dòng)生成式人工智能技術(shù)在金融領(lǐng)域的發(fā)展和應(yīng)用，對(duì)于實(shí)現(xiàn)金融強(qiáng)國的戰(zhàn)略目標(biāo)，支持金融服務(wù)于實(shí)體經(jīng)濟(jì)和鄉(xiāng)村振興具有重要意義。

普惠金融發(fā)展面臨的挑戰(zhàn)

第一，普惠金融缺乏“可持續(xù)性”。2015年末，國務(wù)院印發(fā)的《推進(jìn)普惠金融發(fā)展規(guī)劃（2016—2020年）》指出，我國普惠金融的商業(yè)可持續(xù)性有待提升。然而在實(shí)踐過程中，金融機(jī)構(gòu)對(duì)普惠金融的理解往往存在誤區(qū)，將其看作信貸補(bǔ)貼、政策性貸款甚至慈善捐贈(zèng)，又或片面將普惠金融看作政治任務(wù)。這些誤解、誤讀不僅阻礙了普惠金融的健康發(fā)展，也使其效果大打折扣。與此同時(shí)，因受到較多行政干預(yù)的影響，一些普惠金融機(jī)構(gòu)的市場(chǎng)運(yùn)作被扭曲，經(jīng)營(yíng)效率常常受到挑戰(zhàn)（世界銀行和中國人民銀行，2018）。如果對(duì)普惠金融缺乏準(zhǔn)確而深刻的理論認(rèn)知，就會(huì)削弱政府和金融機(jī)構(gòu)提供服務(wù)和創(chuàng)新的積極性，從而影響普惠金融發(fā)展的效果。因此，普惠金融如何以可持續(xù)的商業(yè)運(yùn)作模式，為傳統(tǒng)金融服務(wù)難以覆蓋的群體提供金融產(chǎn)品和服務(wù)是當(dāng)前面臨的一個(gè)重要難題。

第二，普惠金融缺乏“普及性”。按照世界銀行定義，普惠金融是指能夠使社會(huì)所有階層和群體廣泛、無障礙地享受金融服務(wù)的一種金融體系（Allen et al., 2016）。在現(xiàn)實(shí)中，弱勢(shì)群體的金融可得性是普惠金融推廣過程中的難點(diǎn)。如果難以普及這些群體，則意味著普惠金融的服務(wù)均衡性不夠。目前，普惠金融缺乏普及性，主要表現(xiàn)在以下兩方面：一方面，從區(qū)域上來說，普惠金融在城鄉(xiāng)間發(fā)展不平衡。在城市，金融機(jī)構(gòu)的實(shí)體網(wǎng)點(diǎn)分布廣，且能提供最為廣泛的金融產(chǎn)品和服務(wù)。然而在農(nóng)村，金融網(wǎng)點(diǎn)分布就要少得多，通常只能提供少數(shù)種類的金融產(chǎn)品和服務(wù)。根據(jù)金融排斥理論，農(nóng)村地區(qū)的金融機(jī)構(gòu)服務(wù)網(wǎng)點(diǎn)有限，分布不均衡并且長(zhǎng)期存在逆向選擇問題，從而導(dǎo)致農(nóng)村金融服務(wù)有效覆蓋面不足。在我國農(nóng)村地區(qū)，居民普遍缺乏基本的金融知識(shí)和風(fēng)險(xiǎn)意識(shí)，根據(jù)人力資本理論，這不僅加劇了金融服務(wù)的不平等，也限制了他們利用金融服務(wù)的能力。另一方面，從產(chǎn)品設(shè)計(jì)來說，普惠金融在不同群體間提供的金融產(chǎn)品和服務(wù)不平衡?？紤]到規(guī)模經(jīng)濟(jì)性，傳統(tǒng)金融產(chǎn)品設(shè)計(jì)主要針對(duì)大客戶，或大眾金融消費(fèi)者，而不是針對(duì)零散小客戶等特定消費(fèi)者群體的需求。然而，普惠金融的主要服務(wù)對(duì)象為后者。例如，小微企業(yè)、低收入群體等普惠金融服務(wù)對(duì)象可能無法提供符合金融機(jī)構(gòu)要求的質(zhì)抵押品，也難以找到有效擔(dān)保，甚至無法提供符合標(biāo)準(zhǔn)的財(cái)務(wù)報(bào)告和經(jīng)營(yíng)數(shù)據(jù)（李昊然等，2023）。因此，為滿足弱勢(shì)群體的普惠金融需求，金融機(jī)構(gòu)應(yīng)有針對(duì)性地設(shè)計(jì)合適的金融產(chǎn)品和服務(wù)。

