随着金融产品复杂度提升以及链上资产等新型业务带来的风险，风险的隐蔽性与传染性进一步增强，传统监管难以兼顾时效性与穿透力，难以完全适配“早识别、早预警、早暴露、早处置”的风险防控要求。在此背景下，人工智能技术凭借其在数据处理、模式识别与智能研判方面的独特优势，正逐渐成为增强监管前瞻性、精准性与覆盖面的关键助力，有助于牢牢守住不发生系统性风险底线，为金融强国建设提供坚实保障。
习近平总书记指出，建设金融强国需要完备有效的金融监管体系，要着力防范化解金融风险特别是系统性风险。面对日益复杂且快速演变的金融业态，传统监管手段已难以全面覆盖海量数据与高频交易，也难以精准识别跨市场、跨机构的风险传导路径。随着金融产品复杂度提升以及链上资产等新型业务带来的风险，风险的隐蔽性与传染性进一步增强，传统监管难以兼顾时效性与穿透力，难以完全适配“早识别、早预警、早暴露、早处置”的风险防控要求。在此背景下，人工智能技术凭借其在数据处理、模式识别与智能研判方面的独特优势，正逐渐成为增强监管前瞻性、精准性与覆盖面的关键助力，有助于牢牢守住不发生系统性风险底线，为金融强国建设提供坚实保障。“人工智能+智慧监管”符合“十五五”规划纲要提出的“全面实施‘人工智能+’行动”，同时也是引导人工智能走向善治、促进先进技术在金融强国建设中发挥健康有序作用的重要举措。
“人工智能+智慧监管”的核心优势
(一)人工智能驱动监管模式从被动响应转变为主动干预，重塑传统监管范式。传统监管主要采用定期报告、现场检查与非现场检查等手段，通常是在风险显性化后才实施干预措施，处置成本较高。而人工智能依托持续的风险监测体系，整合宏观经济指标、企业舆情及社交媒体情绪指数等多维信息源，且借助机器学习模型对金融机构的信用风险、流动性风险等开展压力测试并发出前瞻性风险预警，进而在风险萌芽阶段实现早期识别与及时干预。依靠模拟及预测市场情景，人工智能还可辅助监管部门开展政策情景模拟，预先评估政策潜在的影响，有利于防范制度性风险。同时，人工智能具备全天候不间断运转的能力，可对监管对象进行实时、动态的风险评估，推动监管资源向差异化、精准化配置转型。这一机制有效克服了传统高人力依赖模式以及平均用力、撒网式监管模式引发的资源分散问题，让有限的监管力量集中于系统重要性和风险突出的领域，减少对低风险领域的不必要资源占用，降低整体运营成本。在人机协同框架下，人工智能系统还能自动比对交易行为与合规要求，精准识别违规操作，在提升监管效率同时有效降低人为操作风险，并显著增强了对高风险业务的精准监管能力。
(二)人工智能推动监管视野从机构监管向穿透式监管协同延伸，强化风险识别的全面性与穿透力。传统监管侧重于单个金融机构的合规性与审慎经营状况，难以有效应对跨机构、跨市场的风险传染，同时存在监管盲区与协调机制薄弱等问题。人工智能技术依托图神经网络等分析工具，动态构建并解析金融系统的网络关联结构，精准识别系统性风险等传导链条，进而识别关联交易背后等利益输送、相互担保等信用放大风险以及洗钱链条等资金异常流动，为抵御系统性风险蔓延提供关键决策支撑。面对资管产品、多层嵌套交易等复杂金融结构时，人工智能可以实现对底层资产与最终风险承担者的逐层穿透识别，增强穿透式监管的精准性与实效性。人工智能同样具备对多语言、多维度监管数据的自动化清洗、对齐与融合能力，有利于监管机构在国际层面更顺利地推进信息共享与监管合作，提升监管的跨境协同水平。
