Klarna AI省700人！银行审批卡18个月

当前，人工智能技术在全球金融服务领域展现出前所未有的发展势头，尤其在银行业，从优化客户体验到提升运营效率，AI的应用前景日益广阔。它不仅能加速客户身份验证流程，实现更精准的自动化信贷决策，还能在风险管理、反欺诈和个性化金融服务等多个方面带来变革。然而，随着AI技术以惊人的速度迭代演进，其在银行体系中的部署与采纳也面临着一系列挑战，其中最为突出的便是全球监管框架的滞后与不确定性。这不仅可能影响银行创新能力的释放，也对整个金融生态系统的稳健发展提出了新的要求。对于中国的跨境从业者而言，理解并适应这种全球性的监管动态，对于把握未来发展机遇至关重要。

例如，2024年，瑞典知名金融科技公司克拉纳（Klarna）公开表示，其基于OpenAI技术的人工智能助理，已能够端到端处理其在23个市场中三分之二的客户服务聊天，相当于完成了700名人工客服的工作量。这样的效率提升令人瞩目，展示了AI在提升客户服务质量与降低运营成本方面的巨大潜力。然而，对于传统银行而言，要将类似的AI模型应用于实时的客户沟通，则需要经过多轮次的模型风险评估和严格的监管审批，这其中涉及到的责任划分问题尤为复杂。

目前，银行在引入每一项新的AI产品时，都仿佛面对一张白纸，合规团队需要从零开始评估潜在风险，确定相关部门的参与，并明确所需的审批流程。由于缺乏统一的标准模板和明确的指导，类似的问题被反复提出，这不仅给银行自身带来效率瓶颈，也延长了技术供应商的合作周期，导致宝贵资源消耗，成本增加，并阻碍了潜在有用技术的广泛应用。这种不确定性，使得本应推动行业进步的AI技术，在传统金融机构的落地过程中遭遇了前所未有的阻力。

这种AI工具审查方式的碎片化，对银行及其技术供应商都构成了不小的成本挑战。它不仅带来了摩擦和延误，还增加了市场的不确定性。银行和供应商在厘清流程、评估风险以及协调各方参与上投入了过多的时间与精力。当银行仍在就AI的定义和风险边界进行讨论时，那些行动敏捷的金融科技公司已经先行一步，快速推出创新产品并抢占市场份额。这种“双速”现象，即技术发展速度与监管响应速度的不匹配，是当前监管机构尚未有效解决的问题。尽管人工智能概念已发展多年，但针对银行业和金融机构的明确指导方针仍未出台。这使得银行不得不各自摸索，建立零散的内部框架和信息孤岛，最终导致运营成本攀升，并延迟了可能显著改善客户服务体验的产品上线。

此外，各地区监管框架的部署不一致性也是一个亟待关注的问题。在实践中，我们观察到多种监管框架并存的局面。在美国，部分银行正在参考美国国家标准与技术研究院（NIST）发布的人工智能风险管理框架（AI RMF）。该框架以其灵活性和自愿性为特点，旨在帮助组织在开发、部署和使用AI系统时识别、评估和管理风险，同时鼓励创新。与此同时，也有一些机构在借鉴欧盟人工智能法案（EU AI Act）中的概念，即使这些法规可能并非直接适用于它们。欧盟人工智能法案则采取更为严格和规范的立场，根据AI系统的风险水平对其进行分类，并对高风险AI应用设置了严苛的合规要求。我们还观察到业界对ISO 42001（一项新兴的人工智能管理系统国际标准）的兴趣日益浓厚，一些采购团队已开始将其纳入审查清单。该标准为组织建立、实施、维护和持续改进人工智能管理系统提供了指导，有助于确保AI系统以负责任的方式开发和使用。

然而，在一种框架下通过审查的工具，在另一套框架下仍可能面临严格审查，这给跨国运营的客户带来了碎片化的体验。更深层次的监管理念差异进一步加剧了这种分歧。例如，欧盟监管机构正趋向于更严格的规则，强调预防性监管和个人权利保护，而2025年，美国方面则释放出相对宽松的信号，更侧重于通过现有法律框架来管理AI风险，并鼓励技术创新。对于一家试图在全球范围内推广AI工具的银行而言，这意味着可能需要进行三到四次独立的风险审查，并得到三到四种不同的结果。技术供应商在不同司法管辖区之间切换时，也面临着不断变化的目标。显而易见，在评估和判定AI适用性方面，我们需要一个统一的“真理源泉”，以促进全球金融科技的健康发展。