第三，金融市場(chǎng)信用體系不完善。近年來，我國非傳統(tǒng)金融機(jī)構(gòu)在推動(dòng)建立全面、功能強(qiáng)大的全國性支付產(chǎn)品和服務(wù)方面取得了重大進(jìn)展，使得金融服務(wù)在覆蓋范圍和服務(wù)效率方面均大幅提升。然而，促進(jìn)普惠金融發(fā)展的一系列信用基礎(chǔ)體系仍有待完善。信用基礎(chǔ)體系主要包括征信體系、擔(dān)保和破產(chǎn)制度等。如果金融需求方在信用評(píng)價(jià)中擁有來自征信系統(tǒng)的重要信息，則其信用等級(jí)就會(huì)較高，獲得資金的概率也會(huì)相應(yīng)提高。目前，約三分之一的市場(chǎng)主體未被納入金融信用信息基礎(chǔ)數(shù)據(jù)庫，尤其在普惠小微貸款領(lǐng)域，傳統(tǒng)抵押貸款仍占主導(dǎo)地位。當(dāng)前，我國金融市場(chǎng)急需引入可靠的信用數(shù)據(jù)以填補(bǔ)小微信貸需求的數(shù)據(jù)缺口。然而，由于信用數(shù)據(jù)分散在工商、稅務(wù)和第三方數(shù)據(jù)供應(yīng)商，導(dǎo)致銀行難以準(zhǔn)確、全面、及時(shí)地獲取數(shù)據(jù)。地區(qū)數(shù)據(jù)標(biāo)準(zhǔn)化低、數(shù)字化不足，數(shù)據(jù)來源分散，制約數(shù)字普惠金融發(fā)展。在上述背景下，信貸歧視和信貸配給成為金融資源分配的關(guān)鍵挑戰(zhàn)。信息不對(duì)稱導(dǎo)致金融機(jī)構(gòu)在缺乏全面信用評(píng)估體系時(shí)依賴主觀判斷，容易產(chǎn)生信貸歧視。而信貸配給問題表明即便借款人愿意支付更高利率，貸款供應(yīng)仍可能不足，特別是對(duì)于缺少信用背書的個(gè)體工商戶和小微企業(yè)。在這些情況下，利率未能充分發(fā)揮其調(diào)節(jié)信貸供求關(guān)系的功能，反映了金融機(jī)構(gòu)在面臨高風(fēng)險(xiǎn)或信用評(píng)估不透明時(shí)的過度謹(jǐn)慎問題。這些問題不僅阻礙了金融資源的有效流動(dòng)和市場(chǎng)的健康運(yùn)作，還加劇了社會(huì)經(jīng)濟(jì)的不平等（邢樂成等，2019）。

第四，傳統(tǒng)業(yè)務(wù)模式與評(píng)估機(jī)制不完善。普惠金融旨在提供廣泛的金融服務(wù)，特別是對(duì)于那些傳統(tǒng)金融服務(wù)難以覆蓋的中小微企業(yè)和農(nóng)村市場(chǎng)。然而，當(dāng)前普惠金融業(yè)務(wù)在信息獲取、服務(wù)成本、規(guī)模經(jīng)濟(jì)性等方面遭遇較大挑戰(zhàn)。在傳統(tǒng)銀行風(fēng)控模式下，許多銀行的授信過分依賴抵押貸款等傳統(tǒng)信貸標(biāo)準(zhǔn)的“軟信息”，而對(duì)于中小微企業(yè)的市場(chǎng)潛力、知識(shí)產(chǎn)權(quán)、新型技術(shù)等“軟信息”的評(píng)估不足，繼而形成金融錯(cuò)配，甚至可能扭曲金融市場(chǎng)的正常運(yùn)作，加劇金融資源配置的不均衡（趙曉鴿等，2021）。

生成式人工智能賦能普惠金融的具體路徑

第一，金融數(shù)據(jù)資源化。在PB級(jí)規(guī)模數(shù)據(jù)集的支持下，基于深度學(xué)習(xí)的預(yù)訓(xùn)練大語言模型（LLM, Large Language Model）擁有的數(shù)以千億甚至數(shù)以萬計(jì)的參數(shù)，在運(yùn)算過程中呈現(xiàn)出理解、邏輯、記憶和生成等能力，生成式人工智能能夠勝任自然語言處理（NLP, Natural Language Processing）的任務(wù)。將大語言模型等生成式人工智能嵌入金融業(yè)務(wù)中，可對(duì)文字、圖片、視頻、音頻等非結(jié)構(gòu)性數(shù)據(jù)進(jìn)行邏輯性分析，釋放多模態(tài)信息和金融數(shù)據(jù)價(jià)值。具體來說，在生成式人工智能賦能金融業(yè)務(wù)時(shí)，金融產(chǎn)品和服務(wù)不再局限于單一類型，而是可以更多滿足不同社會(huì)群體日益增長(zhǎng)的個(gè)性化多樣化的金融需求（Lee et al., 2021）。因此，借助生成式人工智能，金融機(jī)構(gòu)能夠了解更多小微企業(yè)、個(gè)體工商戶、涉農(nóng)主體等群體的隱性信息，不僅能有效地緩解金融交易中的信息不對(duì)稱問題，而且能更精準(zhǔn)匹配資金需求，從而擴(kuò)展普惠金融的“長(zhǎng)尾市場(chǎng)”、提升金融普惠性。

