未來10年，中國金融業23%的崗位將受AI衝擊

原標題：未來10年，中國金融業23%的崗位將受AI衝擊

最早出現在科幻故事和影視作品，AI常常以人類的朋友、幫手出現，讓人們對人工智慧的未來充滿期待。然而隨著經濟發展速度減緩、數字安全等問題的負面影響不斷曝光，人們的態度又不再像過去一樣樂觀。

目前社會上有不少關於人工智慧替代勞動者，造成大規模失業，導致社會收入分配的進一步失衡的討論。那麼人工智慧到底對人類是徹底替代，還是將人們從重複性、低價值的勞動中解放出來？

人工智慧改變商業世界的三大方面

近年來人工智慧的資料、演算法與應用場景的不斷互動與融合，正驅動著新一輪人工智慧的發展。人工智慧不再侷限於模擬人的行為結果，而真正擁有了快速處理與自主學習的能力。

我們認為，所有行業的人工智慧使用者都可以從資料、流程和行動三個維度去理解人工智慧。人工智慧通過處理結構化資料及非結構化的語言、影象等資訊，改進工作流程、提供新型的產品和服務，並做出資料化或者物理的資訊反饋（參閱圖1）。而這一系列動作的完成，正是依賴計算機視覺、語音識別以及自然語言處理三大技術，它們是獲取和收集資訊的主要支撐；而資訊處理、資料學習、計劃與探索三大技術能在處理流程上幫助使用者實現優化；最後，人工智慧依賴影象生成、語音生成、操作與控制、空間位移四大技術對外界進行反饋與表達。

人工智慧深度學習的發展與大資料的推廣應用掀起了人工智慧的第三次浪潮，驅動了多項應用層技術的突破與成熟，使得人工智慧在三個方面實質性地改變著商業世界：推動自動化水平達到新高度、支援智慧分析與決策、催生新商業模式與新產業。

• 自動化水平新高度：感知類技術（計算機視覺、語音識別、自然語言處理等）的不斷成熟，推動產業自動化水平達到新的高度。

人工智慧發展所帶來的高度自動化在商業世界的代表性用例有客服聊天機器人、機器自動身份識別等。客服聊天機器人能夠遵循客戶旅程的標準路徑，藉助機器學習演算法觀察對話並理解對話意圖，在遇到困難時將問題傳送給人工處理，並對人工答覆加以學習，從而起到提升客戶服務質量並降低服務成本的作用。而機器自動身份識別則是利用自動聲音識別或面部自動識別對使用者進行身份驗證，通過分析使用者聲音、眼部、面部特徵來驗證身份，取代原來的安全問題或密碼，這一做法比詢問驗證問題的方法快得多，而且由於客戶無需記住密碼能夠大大改善客戶體驗。

• 智慧分析與決策：資料分析的不斷突破，能大幅提高智慧分析決策水平，從而創造或提升商業價值。

資料分析包括趨勢分析、根本原因分析、資料探勘、預測、建議和個性化等，人工智慧較之商業智慧和傳統分析，既延伸了分析的廣度，也提高了分析的深度。以往的商業智慧和傳統分析往往停留在趨勢分析、原因挖掘、資料探勘與預測層面，而人工智慧可以通過不斷學習和完善，提高建議的相關性和特異性，實現「個性化分析」，在風險管理、營銷、服務等領域提供真正智慧化的分析和決策。如人工智慧可以實現基於社交網路的信用評分，優化現有分數、或為無信用記錄的人生成分數；通過自然語言生成分析報告，分析與評估財務資料；開展動態欺詐模式檢測，從實時複雜交易模式中發現欺詐；根據客戶行為和研究提供個性化的健康建議；根據客戶和產品DNA，開展個性化營銷，提供獨一無二的個性化產品等等。

人工智慧在金融業價值鏈各環節的應用

伴隨著人工智慧技術的發展，人工智慧的應用已廣泛滲透到金融行業中，且日漸成熟，並推動銀行、保險、資本市場三大金融行業的深刻變革。爲了確定不同的人工智慧技術在金融行業的應用場景，我們與多位行業專家攜手合作，基於銀行、保險、資本市場的細分價值鏈研究，分析人工智慧如何在金融領域實現推動自動化、智慧分析與決策、發掘新模式與新業態，並就人工智慧在各個行業中較為重要的幾類應用展開示例說明。

