在全球金融危機爆發後的十多年裡，銀行和監管機構對操作風險的警覺性不斷提高。然而，銀行和監管機構仍然面臨著難以有效應對操作風險的挑戰。據報導，自2011年以來，全球各大銀行已經遭受了接近2,100億美元的操作風險損失^[1]。根據《巴塞爾協定II》，操作風險被定義為由於人員、內部流程、系統或外部事件造成的錯誤、違規、中斷或損害而導致損失的風險^[2]。

傳統的銀行對操作風險的識別主要由風險官通過對大量的網路新聞進行篩查來實施。然而，這種方法過於依賴風險官的個人判斷，存在主觀性強、人工成本高以及準確率不高等問題。人工智能（AI）演算法可以利用大數據和機器學習技術^[3]，自動化分析操作風險相關數據，從而實現更準確、高效的風險識別。然而，現有的AI演算法需要依賴大量的數據，這對於中小微型企業來說是很難獲得的。

如何利用ChatGPT

ChatGPT ^[4]作為OpenAI基於GPT-3.5架構開發的聊天型AI助手，它通過在大規模的語料庫上進行訓練，從而具有理解和生成自然語言的能力。ChatGPT可以用於回答問題、提供建議，也可以根據輸入的提示或上下文生成有意義的文本。因此，ChatGPT可以被用於幫助中小微型企業搭建銀行操作風險識別平台。

使用ChatGPT來協助中小微型企業識別銀行操作風險主要有兩個思路：

1. 生成訓練數據：利用ChatGPT的文本生成能力可以生成大量和銀行操作風險相關的文本數據。具體步驟如圖1（A.1-A.4）所示，通過向ChatGPT提供一些已收集到的文本和其操作風險，指導ChatGPT生成大量新的文本數據。利用這些生成的訓練數據，中小微型企業也可以訓練自己的銀行操作風險識別模型。圖2給出了一個ChatGPT生成銀行操作風險相關新聞的例子。
2. 遷移學習：ChatGPT具備通用語言理解的能力，因此可以通過遷移學習將ChatGPT從通用任務遷移到銀行操作風險的具體任務上來。操作流程如圖1（B.1-B.2）所示。首先將收集或生成的相關文本輸入給ChatGPT，然後告知其對應的銀行操作風險，以幫助ChatGPT理解如何識別風險。之後就可以直接利用ChatGPT識別新的文本輸入。圖3給出了一個ChatGPT直接識別銀行操作風險的例子。

ChatGPT帶來的影響

ChatGPT可以生成大量的有意義的訓練數據，從而幫助中小微型企業克服數據少的難題。其次，ChatGPT強大的文本理解能力也可以大大提高操作風險的識別準確率和效率，並且可以減少人為主觀因素的影響。引入ChatGPT到銀行操作風險識別中可以帶來一系列的影響和效果：

1. 工程自動化和智能化：ChatGPT的使用可以自動化分析和識別大量銀行操作風險數據，幫助銀行快速發現潛在的操作風險。這種自動化和智能化的能力可以提高風險識別的效率和準確性，減少人工處理的工作量。
2. 實時監控和預警：ChatGPT可以實時監測銀行操作過程中的異常情況並發出預警。通過對操作數據的分析，它可以快速識別潛在的風險，並提醒相關人員及早採取風險控制措施，減少潛在風險帶來的損失。
3. 輔助決策和優化：ChatGPT可以為銀行員工提供決策支援和優化建議。它可以分析操作數據，提供洞察和建議。這種輔助決策和優化的能力可以減少人為錯誤，提高操作的品質和效率。

但是在使用ChatGPT的時候也存在一些潛在的風險，其中最需要注意的就是隱私性的問題。在上文提供的可行方案中，都需要將自己公司或收集的數據輸入給ChatGPT，而ChatGPT的隱私性和安全性尚未得到充分的評估。因此，在使用的時候需要特別注意隱私性的問題。