第二，金融數(shù)據(jù)資產(chǎn)化。一方面，生成式人工智能能夠?qū)鹑跇I(yè)務(wù)及相關(guān)市場(chǎng)的原始數(shù)據(jù)進(jìn)行結(jié)構(gòu)轉(zhuǎn)換、提煉降維、數(shù)值計(jì)算和轉(zhuǎn)化映射等工程化處理，使數(shù)據(jù)成為更具業(yè)務(wù)應(yīng)用價(jià)值的資產(chǎn)。另一方面，盡管大語言模型尚不是普遍認(rèn)可的生成式人工智能代表，但已具備較強(qiáng)的通用性和擬人特性，能夠理解和生成自然語言，模擬人類行為，并與人類自然交流，還能夠在各類任務(wù)上與人類主觀體驗(yàn)對(duì)齊，從而提升客戶體驗(yàn)。當(dāng)前，大多數(shù)金融機(jī)構(gòu)的應(yīng)用系統(tǒng)仍以業(yè)務(wù)流程為導(dǎo)向，通過API設(shè)計(jì)解決特定的結(jié)構(gòu)化問題。同時(shí)，基于弱人工智能的AI技術(shù)平臺(tái)也未給金融IT架構(gòu)帶來太大變化，在使用方式上仍依賴業(yè)務(wù)系統(tǒng)調(diào)用封裝弱人工智能能力的API接口，通過固定規(guī)則交互實(shí)現(xiàn)業(yè)務(wù)價(jià)值。因此，生成式人工智能能夠極大地提升金融業(yè)生產(chǎn)效率，為金融業(yè)轉(zhuǎn)型升級(jí)帶來了新的機(jī)遇。

第三，產(chǎn)生數(shù)字信任效應(yīng)。數(shù)字信任在普惠金融中扮演著重要角色，生成式人工智能通過“數(shù)字要素＋技術(shù)”的結(jié)合，為構(gòu)建數(shù)字信任提供了堅(jiān)實(shí)基礎(chǔ)。這一過程涉及數(shù)據(jù)的收集、分析和應(yīng)用，以及相應(yīng)的技術(shù)保障。在收集數(shù)據(jù)的過程中，生成式人工智能可以確保數(shù)據(jù)的真實(shí)性和完整性，這是構(gòu)建數(shù)字信任的前提。在數(shù)據(jù)分析和應(yīng)用階段，通過算法模型的優(yōu)化和迭代，生成式人工智能可以更準(zhǔn)確地評(píng)估借款人的信用狀況，減少貸款違約的風(fēng)險(xiǎn)。此外，在技術(shù)保障方面，生成式人工智能（如區(qū)塊鏈技術(shù)的應(yīng)用）可以進(jìn)一步增強(qiáng)數(shù)據(jù)安全和透明度，為數(shù)字信任提供了更為堅(jiān)實(shí)的支撐。在普惠金融領(lǐng)域，這種數(shù)字信任效應(yīng)尤為重要，因?yàn)樗蚱屏藗鹘y(tǒng)金融服務(wù)中對(duì)抵押品的依賴，使得無抵押或低抵押的小微企業(yè)和個(gè)人也能獲得金融服務(wù)。通過這種方式，生成式人工智能不僅降低了金融服務(wù)的門檻，還提升了金融市場(chǎng)的包容性，極大拓展了金融服務(wù)的覆蓋面。

第四，助力降本增效。首先，降低運(yùn)營(yíng)成本。生成式人工智能可以通過自動(dòng)化和優(yōu)化流程來減少手動(dòng)操作和重復(fù)性工作，從而降低運(yùn)營(yíng)成本。根據(jù)金融中介理論，通過減少交易成本和信息不對(duì)稱，人工智能技術(shù)提升了金融機(jī)構(gòu)的運(yùn)營(yíng)效率，這對(duì)于經(jīng)營(yíng)成本較高的小型和中型金融機(jī)構(gòu)尤為重要。其次，提升服務(wù)可及性。人工智能技術(shù)在提高金融服務(wù)的可及性方面扮演關(guān)鍵角色。通過數(shù)字化渠道和人工智能驅(qū)動(dòng)的服務(wù)，金融機(jī)構(gòu)能夠覆蓋更廣泛的地理區(qū)域，為那些傳統(tǒng)銀行服務(wù)未能觸及的客戶群體提供服務(wù)。依據(jù)數(shù)字鴻溝理論，這種技術(shù)的應(yīng)用有助于縮小城鄉(xiāng)間、不同社會(huì)經(jīng)濟(jì)群體間的金融服務(wù)差距。最后，創(chuàng)新產(chǎn)品和服務(wù)。人工智能技術(shù)能夠分析復(fù)雜的市場(chǎng)數(shù)據(jù)，幫助金融機(jī)構(gòu)開發(fā)更適合特定客戶群體的產(chǎn)品和服務(wù)，更精確地滿足低收入和邊緣群體的特定金融需求。根據(jù)市場(chǎng)分割理論，通過更加細(xì)致的市場(chǎng)劃分和有針對(duì)性的產(chǎn)品設(shè)計(jì)，金融機(jī)構(gòu)能夠更有效地服務(wù)于多樣化的客戶群體（廖高可等，2023）。