經過大量的案例研究與專家訪談，我們發現人工智慧技術在銀行業的應用較之保險與資本市場更為成熟。近年來國內外多家銀行紛紛試水人工智慧，人工智慧應用已貫穿於龐大的銀行業業務體系中，覆蓋公司業務與零售業務從產品開發、營銷與銷售、風險管控與稽覈，到客戶管理與服務的完整流程（參閱圖4）。

如圖4所示，在銀行業務價值鏈的四大核心環節中，人工智慧帶來了客戶畫像建立與潛客預測以及語音和影象識別身份兩大創新模式；在產品與解決方案設計、客戶需求管理、智慧投顧、反欺詐、資產組合風險預警等方面為銀行提供了智慧分析與決策；在信用評分、資料稽覈、報告生成、客服等環節，人工智慧更是將自動化水平推向了新高度。

我們發現人工智慧在保險業價值鏈的各個環節存在豐富的潛在應用。國內外領先保險集團已開展人工智慧佈局，以覆蓋保險業業務體系中產險、壽險各條線的前中後臺流程。人工智慧不僅可為前端營銷、承保、覈保、理賠等核心流程提供多樣化支援，也滲透到了後端資產管理等環節中（參閱圖5）。

如圖5所示，在保險業務價值鏈的六大核心環節中，人工智慧帶來了智慧識別客戶滿意度這一創新模式；在保險產品設計、交叉銷售和追加銷售、客戶流失預測、預審批建議、反欺詐檢測、索賠預測、資產組合管理、再保險建議等方面提供了智慧分析與決策；在使用者行為評估以及財物狀態檢測、承保自動化、客戶請求流轉、遠端理賠查勘等環節實現了自動化水平的新高度。

• 在資本市場業務的應用

通過案例資料研究及行業專家訪談，我們看到人工智慧在資本市場同樣具備廣闊的前景。國內外領先證券公司已開始探索人工智慧在從證券發行、投資決策支援、銷售與交易到資料分析與報告等各個環節的潛在應用（參閱圖6）。

如圖6所示，在資本市場業務價值鏈的五大核心環節中，人工智慧帶來了多渠道介面資訊溝通這一創新模式；在資產組合個性化定製建議、股票交易決策支援、研究分析、風險建模、智慧投資顧問等方面協助開展智慧分析與決策；並在智慧文件解讀、自動報告生成、跨資產類別清算、移動報告等環節推進了自動化水平達到新高度。

• 在金融業支援性職能的應用

金融行業的合規、IT、人力、財務等後臺支援職能中存在較多高重複性的工作，而人工智慧技術的重要應用之一正是對高重複性工作的替代，因此人工智慧在後臺支援流程中存在大量應用機會，且這些應用對於銀行、保險、資本市場等金融行業而言具有通用性。通過對大量案例進行研究總結，我們發現人工智慧可被廣泛應用於各後臺職能中涉及合規風險檢測、資料分析和文件處理等方面的各個環節（參閱圖7）。

如圖7所示，在金融機構的四大類支援流程中，人工智慧帶來了大資料運營分析這一創新模式；在內部合規偵測、可疑活動預警、網路風險檢測等方面促進了智慧分析與決策；在簡歷/面試篩選、候選人互動、會計自動化、法律研究、協助執法等方面提升自動化水平到達新高度。

人工智慧對金融業就業市場的三類影響方式

基於以上人工智慧技術在金融業各業務價值鏈上的應用，我們總結出人工智慧對金融業就業市場的三類主要影響方式——削減崗位、提升效率及創造就業。其中，削減崗位及提升效率均是對現存崗位的影響，而創造新崗位則是從增量的角度，反映人工智慧對潛在就業市場的影響。而對削減崗位和提升效率二者的進一步區分，則是基於對人工智慧取代人工的部分是否屬於某一崗位核心價值創造活動的判斷。即如果某一崗位的核心價值能夠不再由人工創造，而是由人工智慧替代實現，則定義該崗位基本因人工智慧而被削減；而若某一崗位的核心價值創造活動是人工智慧無法取代的，依然需要人為實現，而人工智慧僅作為輔助手段完成部分非核心工作，則屬於提升效率。