金融業現狀

文章 ^[5] 指出ChatGPT等大語言模型在金融領域具有很大的潛力，並明確指出像ChatGPT這樣的AI方法可以在監控和管理銀行風險方面發揮重要作用。2021年11月啟動的意大利國家AI戰略計畫中的11個優先事項中，就有金融領域的AI。在 2023 年 6 月荷蘭阿姆斯特丹舉行的 Money 20/20 金融科技會議上，全球銀行和數碼金融公司的高管讚揚了ChatGPT在內的生成式AI ^[6]。

ChatGPT 和其他大語言模型也正在迅速被金融科技公司採用，例如Stripe、Klarna、Chime、SESAMm、Tractable，並且金融科技領域的AI市場正在以 28.6% 的速度擴張，到 2027 年將達到 317.1 億美元 ^[7]。線上支付服務供應商Stripe長期以來一直使用AI來增強其產品和用戶體驗，包括幫助用戶管理欺詐（如圖4所示）和提高轉化率。另外，文章 ^[8] 提出了一種基於GPT等方法的客戶行為分類模型，用於欺詐檢測。該模型的有效性在Prometeia Associazione的欺詐檢測任務中得到了充分驗證。在約450,000筆合成卡交易中，準確率高達95.5%，優於其他競爭對手。此外，該模型還在開源的貸款違約預測數據集上進行了測試，準確率達到了94.5%。

包括大語言模型在內的生成式AI技術也正在引起銀行業的興趣，他們正在積極嘗試ChatGPT式的解決方案，探索其在各個領域的潛力。德勤的分析認為到 2026 年，使用生成式AI可以將全球銀行前台員工的生產力提高多達 27%–35%^[9]。通過引入ChatGPT，SouthState Bank 的生產力得到了大幅提升。例如，以前平均需要 12 到 15 分鐘的任務現在只需幾秒鐘^[10]。在LinkedIn帖子^[11]中也探索了在銀行業使用ChatGPT的15個方式（表1給出了部分示例）。本文也給出了兩個在銀行業利用ChatGPT幫助識別銀行操作分險的可行方案，如圖2和圖3所示。

撰寫銀行營銷文案	欺詐檢測
自動化客戶服務	提供個性化的財務建議

未來挑戰和展望

可以預見，在不久的將來，越來越多的公司將會利用ChatGPT的文本理解和生成能力來幫助識別潛在的銀行操作風險，會有越來越多的數據、模型、平台發佈，以幫助整個銀行業對抗操作風險。ChatGPT的文本理解能力可以被用於識別潛在的風險、快速搭建風險識別模型、幫助銀行建立相應的識別平台，從而大大加強銀行對操作風險的監測和管理能力。

可以相信，在ChatGPT的幫助下，我們能夠更好地避免操作風險所帶來的危害，其強大的文本理解和生成能力將為企業和金融機構提供更準確、高效的操作風險識別和管理手段，從而確保金融系統的穩健運行。

參考文獻：

[1] https://www.bain.com/insights/how-banks-can-manage-operational-risk

[2] https://en.wikipedia.org/wiki/Basel_II

[3] https://zh.wikipedia.org/zh-hans/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

[4] https://chat.openai.com

[5] https://www.nature.com/articles/d43978-023-00095-8

[6] https://tovie.ai/blog/generative-ai-in-finance-real-world-examples-of-llms-in-banking-in-2023

[7] https://fintech.global/2023/08/02/chat-gpt-and-other-llms-are-being-rapidly-adopted-by-fintech-companies

[8] https://arxiv.org/abs/2302.06375

[9] https://www2.deloitte.com/uk/en/insights/industry/financial-services/financial-services-industry-predictions/2023/generative-ai-in-investment-banking.html/#endnote-sup-1

[10] https://www.americanbanker.com/news/its-worth-all-the-hype-southstate-bank-deploys-chatgpt-like-tech

[11] https://www.linkedin.com/pulse/15-ways-we-using-chatgpt-banking-chris-nichols

在此感謝 InnoHK、香港特別行政區政府及人工智能金融科技實驗室對本文的支持。
（AIFT 竭力但不能保證內容之準確和可靠，亦不會承擔因任何不準確或遺漏而引起的任何損失或損害。 )