第五，提升金融風(fēng)控水平?；诖竽Ｐ停墒饺斯ぶ悄芸梢愿咝瓿扇唛L(zhǎng)復(fù)雜的合同等文檔閱讀，并利用邏輯推理進(jìn)行信息理解和信息提煉，進(jìn)而生成便于閱讀和理解的圖表、報(bào)告、結(jié)論和意見等結(jié)果。對(duì)金融領(lǐng)域而言，生成式人工智能對(duì)金融業(yè)務(wù)中的風(fēng)險(xiǎn)因素進(jìn)行分析、識(shí)別和預(yù)測(cè)，有助于消除潛在風(fēng)險(xiǎn)。在信用評(píng)估階段，生成式人工智能可以幫助金融機(jī)構(gòu)多維度評(píng)估貸款人的個(gè)人信息、財(cái)務(wù)數(shù)據(jù)和征信記錄等，從而評(píng)價(jià)還款人的風(fēng)險(xiǎn)等級(jí)，降低信用風(fēng)險(xiǎn)。在貸后階段，生成式人工智能可以幫助金融機(jī)構(gòu)結(jié)合宏觀經(jīng)濟(jì)指標(biāo)、行業(yè)趨勢(shì)和貸款人等多方面信息對(duì)潛在客戶進(jìn)行深度挖掘和分析，以便動(dòng)態(tài)調(diào)整授信等工作。

生成式人工智能賦能普惠金融的潛在風(fēng)險(xiǎn)

一是“技術(shù)”風(fēng)險(xiǎn)。生成式人工智能具有巨大潛力，但在實(shí)際應(yīng)用中仍面臨如何把握準(zhǔn)確性、真實(shí)性與時(shí)效性的重大技術(shù)風(fēng)險(xiǎn)。首先，生成式人工智能在普惠金融情景下的應(yīng)用面臨與業(yè)務(wù)流程的耦合問題。在普惠金融應(yīng)用場(chǎng)景下，遇到的問題類型可能更復(fù)雜和難以準(zhǔn)確預(yù)測(cè)，因而，生成式人工智能的泛化能力過強(qiáng)將導(dǎo)致模型在特定普惠金融領(lǐng)域的精準(zhǔn)度降低，使其在應(yīng)對(duì)具體且復(fù)雜的金融問題時(shí)難以給出準(zhǔn)確的回答，進(jìn)而引發(fā)操作風(fēng)險(xiǎn)。其次，生成式人工智能在應(yīng)用過程中存在模型“幻覺”問題?，F(xiàn)有研究發(fā)現(xiàn)，類似ChatGPT之類的大模型仍會(huì)輸出虛假或誤導(dǎo)性信息?；跀?shù)據(jù)訓(xùn)練，生成式人工智能大模型可以生成一些貌似合理，但卻完全虛構(gòu)的內(nèi)容，輕則可能誤導(dǎo)用戶，重則可能導(dǎo)致金融決策失誤，從而增加操作風(fēng)險(xiǎn)。最后，生成式人工智能需要超大規(guī)模的數(shù)據(jù)樣本進(jìn)行訓(xùn)練，訓(xùn)練時(shí)間更長(zhǎng)，訓(xùn)練成本更高，因此，生成式人工智能難以避免出現(xiàn)“信息滯后”、時(shí)效性受限等挑戰(zhàn)。