(三)人工智能提升风险预警能力，推动监管走向前瞻化和精准化。人工智能技术可针对各监管对象动态生成实时风险画像与量化评分，为监管机构开展分机构、分产品、分客群的风险特征分析提供能力支撑。面对区块链及去中心化金融(DeFi)等新兴领域诱发的隐蔽性、复杂性金融风险，传统监管工具在时效性上普遍滞后。人工智能凭借其强大的模型识别以及链上数据实时追踪能力，能够在一定程度上溯源复杂交易网络的资金路径，实现对潜在风险的精准识别与持续动态监测。通过处理海量金融交易数据，人工智能可以高效探查市场操纵、内幕交易、洗钱及欺诈等异常行为和潜在风险，切实贯彻“早识别、早预警、早暴露、早处置”的全链条风险防控要求，实现对风险演变全过程的跟踪与干预。这不仅加大了监管部门风险防控的力度，也为维护市场平稳运行、保护投资者合法权益提供有力支撑。
智慧监管构建过程中的主要问题与挑战
(一)数据可靠性与算法模型偏差尚待解决。在数据层面，人工智能模型的决策效果高度依赖历史数据质量，而金融行业的数据一般存在结构性偏差，若初始训练数据存在缺漏，会直接弱化模型输出的客观性，引起决策失误及监管歧视，破坏监管的公平公正。同时，跨机构间数据共享机制尚未健全，监管部门、金融机构与市场主体之间存在数据壁垒，制约了人工智能构建全面风险视图的能力。在模型应用层面，人工智能模型普遍存在可解释性缺失的难题，其决策逻辑复杂且难以溯源，监管机构不易明确金融机构运用模型是否符合现有监管要求，进而增加验证难度。这种“黑箱”特性不仅影响监管判断的可解释性，也可能引发公众对监管公正性的质疑，损害市场对金融体系公平性的信任基础。
(二)新型风险与监管适配能力不足。在数字化加速发展的背景下，金融机构可能会对其业务模式和产品结构进行调整，绕过人工智能系统所设定的监测阈值与识别逻辑，催生新的监管套利空间。首先,过度依赖人工智能技术可能会让监管决策形成“模型同质化”态势。若大量监管机构与市场参与者采用相近的主流模型，或许会产生高度一致但存在系统性偏差的风险认定，忽视模型共识范围外的尾部风险，累积潜在的风险隐患。倘若市场出现极端波动，此类同质化决策会加剧市场行为的同步性，强化顺周期波动，增大系统性风险，甚至造成大范围的监管机制失灵。其次，智慧监管系统的建设与运维需持续投入高额资金及高端技术人才，当前兼具人工智能与金融专业知识的复合型人才储备不足，制约了技术工具与监管实践的有效融合。若借助第三方技术公司，可能会使监管方在技术路径与系统更新中丧失主动权，严重的情况下甚至会陷入技术依赖的困境。此外，公共部门普遍缺乏有关系统化的算法与数字化转型培训体系，致使一线监管人员即使面对已部署的先进技术工具，仍难以实现高效运用。现有监管流程多基于传统人工操作设计，若要将其重构为支持人机协同、能够敏捷迭代的新型模式，则必须推动深层次的组织变革，而这一过程通常面临结构性与文化性双重阻力。
(三)法律框架滞后与跨国监管协同机制缺失。监管活动涉及大量客户交易信息、账户数据以及身份识别信息等敏感内容，而现存的法律体系在数据分类分级、使用范围界定及授权机制等方面的规定不完备，难以充分契合智能时代的监管标准。首先,制度建设的滞后性使监管机构在数据采集与使用环节缺少清晰的法律指引，既妨碍了监管效能的有效发挥，还由于合规标准不清晰而产生新的法律隐患。一旦数据处理环节出现泄露或滥用现象，会直接损害信息主体的合法权益，还可能弱化公众对金融监管体系的信任，进而对整个金融市场的有序运行产生影响。其次，现有的法律体系在人工智能监管应用的权责界定方面仍存在空白。当依靠人工智能运行的监管系统出现决策上的失误时，难以明晰划分模型开发机构、技术部署方以及监管使用主体间法律责任的归属，这种权责界定的模糊性，不仅会导致责任难以落实，还会对监管决定的公信力与执行力造成干扰。
