自2024年12月以來，包括建設銀行、工商銀行、農業銀行、交通銀行、北京銀行等在內的多家銀行升級了手機銀行APP，其中AI賦能成為亮點。

《中國經營報》記者梳理到，近期AI賦能手機銀行主要體現在增強客戶體驗和賦能業務創新方面。

對于近年來市場尤為重視的數據安全問題，部分銀行也表示，AI賦能下手機銀行的交互體驗到安全保障，都實現了服務質效的顯著提升。為保護數據安全，銀行在數據收集、數據存儲、數據分析等環節采取了大量保護措施。

客戶營銷是AI應用重點

中金金融認證中心有限公司（CFCA）發布的《2024中國數字銀行調查報告》（以下簡稱“《報告》”）顯示，AI正成為數字銀行（包括手機銀行）管理市場偏好的重要工具。

《報告》給出一組數據，在數據銀行的AI應用方向中，63.9%用于客戶營銷，55.6%用于風險控制，50%用于客戶運營管理，47.2%用于客戶服務和權益保護。

蘇商銀行高級研究員孫揚總結道，AI能幫助提升客戶服務的響應度，可以全天候AI服務客戶自動響應，從而提升客戶滿意度；可以更好地實現金融產品面向客戶的智能推薦，實現界面千人千面，讓手機銀行面向客戶更加個性化；可以通過AI，促進財富管理的智能投顧服務，和客戶的業務旅程更加絲滑地整合在一起。

北京市社會科學院副研究員王鵬告訴記者，AI對手機銀行的賦能可以提升運營效率，通過自動化流程，AI可以自動化處理一些重復性高、耗時長的業務流程，如貸款審批、賬戶管理等，提高銀行的運營效率；通過智能調度系統，AI可以優化分行和ATM的布局，提高資源利用率。

在風險管理方面，王鵬指出AI可以通過分析交易模式和行為特征，實時識別和預防欺詐活動，保障客戶的資金安全；基于大數據和機器學習算法，AI可以更準確地評估客戶的信用風險，為銀行提供決策支持。

不過，在簡化業務流程的同時，銀行如何確保AI技術的運用不會降低業務處理的準確性和安全性？

CFCA產品中心副總經理劉通告訴記者，為了保障AI技術處理業務的準確性和安全性，銀行采用了多種方式。

首先，銀行建立嚴格的模型評估體系，對AI模型進行全面的評估和測試，確保模型的泛化能力和穩定性。例如，在貸款審批模型中，通過對歷史數據的回測和實際業務數據的驗證，評估模型的準確性和風險識別能力。

其次，隨著業務數據的不斷積累和市場環境的變化，銀行及時對AI模型進行優化和更新，采用強化學習技術，使模型能夠自動適應新的數據和業務場景。例如，在智能投資顧問中，根據市場行情和客戶投資行為的變化，實時調整投資策略和模型參數。

再者，銀行不斷加強身份認證和授權管理，采用多因素身份認證技術，構建多層次、立體化的身份認證體系。例如，銀行采用CFCA的安心驗產品，利用身份證、銀行卡、手機號、面部識別等多種驗證手段，確保用戶身份的準確性，為用戶的資金交易提供安全性的保障。

最后，銀行運用密碼技術、入侵檢測技術等多種安全手段，保護AI系統和用戶數據的安全。例如，對用戶資金交易及其他關鍵數據進行加密傳輸和存儲，防止數據泄露和篡改；同時，定期進行安全漏洞掃描，及時發現和解決潛在的安全隱患。

《報告》認為，接下來，AI應用將更深入，用戶和場景的智慧運營水平將逐漸提升。具體來看，銀行將借助用戶實時情境與服務場景融合升級，使得用戶陪伴服務更“深入”；運營活動也將日益注重個性化和深入場景化；未來將借助交叉營銷和體驗式陪伴運營，提升數字金融業務場景協同性。

多舉措保護數據安全

隨著AI技術的廣泛應用，隱私保護和數據安全成為重要議題。

近年來，監管層對于數據安全也十分重視。2025年1月14日，工業和信息化部發布《關于加強互聯網數據中心客戶數據安全保護的通知》；1月15日，國家發展改革委、國家數據局等六部門印發《關于完善數據流通安全治理更好促進數據要素市場化價值化的實施方案》。

“在AI技術的推動下，手機銀行正在經歷一次前所未有的升級變革。在這一過程中，隱私保護和數據安全問題已經上升到一個至關重要的地位，銀行不得不面對一些潛在的風險和挑戰。”劉通說。

劉通列舉到，一是數據泄露風險，AI系統需要大量用戶數據進行訓練和優化，這些數據可能包括個人身份信息、交易記錄、行為習慣等敏感信息，此類信息若處理不當，可能會導致侵犯用戶隱私的情況發生，進而導致用戶信任度下降，甚至產生法律合規風險；二是模型攻擊風險，AI模型可能受到對抗性攻擊（Adversarial Attacks），攻擊者通過輸入精心設計的惡意數據，導致模型輸出錯誤結果，可能會產生錯誤允許（欺詐交易被誤判為合法）或者錯誤拒絕（用戶身份驗證失敗）的后果；三是算法偏見風險，AI模型可能因訓練數據不均衡或算法設計問題，產生偏見（Bias），導致不公平的決策。

銀行在利用AI收集和分析用戶數據時，也采取了諸多措施來保護用戶隱私。王鵬列舉到，主要包括數據加密、訪問控制、數據脫敏、隱私政策、合規監管、安全審計和監控等。

“銀行還采取了堡壘機、專有云等物理設備，將敏感數據和辦公環境隔離。銀行還會在數據生成、數據加工、數據存儲、數據使用等全流程，進行分段管理、分段授權，減少敏感數據的流轉，在數據加工時，就會充分使用數據庫/數據倉庫自帶或者商用的數據加密、掩碼等功能，實現敏感數據脫敏。”孫揚說。

劉通詳細介紹道，在數據收集環節，銀行會遵循最小化原則，只收集與業務直接相關的必要數據，避免過度收集用戶信息，降低數據泄露風險；在數據存儲環節，利用加密算法，對數據進行加密，確保數據在存儲和傳輸過程中的安全性，采用安全可靠的存儲系統和技術，建立嚴格的訪問控制機制，限制對存儲數據的訪問權限；在數據分析環節，AI可以幫助銀行對敏感數據進行脫敏處理，在保持數據原有特征、業務規則和數據關聯性的前提下，對敏感信息進行變形處理，降低數據敏感度。

“另外，在模型訓練與應用環節，在模型訓練過程中，會對訓練數據進行嚴格的清洗和預處理，去除可能包含的敏感信息，并采用加密技術對訓練數據進行保護，防止訓練數據泄露。在模型應用前，對模型進行全面的安全評估，包括模型的準確性、安全性等方面，確保模型不會泄露用戶隱私或被惡意攻擊利用。在模型運行過程中，持續監控模型的性能和安全狀況，及時發現和處理可能出現的安全問題，并根據業務需求和安全形勢的變化，及時更新和優化模型。”劉通指出，“在人員與制度保障方面，銀行對內部員工進行數據安全和隱私保護方面的培訓，以提高員工的安全意識和合規操作能力。建立健全數據安全管理制度和流程，規范數據的收集、存儲、處理、使用和銷毀等環節，確保數據安全管理工作有序推進。”

（編輯：朱紫云 審核：何莎莎 校對：燕郁霞）

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：