二是“隱私安全”風(fēng)險(xiǎn)。生成式人工智能賦能普惠金融必然要面對(duì)與數(shù)據(jù)隱私和安全性相關(guān)的重大挑戰(zhàn)。生成式人工智能非常依賴數(shù)據(jù)，在處理個(gè)人和企業(yè)敏感數(shù)據(jù)時(shí)，可能會(huì)觸及復(fù)雜的隱私保護(hù)問題，如客戶的財(cái)務(wù)狀況、信用記錄和個(gè)人身份信息等，甚至包含個(gè)人或家庭的日常工作生活信息。這些敏感數(shù)據(jù)如果未得到充分保護(hù)，可能面臨被泄露或?yàn)E用的風(fēng)險(xiǎn)。在普惠金融服務(wù)中，數(shù)據(jù)隱私和安全性的問題尤為突出，因?yàn)檫@些服務(wù)往往涉及低收入和邊緣化群體，他們對(duì)于數(shù)據(jù)保護(hù)可能缺乏足夠的認(rèn)識(shí)。因此，任何數(shù)據(jù)泄露或?yàn)E用行為都可能對(duì)這些群體造成嚴(yán)重的財(cái)務(wù)和社會(huì)影響，同時(shí)削弱公眾對(duì)普惠金融服務(wù)的信任。根據(jù)數(shù)據(jù)隱私保護(hù)理論，保護(hù)客戶的隱私不僅是嚴(yán)守法律底線的要求，也是維護(hù)客戶信任和構(gòu)建長(zhǎng)期可持續(xù)關(guān)系的基礎(chǔ)。此外，普惠金融機(jī)構(gòu)還面臨著如何平衡高標(biāo)準(zhǔn)隱私保護(hù)措施與高效金融服務(wù)提供的問題。因此，如何確保所有數(shù)據(jù)處理步驟符合隱私保護(hù)要求，成為生成式人工智能能否有效賦能普惠金融的關(guān)鍵。

三是“算法”風(fēng)險(xiǎn)。首先是“算法歧視”風(fēng)險(xiǎn)。生成式人工智能是基于機(jī)器學(xué)習(xí)模型，利用大量數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練的一種算法。雖然算法可實(shí)現(xiàn)數(shù)據(jù)標(biāo)簽精準(zhǔn)化，但這是一把“雙刃劍”。如果算法在設(shè)計(jì)上或用于訓(xùn)練的數(shù)據(jù)本身包含了歧視性信息，那么在生成內(nèi)容時(shí)可能會(huì)重復(fù)或放大這些數(shù)據(jù)中的歧視性，從而嚴(yán)重?fù)p害公平屬性。普惠金融致力于消除金融服務(wù)在不同社會(huì)群體間的不平等，但生成式人工智能帶來的算法偏差可能對(duì)這一目標(biāo)構(gòu)成威脅。當(dāng)生成式人工智能基于歷史數(shù)據(jù)進(jìn)行信貸決策時(shí)，若這些數(shù)據(jù)反映了現(xiàn)有的社會(huì)經(jīng)濟(jì)結(jié)構(gòu)偏見，那么生成式人工智能可能會(huì)復(fù)制，甚至加劇這些偏見。這不僅可能導(dǎo)致對(duì)特定群體的不公正待遇，如高風(fēng)險(xiǎn)評(píng)級(jí)或拒絕服務(wù)，還可能加深現(xiàn)有的社會(huì)和經(jīng)濟(jì)不平等。根據(jù)市場(chǎng)失靈理論，如果市場(chǎng)信息不完全或存在偏差，市場(chǎng)將無法有效分配資源。在普惠金融的背景下，這意味著生成式人工智能可能因?yàn)殄e(cuò)誤的偏見而未能將金融資源分配給真正需要的群體。同時(shí)，這種偏差可能導(dǎo)致不斷自我強(qiáng)化的惡性循環(huán)，信貸市場(chǎng)中的特定群體因?yàn)橄到y(tǒng)性偏見而無法獲得信貸，進(jìn)而無法產(chǎn)生良好的信貸記錄，使得偏見在未來的生成式人工智能決策中得以繼續(xù)存在。其次是“算法黑箱”風(fēng)險(xiǎn)。從本質(zhì)上說，算法都是“黑箱”，因?yàn)椴豢赡芩腥硕紦碛凶銐虻闹R(shí)來理解算法的內(nèi)涵和模型參數(shù)。真正的“算法黑箱”是指算法背后所隱藏的決策標(biāo)準(zhǔn)和基本邏輯不被外人所理解。當(dāng)生成式人工智能模型達(dá)到千億級(jí)別的參數(shù)密集度時(shí)，甚至連開發(fā)人員都不能很好地理解算法運(yùn)作的具體細(xì)節(jié)與邏輯。“算法黑箱”可能導(dǎo)致金融機(jī)構(gòu)掩蓋金融交易過程中的不當(dāng)行為，以技術(shù)中立的形式平等掩蓋實(shí)質(zhì)上的不平等，進(jìn)而導(dǎo)致金融市場(chǎng)與政府監(jiān)管的雙重失靈（程雪軍，2023）。