人工智慧對現存就業的影響本質上是在對每個崗位中的某些工作模組進行替代。當某一崗位內創造核心價值的工作模組為人工智慧可取代人工的工作模組時，定義該崗位為可被削減的崗位，原有員工可轉為監督管理職責或其它崗位。基於對相關學術研究的總結，人工智慧可取代人工的工作模組主要分為兩類，一類是遵循一定步驟因而可被編碼成計算機語言的常規性工作，另一類是不需應用解決複雜問題能力或創新能力來應對人際情感互動或隨機多變環境的非認知與情感類工作。在金融行業中，目前仍存在大量核心價值創造活動為上述型別工作的崗位，預計未來會隨人工智慧的應用而逐步削減，包括後臺及支援保障類崗位，以及前臺業務中核心為資料分析、檔案處理的銀行業櫃員、保險業覈保承保等崗位，具體崗位將在第三部分規模估算中詳述。

• 提升現有崗位的效率

如前文所述，當某一崗位內創造核心價值的工作模組為人工智慧技術不可取代人工的工作模組時，人工智慧主要負責輔助性工作模組，則該崗位仍將存在，人工智慧的影響主要體現為減少工作時間，從而提升效率。由於效率提升，可能進一步帶來兩種結果，一是在人員不減少的情況下創造更多產出，另一種是在潛在產出受限的情況下減少部分人員。即該崗位仍存在，但崗位上人數是否減少，取決於潛在市場需求能否支援足夠多的人員就業需求。

基於相關文獻總結，人工智慧不可完全取代人工的工作模組主要為無清晰步驟程式可遵循的非常規性工作，和需應用解決複雜問題能力或創新能力應對人際情感互動或隨機多變環境的認識與情感類工作。在金融行業內，未來仍會存在大量崗位，其創造核心價值的工作模組主要為上述型別，如需大量人際情感溝通的客戶經理、人力資源等崗位，及需解決複雜問題的投資經理、財務規劃等崗位，具體崗位將在第三部分規模估算中詳述。

在替代部分工作崗位的同時，人工智慧技術的發展和應用也正為金融業就業市場帶來生機。人工智慧，在開發、運營和應用中會創造大量就業崗位。除去新興的人工智慧技術或基礎設施提供商，我們認為人工智慧技術將在金融行業內創造三類就業崗位：技術型、運營型和業務型。

技術型崗位包括資料科學家、系統架構師、開發工程師、演算法及系統測試師等；運營型崗位負責大資料與人工智慧產品相關係統的執行與維護，確保相關產品的質量穩定、法律和業務合規性；業務型是介於技術和業務之間的複合型崗位，包括能夠在技術部門、業務部門以及服務部門之間充當業務需求及技術演算法解釋角色的演算法解釋分析師，同時也需要能夠快速瞭解、學習前沿技術並與現有業務進行結合的商務拓展專家。

人工智慧對金融業就業市場的影響可能遠不止於這些。如前所述，由人工智慧而催生的新商業模式帶來的就業需求將在未來隨著行業發展而不斷涌現。

對崗位削減及效率提升影響的定量分析

如前言分析，2017年可被認為是中國的人工智慧應用元年，隨著國務院《新一代人工智慧發展規劃》的釋出，人工智慧開始大規模進入政府及企業管理者的視野，預計人工智慧的實際應用也將逐步擴充套件到各行各業，開啟中國人工智慧真正的新紀元。因此，以2017年作為人工智慧對就業市場影響的基準年份，對金融行業價值鏈上各崗位就業市場的影響進行分析和估算（見邊欄：計算模型與方法論）。

經測算，到2027年，中國金融業就業人口可達到993萬人，其中23%的工作崗位會受到人工智慧帶來的顛覆性影響，削減或轉變為新型工種；剩下77%的工作崗位未被替代，但效率將獲得大幅提升。將受到人工智慧顛覆性影響的主要為從事標準化、重複性工作的崗位，據估算至2027年約為230萬人，即金融業就業總人口的23%。而餘下760萬人主要為需要解決複雜問題、應對人際情感互動及隨機多變環境的崗位，將不會受到人工智慧的顛覆，而是在人工智慧的協助下提升效率（參閱圖8）。

同時，在估算中我們也考慮了中國金融業本身的特點。與國外相比，中國金融業雖然總體就業人數多於多數國家，但服務客戶規模亦較大，因此每個客戶對應的員工人數並非遠多於其它國家。此外，由於中國網際網路行業近年來的蓬勃發展，中國金融企業網際網路技術的應用發展程度較國外更為先進，如網上銀行、手機銀行等已在中國銀行客戶中廣泛應用，替代掉相當一部分人力。因此，與國外相比，我國金融業就業市場未來受人工智慧技術的影響程度可能不一定更為劇烈。

