香港证监会前主席梁定邦：AI在金融领域应用的机遇、挑战与监管新格局
2025年12月27—28日，中国财富管理50人论坛2025年会暨国研平台第三届“AI+金融”峰会在京召开。亚洲国际法律研究院联席主席、香港证监会前主席梁定邦出席并发表主题演讲。
梁定邦认为，最近10年人工智能在很多地区和领域的应用都有重要进展，尤其在中国，每年增长率约30%。目前约85%的大型机构都在通过人工智能降低成本，提高客户满意度。人工智能正在重构金融服务的全链条，但在使用过程中，必须正视幻觉风险、偏差与公平性、可解释性不足、数据隐私和合规等四大挑战。2025年监管对数据完整性、可追溯性、双层标识提出了新的要求。在新的监管要求下，金融机构要主动提高AI在品牌提升、模型优化、敏捷更新等方面的能力。
最近10年，人工智能在很多地区和领域的应用进展加快，尤其在中国，每年增长率约30%。目前，约85%的大型机构都在应用人工智能降低成本，提高客户满意度。人工智能最早在20世纪50年代提出，但在最近10年发展较快，主要原因是硬件和算力大幅提升，价格却大幅降低，整体应用门槛大幅降低。
一、AI技术的固有局限：必须正视的四大挑战
一是幻觉风险。AI模型基于统计预测而非事实验证，可能生成看似合理但实际错误的输出。在金融决策中，这种“一本正经的胡说八道”可能导致重大资金损失。
二是偏差与公平性问题。训练数据中的历史偏见会被模型学习并放大，可能导致信用评估、贷款审批等环节出现针对特定群体的歧视性结果，引发法律与声誉风险。
三是可解释性不足。深度学习模型的“黑箱”特性使得决策过程难以追溯与解释。在需要高度透明的金融监管环境中，无法解释的决策难以被接受。
四是数据隐私与合规风险。AI依赖海量客户数据进行训练与推理。如何在充分利用数据价值与保护个人隐私之间取得平衡，并满足日益严格的合规要求，是持续性挑战。
二、九大应用场景：重构金融服务全链条
人工智能在前台、中台、后台的九大应用场景中重塑金融服务全链条。前台应用场景包括智能客服与聊天机器人、个性化金融建议；中台应用场景包括欺诈监测与防范、信用评分与风险评估、文档处理与合规审查；后台应用场景包括算法交易、市场情报与情绪分析、贷款与按揭自动化、自主型AI代理。
前台应用主要是客户端，基本上都是闭环AI，不会是开放式AI，因为客户端服务要求底层数据不能有偏差，因此金融机构在前台应用方面比较谨慎。中台应用主要是防电诈和信用评级。后台应用主要是计算方法，如利用储备数据做市场分析等。根据BIS的市场调研，AI应用场景最多的是诈骗监测，其次是智能客服，第三是信用评级。
三、全球AI监管框架：透明、问责与风险控制
从监管角度看，最近10年最重要、最全面的监管文件是2019年联合国文教组织发布的《北京宣言》。《北京宣言》的核心内容包括两点：一是AI发展要高度关注伦理问题，要坚持以人为本的理念；二是拔出1/3的AI研发经费专门用于研究伦理问题，对于各个国家的监管机构而言，必须要拿出一部分资源做AI的负面影响研究。
其次是欧盟发布《人工智能法案》，代表了最系统化的监管尝试。《人工智能法案》的主要内容包括透明度原则、数据管理要求、风险分级管理、权利与公平保护、问责制度机制等。
四、中国AI监管框架：价值与安全
中国大陆七个部委在2023年发布了《生成式人工智能服务管理暂行办法》，体现了很多监管细则，比美国、英国的监管制度更细化，其主要内容包括内容责任机制、数据治理要求、透明度义务、安全审查制度、问责与投诉机制等。
2025年中国大陆的监管部门陆续发布了一系列的监管文件和国家标准，内容全面且详实，参考价值较高。国家标准的最新要求主要体现在三个方面：一是数据完整性。服务提供者必须对训练集进行随机抽样，如果超过5%的数据包含非法或有害信息，则不得使用该数据集。二是可追溯性。开发者必须保留至少6个月的日志记录，并确保每一个AI输出都可以追溯到其来源与生成过程。三是双重标识。平台不仅需要添加可见的“AI生成”（显式标识），还必须在内容的元数据中嵌入不可移除的数字水印（隐式标识）。在新的监管框架下，很多AI应用场景可能都面临合规问题。在此背景下，需要使用者主动提升AI 在品牌提升、模型优化、敏捷更新等方面的能力。
五、AI赋能金融监管
当前全球主要监管机构都在应用AI提升市场监测能力，利用市场数据不断完善压力测试的场景和指标。英国金融行为监管局（FCA），美国证券交易委员会（SEC），欧洲央行（ECB），香港金融管理局（HKMA）等监管机构都在积极应用金融科技。使用最全面的应该是国际清算银行（BIS），属于金融科技应用的“领头羊”。BIS的金融科技创新团队办公地点选择香港，主要原因是中国在AI应用方面处于世界领先地位，香港在相关法规、应用创新等方面世界领先。