四是知識(shí)產(chǎn)權(quán)風(fēng)險(xiǎn)。普惠金融的持續(xù)創(chuàng)新依賴新技術(shù)的應(yīng)用，但在普惠金融領(lǐng)域應(yīng)用生成式人工智能時(shí)，知識(shí)產(chǎn)權(quán)的問題不容忽視。生成式人工智能在分析市場(chǎng)趨勢(shì)、制定金融策略或提供個(gè)性化建議時(shí)，可能會(huì)用到受專利技術(shù)、版權(quán)保護(hù)的數(shù)據(jù)集或分析方法，這種非主觀故意或被動(dòng)的知識(shí)產(chǎn)權(quán)侵犯可能導(dǎo)致法律糾紛和道德問題，從而影響金融機(jī)構(gòu)的聲譽(yù)和運(yùn)營(yíng)。而知識(shí)產(chǎn)權(quán)法律的復(fù)雜性加劇了這一挑戰(zhàn)，當(dāng)生成式人工智能算法自主生成的內(nèi)容與已有的受版權(quán)保護(hù)內(nèi)容相似時(shí)，判定侵權(quán)的界限將變得模糊。此外，這還涉及生成式人工智能創(chuàng)造性成果的所有權(quán)問題，即確定算法生成的分析或策略的知識(shí)產(chǎn)權(quán)歸屬。這些問題涉及普惠金融的創(chuàng)新動(dòng)力及其在市場(chǎng)上的公平競(jìng)爭(zhēng)，不僅是法律問題也是倫理道德問題。

五是“更具傳染性”的市場(chǎng)風(fēng)險(xiǎn)。生成式人工智能在為金融風(fēng)險(xiǎn)控制變革帶來了機(jī)遇的同時(shí)，也強(qiáng)化了金融市場(chǎng)風(fēng)險(xiǎn)的傳染性。首先，面對(duì)風(fēng)云變幻的經(jīng)濟(jì)環(huán)境，由數(shù)據(jù)驅(qū)動(dòng)的智能化可能會(huì)使金融交易產(chǎn)生錯(cuò)誤決策，從而產(chǎn)生金融風(fēng)險(xiǎn)。其次，生成式人工智能不僅強(qiáng)化了經(jīng)濟(jì)主體（如個(gè)人、機(jī)構(gòu)等）之間的關(guān)聯(lián)性，而且強(qiáng)化了不同市場(chǎng)甚至是不同國家和地區(qū)的聯(lián)系，這將導(dǎo)致金融風(fēng)險(xiǎn)的傳染速度更快，傳染路徑更復(fù)雜，傳染范圍更廣泛，傳染破壞力更強(qiáng)大。

生成式人工智能賦能普惠金融的實(shí)施策略

發(fā)揮體制和市場(chǎng)優(yōu)勢(shì)：推動(dòng)生成式人工智能技術(shù)進(jìn)步。從全球范圍來看，以大模型為代表的生成式人工智能在過去取得了突飛猛進(jìn)的發(fā)展。然而，在當(dāng)前國際環(huán)境下，僅靠科技公司和金融機(jī)構(gòu)的積極性是遠(yuǎn)遠(yuǎn)不夠的，生成式人工智能賦能普惠金融還需要政策給予扶持，引導(dǎo)金融機(jī)構(gòu)積極探索生成式人工智能賦能普惠金融業(yè)務(wù)的具體路徑。一方面，大模型快速更新迭代對(duì)算力提出了更高的要求，而高端芯片是我國科技發(fā)展亟待補(bǔ)齊的短板。對(duì)此，應(yīng)充分發(fā)揮我國新型舉國體制優(yōu)勢(shì)，加強(qiáng)數(shù)字經(jīng)濟(jì)基礎(chǔ)技術(shù)研發(fā)，夯實(shí)我國生成式人工智能的底層技術(shù)基礎(chǔ)。另一方面，利用我國金融市場(chǎng)規(guī)模大、數(shù)據(jù)量多的優(yōu)勢(shì)，不斷提高數(shù)據(jù)質(zhì)量，這對(duì)模型訓(xùn)練來說至關(guān)重要。對(duì)此，有關(guān)部門需要考慮進(jìn)一步加大力度打通數(shù)據(jù)孤島，完善數(shù)據(jù)托管、交易制度，引導(dǎo)數(shù)據(jù)有序管控和流動(dòng)。

發(fā)展負(fù)責(zé)任的技術(shù)：強(qiáng)化生成式人工智能的算法平等?？萍紓惱韺?duì)于生成式人工智能發(fā)展的重要性不言而喻。在生成式人工智能賦能普惠金融過程中，要確保算法公平，從而避免形成金融歧視。首先，通過整合來自不同社會(huì)群體的經(jīng)濟(jì)數(shù)據(jù)，尤其是那些在傳統(tǒng)金融體系中被邊緣化的群體，生成式人工智能能夠減少固有的偏見，從而做出更加平衡和全面的決策。其次，定期進(jìn)行算法審計(jì)和偏差檢測(cè)。生成式人工智能不會(huì)天然地關(guān)注普惠金融中的小微企業(yè)、低收入群體等，不會(huì)自動(dòng)考慮社會(huì)經(jīng)濟(jì)發(fā)展過程中的公平、正義等價(jià)值觀，按照代表性偏差理論，系統(tǒng)性地識(shí)別并糾正可能的偏差，確保生成式人工智能模型的決策符合普惠金融的公正性原則。再次，提高生成式人工智能決策過程的透明度并增強(qiáng)這些決策的可解釋性，讓用戶和監(jiān)管機(jī)構(gòu)能夠理解其決策邏輯和依據(jù)。最后，開發(fā)和集成解釋性生成式人工智能工具，為特定決策提供清晰說明。要發(fā)展負(fù)責(zé)任的生成式人工智能技術(shù)，倫理治理至關(guān)重要。只有將倫理治理貫穿于數(shù)據(jù)收集、研發(fā)設(shè)計(jì)、使用和評(píng)估整個(gè)流程，才能確保倫理約束在法律觸及不到的地方仍然有效。