在国际协作层面，由于各国在数据隐私、算法伦理及数字货币等关键领域的监管规则存在差异，使得基于单一司法辖区开发的监管科技模型难以直接适用于跨境场景，智慧监管因而面临规则性壁垒。与此同时，金融数据关涉国家安全，监管科技系统所依赖的底层技术往往需接受严格的技术主权审查。国家之间若缺乏充分的政治与监管互信，则会实质阻碍跨境监管数据共享与协同分析机制的有效建立，进一步制约全球监管协作的深度与广度。因此，加快建立统一的人工智能系统监督评估、审计审查与技术认证标准，成为推进智慧监管健康有序发展的迫切需求。
(四)传统监管认知与组织避险文化形成深层掣肘。智慧监管的深入推进，除面临技术与制度约束外，更受到组织内部深层认知隔阂与行为惯性的制约。不同利益相关方因其专业背景、职责定位及考核导向不同，对监管科技的价值判断、风险承受与应用方式存在系统性分歧。若缺乏有效协同，此类认知分化易导致技术方案偏离监管实际需求，或使先进工具在实施过程中被搁置乃至空转。在问责压力突出的行政环境中，决策者往往表现出明显的风险规避倾向。相较于引入需人机协同、算法辅助的创新模式，依赖权责清晰、程序固定的人工流程常被视为更为稳妥的选择。这背后反映出“多做多错、少做少错”的隐性组织文化，其根源在于新型决策模式下责任追溯与风险分配机制尚未得到制度化保障。此外，部分公共部门对人工智能等技术的考量超出单纯工具理性范畴。一方面，存在对技术替代传统职能可能引发组织结构与权力关系变化的担忧；另一方面，也预见到技术应用将重塑工作流程，短期内可能增加学习成本与管理复杂度，进而影响既定工作节奏与绩效目标。这类非技术性顾虑，往往使“不会用”逐步演变为“不愿用”乃至“不敢用”，导致顶层设计在落实环节遭遇无形阻力，最终影响智慧监管体系从政策理念充分转化为实践成效。
推进“人工智能+智慧监管”建设的对策建议
(一)构建统一的数据治理框架，破解数据孤岛与治理碎片化难题，旨在形成安全可信的监管数据生态。推动监管层牵头制定针对人工智能模型的强制性技术标准，要求金融机构依照统一规范上报模型训练所需的关键业务数据，进而厘定各方的数据责任覆盖范围，保障实现全过程可追溯。同时建立独立且常态化的数据质量审计模式，对内部数据实施定期筛查。在进行模型训练与应用实践中，要严格做到对个人隐私与商业机密的保护，按照数据敏感等级设定明确的使用边界与访问权限，对核心数据采用最高级别的保护办法。鼓励监管模型采用多源数据进行交叉验证，保障训练样本除主流金融机构和常规业务场景外，还包含小型机构、新兴业务类型及重要但低频的“长尾”风险案例，提升模型的风险覆盖能力。
(二)完善算法全生命周期的治理机制，防范新型风险衍生。一是为监管机构设立监管沙盒机制，对新型监管科技工具进行检验，在真实可控的环境中验证其有效性、可靠性与公平性，为后续的推广工作奠定基础。二是构建模型的持续监测体系，鉴于市场环境以及机构行为动态变化的特质，要求定期对模型参数进行评估，防范性能衰减与产生偏差。三是监管机构需要向被监管对象提供清晰易懂的人工智能决策依据，其算法虽不必开源，但必须可解释。对于从第三方提供商获得的专有模型，需要提供商说明模型的工作原理。四是监管机构内部优先采用可解释的人工智能技术，确保模型决策对监管人员保持透明，利于推进审计问责。五是在部署任何人工智能监管模型前，开展严格的算法影响评估，系统分析其对市场公平、竞争环境、金融稳定及特定群体可能产生的各类影响。