從崗位削減的角度來看，到2027年將有230萬金融業崗位因人工智慧的應用而被削減，降幅約為23%（參閱圖9）。其中，保險業受影響程度最大，25%的崗位面臨削減或轉型；銀行業次之，削減比例大約為22%；資本市場業務最少，約16%的崗位面臨顛覆。資本市場業務需要大量且多元的行業資料和資料基礎，有些資料無法高效提取其中的有效資訊，甚至無法通過機器和演算法獲得，這一行業特性導致人工智慧技術不會在短期內替代如銀行和保險行業一樣多的工作崗位。縱觀金融業，交易類、風險稽覈類、客戶服務類以及後臺財務類等崗位將更可能會面臨顛覆。儘管這些被削減的崗位仍可能剩下極少數人員以監督人工智慧的工作，但由於這些崗位被高度自動化，留下的人數極少，因此我們忽略不計，將削減人數記為該崗位所有人數。

從效率提升的角度來看，人工智慧可以大幅減少原有崗位的工作時長，相當於提升效率（參閱圖10）。根據估算，到2027年，人工智慧將使得金融業未被顛覆崗位的工作總時長減少27%，相當於人們每天花在同樣職能活動的工作時間平均可減少2.1小時，效率提升38%。其中，效率的提升對資本市場影響最大，銀行業次之。在產品開發、銷售、投資決策及資產管理等環節，由於人工智慧替代了部分低認知程度和簡單的工作模組所需的人工，或在部分工作模組上較之人工操作提高了準確性，因此可帶來生產力及效率的提升。

從新崗位創造的角度來看，人工智慧在削減低技能工作崗位的同時會創造更多的新型崗位。根據Gartner釋出的報告，從2020年開始，人工智慧創造就業量將超過削減就業量，在砍掉180萬個工作崗位的同時，會新增230萬個新的工作機會。目前，中國整體人工智慧人才缺口高達百萬，在過去兩年對新型崗位的需求以每年翻倍的速度遞增。聚焦金融領域，人工智慧領域的新型崗位及人才需求同樣巨大，主要是人工智慧相關技術研發人才、運營專員及人工智慧商務拓展專家等，對研發、運維到業務每個環節都提出了新的要求。

就業市場與人才能力需求變化趨勢

隨著人工智慧技術的發展，市場上人才需求正在發生結構性變化。對於重複性、標準化、程式化的崗位，人工智慧正在逐步取代人工，其需求已初現下降趨勢。然而，未來十年內，仍有部分崗位將無法被人工智慧取代。根據牛津大學及耶魯大學對352名人工智慧科學家的調研顯示，科學家們普遍認為人工智慧對人類工作的完全替代可能仍需一至兩個世紀，不會那麼快在近期實現。尤其對於本身強調溝通、邏輯與創造的崗位，在近期內暫時無法被人工智慧所取代。此外，回顧人類歷史，每一次技術進步在消減部分崗位的同時，也會創造大量新的就業需求，如技術相關人才作為技術革命的中流砥柱，將長期保持為就業市場的需求增長點。就業需求的轉變將對人才技能和素質的培養提出新的要求。

人工智慧時代對人才素質要求的影響首先直接體現在人工智慧技術領域，將在技術層面以及在應用層面直接對人才提出硬性技術能力和軟性素質能力兩方面的更高要求。在技術的研發上，隨著未來人工智慧技術發展到一定階段，企業可能會產生對掌握更高階技術人才的需求，潛在方向包括機器人培訓與監督、機器人外形設計、機器人性格設計等技術能力，這類頂尖的技術人才往往有過硬的學術背景與科研實力，大多擁有電腦科學（Computer Science）或者電氣工程學（Electrical Engineering）等專業科學學科的博士學位。而在技術的應用上，企業將需要更多既掌握技術能力又具有良好軟性素質能力的複合型人才。這類人才應具備交叉學科背景及綜合能力，如同時有能力搭建計算機程式和商業模型；同時，他們還需要快速學習能力以理解商業邏輯，更需要跨界合作能力與各方溝通洽談，從而真正將人工智慧技術落地為各行業的具體應用。

來源：BCG波士頓諮詢

交易計劃，每天下午群內公佈億杉體系次日交易分析計劃。

盤中指導，交易日盤中實時解讀強弱品種，提示交易機會。

行情提示，共同捕捉優秀交易機會，提示止損位、目標為及主觀止盈機會。返回搜狐，檢視更多

責任編輯：