智能創(chuàng)新導(dǎo)航：完善普惠金融領(lǐng)域的知識(shí)產(chǎn)權(quán)政策。普惠金融的知識(shí)產(chǎn)權(quán)保護(hù)工作刻不容緩。首先，普惠金融機(jī)構(gòu)應(yīng)實(shí)施知識(shí)產(chǎn)權(quán)合規(guī)性檢查，以避免在利用生成式人工智能時(shí)無意中侵犯專利技術(shù)、版權(quán)保護(hù)的數(shù)據(jù)集或分析方法。這一措施的核心在于建立一個(gè)全面的知識(shí)產(chǎn)權(quán)管理框架，指導(dǎo)機(jī)構(gòu)合法利用外部數(shù)據(jù)和技術(shù)。此外，考慮到知識(shí)產(chǎn)權(quán)法律的復(fù)雜性，特別是當(dāng)生成式人工智能算法自主生成的內(nèi)容與已有的受版權(quán)保護(hù)內(nèi)容相似時(shí)，普惠金融機(jī)構(gòu)應(yīng)積極參與行業(yè)對(duì)話和法規(guī)制定，以澄清和維護(hù)合法權(quán)益。同時(shí)，鼓勵(lì)開放創(chuàng)新和行業(yè)合作，共享非敏感數(shù)據(jù)和方法，這不僅有助于促進(jìn)行業(yè)內(nèi)的良性競(jìng)爭(zhēng)，也能夠避免重復(fù)“造輪子”，降低侵權(quán)風(fēng)險(xiǎn)。這些措施有助于普惠金融機(jī)構(gòu)在利用生成式人工智能進(jìn)行市場(chǎng)分析、制定金融策略或提供個(gè)性化建議時(shí)，既能保持創(chuàng)新活力，也能確保其活動(dòng)合法合理合情。

保護(hù)隱私：筑牢普惠金融的數(shù)據(jù)隱私與安全性防線。首先，利用先進(jìn)的數(shù)據(jù)安全技術(shù)，如強(qiáng)加密方法和安全的數(shù)據(jù)存儲(chǔ)方案，以及嚴(yán)格的身份驗(yàn)證和訪問控制機(jī)制，以防止未經(jīng)授權(quán)的數(shù)據(jù)訪問和泄露。同時(shí)，建立全面的數(shù)據(jù)治理策略，覆蓋數(shù)據(jù)的收集、存儲(chǔ)、處理和共享的所有方面，定期更新這些策略以適應(yīng)技術(shù)和法規(guī)的變化。其次，金融機(jī)構(gòu)應(yīng)采取積極措施提升這些用戶的數(shù)據(jù)安全意識(shí)，如通過研討會(huì)、宣傳材料和在線資源進(jìn)行教育和宣傳。最后，金融機(jī)構(gòu)在提供快速有效的服務(wù)的同時(shí)，應(yīng)確保所有數(shù)據(jù)處理步驟都嚴(yán)格遵守隱私保護(hù)要求，找到技術(shù)創(chuàng)新和隱私保護(hù)之間的平衡點(diǎn)。

平衡安全與發(fā)展：創(chuàng)新生成式人工智能金融領(lǐng)域的監(jiān)管政策。生成式人工智能賦能普惠金融的同時(shí)，對(duì)國家的金融監(jiān)管政策和手段提出了更高要求，倒逼政府及相關(guān)部門創(chuàng)新金融監(jiān)管政策。生成式人工智能的發(fā)展，一方面將促使金融交易方式或業(yè)態(tài)更為多樣，另一方面可能會(huì)產(chǎn)生更隱蔽、破壞性更大的金融風(fēng)險(xiǎn)。在生成式人工智能技術(shù)快速發(fā)展的情境下，國家監(jiān)管在把主要精力集中在大型金融機(jī)構(gòu)、量化交易、主要金融風(fēng)險(xiǎn)的同時(shí)，還要高度關(guān)注生成式人工智能技術(shù)發(fā)展可能導(dǎo)致的小型、分散的金融風(fēng)險(xiǎn)。因此，需要行業(yè)監(jiān)管部門轉(zhuǎn)變監(jiān)管理念，積極引導(dǎo)發(fā)展智能監(jiān)管，以適應(yīng)金融機(jī)構(gòu)在技術(shù)領(lǐng)域的創(chuàng)新。如何借助生成式人工智能解決金融發(fā)展與監(jiān)管的矛盾，將成為未來研究重點(diǎn)。