(三)强化内部治理与人才队伍建设，弥合认知鸿沟、化解问责顾虑并夯实能力基础。一是鼓励培养具备跨学科背景的复合型人才，针对地方监管工作人员开展针对性、实操性的技术应用能力与认知理念的双重提升培训，依托典型案例分析与模拟操作等途径，切实增强其技术采纳意愿与实操能力，从而保障监管团队可以深入理解、有效管控与系统审计复杂人工智能系统。二是明确法律主体与责任归属，规定最终法律责任由依法行使决策权的监管人员承担，缓解问责压力。三是厘清监管机构、技术供应商与被监管金融机构在人工智能系统开发、部署与运行阶段的法律责任边界，特别是在发生错误或造成损失时，保证责任追究有据可依。四是在监管机构内部或上级单位设立独立部门，专职负责对用于监管的人工智能模型实施定期审计，检查其公平性、有效性、稳定性及潜在偏差。五是为被监管对象建立针对人工智能驱动决策的异议与申诉渠道，采用设立专家委员会的方式对争议案例重新评估，以此持续增进模型性能，防范监管偏差。
(四)推动法律法规完善及数据权属界定，为智慧监管提供坚实的制度保障与合规依据。一是可考虑在《中华人民共和国中国人民银行法》《中华人民共和国银行业监督管理法》等关键金融法律中修订或新增条款，明确赋予金融监管机构采用人工智能技术履行法定职责的权限。二是系统明确人工智能在市场监管、机构监管跟行为监管等关键领域的具体应用范围、技术标准及准入门槛。三是在法律层面明确监管数据的归属权与使用边界，明确数据的使用目的及范围，并与《中华人民共和国网络安全法》《中华人民共和国个人信息保护法》等相关法律加以衔接。四是引入强制性独立审计机制，规定所有应用于监管职能的人工智能系统定期接受第三方独立审计，内容包含公平性、有效性、稳定性以及数据合规性等方面，并将审计结果在一定范围内公开。
(五)深化伦理治理工作并推进国际监管协同合作，构建负责任、可持续且具有国际兼容性的智慧监管体系。一是设立跨学科的“监管科技伦理与法律委员会”，召集技术、法律、伦理与金融等领域专家，共同评议重大人工智能应用所涉及的法律与伦理合规问题。二是引导监管机构、学术界、行业组织及标准制定方加强合作，共同制定适用于金融监管人工智能应用的伦理准则、技术标准和最佳实践，明确禁止其用于不符合公平、正义、隐私保护等核心伦理原则的场景。三是在东盟、“一带一路”等合作框架下主动促进监管科技标准的国际协作，重点围绕反洗钱和反恐怖融资、跨境支付等关键领域，协商拟定统一的数据报送格式，以减少跨国监管冲突，将国内的成功实践与制度经验转化为国际共识，为完善全球金融治理体系贡献中国智慧。
(作者范云朋为中国社会科学院金融研究所副研究员、中国社会科学院国家金融与发展实验室副秘书长，崔文芮为中国社会科学院大学博士研究生)
主要参考文献：
①《加快建设金融强国(学习贯彻党的二十届四中全会精神)》，《人民日报》，2025年12月3日。
②Bank For International Settlements,“The crypto ecosystem:key elements and risks”,BIS,July2023.
③《加强金融科技伦理建设》，《人民日报》，2025年12月1日。
④《热议金融强国建设》，《人民日报》，2024年3月5日。
⑤《加强人工智能国际治理和合作(深入学习贯彻习近平新时代中国特色社会主义思想)》，《人民日报》，2025年3月3日。