在与银行界的交流中，我们清晰地感受到了他们的困惑。法律和合规团队被要求审批那些更新速度远超其审查周期的AI模型。人工智能技术以高速发展，每日都有新进展，而监管流程却像在爬行，始终滞后。真正实现AI的规模化应用，需要银行摒弃那些为传统第三方软件设计的、已不适用的清单式审查方法，因为这些方法无法捕捉机器学习工具的独特性和复杂性。机器学习模型具有自我学习、迭代演进的特性，其风险和表现可能随数据输入和模型更新而动态变化，这远超传统软件的静态评估模式。尤其对于那些不论功能如何，一概将所有AI工具视为高风险的银行而言，这种做法更是导致了资源浪费和日益增长的积压工作，使得本可快速落地的创新被无谓地拖延。

碎片化的审查流程也使得满足客户期望变得更加困难。当今客户日益期望他们的银行能够安全、快速地部署现代科技，提供无缝、智能的服务体验，却往往不了解其背后漫长而严谨的采纳过程。当一个可能每七个月能力就翻倍的工具，却需要12到18个月才能获得批准时，客户期望与实际交付之间的差距便会不断扩大，最终可能导致客户满意度下降，甚至转向能提供更高效服务的竞争对手。

然而，银行之所以显得“无序”，很大程度上是因为它们被要求从零开始构建治理体系。目前缺乏对AI的普遍定义，没有统一的风险分级标准，也没有商定的文档包。在这种监管真空状态下，每个机构都不得不即兴设计一套流程，然后针对每个新工具重复这一过程。这并非审慎，而仅仅是没有一套全球性监管标准来评估工具所付出的代价。这种重复性劳动不仅增加了合规成本，也抑制了整个行业的创新活力。

这种动态正在产生实际影响。银行自身放缓了可能提升绩效和客户服务水平的工具采纳速度。供应商耗费资金和精力来应对相互矛盾且不断变化的合规要求，导致研发投入回报周期延长。客户获得的创新服务也随之减少。或许最令人担忧的情况是，业务团队可能开始完全绕过合规部门，自行探索并应用AI技术，从而引发现代版的“影子AI”问题，即未经正式审批和风险评估的AI应用在组织内部蔓延，直到问题出现才被发现，这无疑增加了巨大的潜在风险。

银行业不能再承受另一个缓慢适应的“失去的十年”。为了在全球竞争中保持优势，并更好地服务于社会经济发展，银行和监管机构必须开始为创新而设计，而非仅仅防御创新。一个更加协调统一和透明的监管方法，将有助于节约成本，减少延误，并提升风险管理水平。为了实现负责任、及时且大规模地部署AI，我们认为可以从以下几个关键方面着手：

统一AI定义与风险分级： 监管机构应着手就AI的统一概念达成共识，并根据其自主性、数据敏感性和可解释性设定一套基线风险等级。这将为银行和供应商提供清晰的指引，明确不同风险等级AI应用所需的合规要求，避免重复劳动和不必要的审查。此外，还应确定一份包含每个AI模型基本信息（如预期用途、数据溯源、监控和变更控制）的标准化文档包，确保信息透明可追溯。
加速审查流程： 审查速度必须与技术迭代的步伐相匹配，而非滞后数月。这可以通过设定明确的阈值来触发更新后的再审批，例如当模型性能、数据源或应用场景发生重大变化时才需重新审批；建立已批准模型的注册表，便于追踪和管理；以及对审查周期进行时间限定（Time-boxing），确保在模型过时之前做出决策。这将平衡创新速度与风险控制，促进AI的快速、负责任落地。
推动跨境兼容性： 跨境兼容性是不可或缺的一环。一个在某个主要市场已通过同等风险审查的AI模型，不应在另一个市场从零开始。金融领域的其他环节已有类似“牌照互认”或“通行证”的逻辑，例如支付和证券行业，通过互认机制简化了跨境业务流程。如果希望客户无论在哪里银行都能享受到同样安全、高效的AI服务体验，人工智能领域也应采纳这种模式，促进全球金融科技的融合与发展。

未来银行业的人工智能发展，不仅取决于谁能构建出最令人印象深刻的工具，更取决于谁能以负责任、及时且规模化的方式部署它们。如果法律和合规团队能够从零散的特设审查转向纪律严明、透明统一的方法，他们将能够消除创新面临的最大障碍之一，并帮助其所在机构在一个技术无国界的时代中更有效地参与竞争。对于国内的跨境从业人员而言，持续关注全球AI监管的最新动态，积极参与国际标准的制定与讨论，并预先在内部构建灵活的AI治理框架，将有助于更好地应对挑战，抓住机遇。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/klarna-ai-saves-700-bank-approval-18m.html