（本文系北京市社會(huì)科學(xué)基金規(guī)劃項(xiàng)目“數(shù)據(jù)要素市場(chǎng)驅(qū)動(dòng)北京數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展研究”的階段性成果，項(xiàng)目編號(hào)：23JJB014；中國政法大學(xué)商學(xué)院博士研究生林登輝、謝建邦和王則仁對(duì)本文亦有貢獻(xiàn)）

參考文獻(xiàn)

F. Allen, A. Demirguc-Kunt, L. Klapper and M. S. Martinez Peria, 2016, "The Foundations of Financial Inclusion: Understanding Ownership and Use of Formal Accounts," Journal of Financial Intermediation, 27.

C. C. Lee, X. Li, C. H. Yu, et al., 2021, "Does Fintech Innovation Improve Bank Efficiency? Evidence from Chinas' Banking Industry," International Review of Economics and Finance, 74.

蔡躍洲、陳楠，2019，《新技術(shù)革命下人工智能與高質(zhì)量增長(zhǎng)、高質(zhì)量就業(yè)》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》，第5期。

陳建兵、王明，2024，《負(fù)責(zé)任的人工智能：技術(shù)倫理危機(jī)下AIGC的治理基點(diǎn)》，《西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》，第1期。

程雪軍，2023，《金融科技平臺(tái)算法黑箱的國際規(guī)制與中國因應(yīng)》，《國際經(jīng)濟(jì)法學(xué)刊》，第2期。

李昊然、劉詩源、康潤(rùn)琦，2023，《普惠金融與小微企業(yè)破產(chǎn)風(fēng)險(xiǎn)——來自小微支行設(shè)立的準(zhǔn)自然實(shí)驗(yàn)》，《經(jīng)濟(jì)研究》，第11期。

廖高可、李庭輝，2023，《人工智能在金融領(lǐng)域的應(yīng)用研究進(jìn)展》，《經(jīng)濟(jì)學(xué)動(dòng)態(tài)》，第3期。

歐陽日輝、劉昱宏，2024，《生成式人工智能（AIGC）融入制造業(yè)的理論邏輯與實(shí)現(xiàn)路徑》，《新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》，第1期。

彭蘭，2023，《AIGC與智能時(shí)代的新生存特征》，《南京社會(huì)科學(xué)》，第5期。

邱晗、黃益平、紀(jì)洋，2018，《金融科技對(duì)傳統(tǒng)銀行行為的影響——基于互聯(lián)網(wǎng)理財(cái)?shù)囊暯恰?，《金融研究》，?1期。

石宗輝、韓俊華，2022，《金融科技的數(shù)字普惠金融機(jī)理分析及應(yīng)用研究》，《科學(xué)管理研究》，第3期。

世界銀行、中國人民銀行，2018，《全球視野下的中國普惠金融：實(shí)踐、經(jīng)驗(yàn)與挑戰(zhàn)》，北京：中國金融出版社。

肖仰華，2023，《生成式語言模型與通用人工智能：內(nèi)涵、路徑與啟示》，《人民論壇·學(xué)術(shù)前沿》，第14期。

邢樂成、趙建，2019，《多維視角下的中國普惠金融：概念梳理與理論框架》，《清華大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》，第1期。

張勛、萬廣華、張佳佳、何宗樾，2019，《數(shù)字經(jīng)濟(jì)、普惠金融與包容性增長(zhǎng)》，《經(jīng)濟(jì)研究》，第8期。

趙曉鴿、鐘世虎、郭曉欣，2021，《數(shù)字普惠金融發(fā)展、金融錯(cuò)配緩解與企業(yè)創(chuàng)新》，《科研管理》，第4期。

Empowering Inclusive Finance with Generative Artificial Intelligence: Realistic Foundations, Critical Risks, and Countermeasures

Liu Zhixiong

Abstract: Inclusive finance is an integral part of the "Five Major Tasks" of financial development. Currently, the development of inclusive finance in China faces challenges such as lack of sustainability, insufficient popularization, and an imperfect credit system. In recent years, the rapid development of generative artificial intelligence (GAI), emerging as a new technological base for informationization, digitalization, and intelligentization, possesses powerful capabilities for knowledge encoding and storage, understanding and generating text and code, and reasoning for complex tasks. It can generate five major effects on inclusive finance: data resourceization, data assetization, digital trust, risk control, and cost reduction and efficiency enhancement, thereby effectively empowering the high-quality development of inclusive finance.

Keywords: generative artificial Intelligence, inclusive finance, integration mechanism, ethical risk

責(zé) 編／韓 拓 美 編∕梁麗琛