取代还是解放： 人工智能对金融业劳动力市场的影响
人工智能数据、算法与应用场景的不断交互与融合驱动着新一轮人工智能的发展。在就业领域，人工智能削减工作岗位、冲破人效瓶颈，减少标准化与重复性劳动，改变工作性质、提升工作效率，同时也催生着一系列新的工作岗位。
人工智能技术将从自动、智能、创造三方面改变商业世界，即推动自动化水平达到新高度、支持智能分析与决策、催生新商业模式与新产业，并在金融业就业市场相应产生岗位削减、效率提升和就业创造三大影响。本报告基于对金融服务业银行、保险和资本市场三大行业的价值链分析，研究人工智能技术应用对三大行业各职业及职能活动的潜在影响，进而详细测算对整体金融业就业市场所带来的影响。
我们访谈了多位金融服务业以及人工智能领域的专家，参考并优化了业界认可的分析框架及方法论，建立了BCG2027人工智能对金融业就业市场影响模型。根据模型测算，到2027年中国金融业约23%的工作岗位将受到人工智能带来的颠覆性[2]影响，其影响方式为岗位的削减或转变为新型工种，其中银行、保险及资本市场的工作岗位削减比例分别为22%、25%及16%。而其余77%的工作岗位将在人工智能的支持下，工作时间减少[3]约27%，相当于效率提升[4]38%。具体而言，资本市场效率提升高达56%，银行次之约42%，保险可提升约29%。除此以外，人工智能在金融行业的应用也将催生大量的就业需求，同时对未来人才的创造力、情感沟通能力和解决复杂问题的能力提出了更高要求。
1.人工智能新浪潮：机遇与挑战并存
1.1十大技术要素，引领人工智能发展新篇章
“人工智能”并非新事物，其概念自诞生以来已有60多年历史。近年来人工智能的数据、算法与应用场景的不断交互与融合，正驱动着新一轮人工智能的发展。人工智能不再局限于模拟人的行为结果，而真正拥有了快速处理与自主学习的能力。
本报告内人工智能的内涵为利用计算机控制的系统感知环境、追求目标、适应改变，进而提供信息或采取行动。这一范畴包含机器学习（即基于数据进行学习的算法）与机器人两大主要子领域，以及由于人工智能的应用而带来的非人工智能技术升级。而支持人工智能在现实世界中得以广泛应用的关键组成部分主要有计算机视觉、语音识别、自然语言处理、信息处理、数据学习、计划与探索、语音生成、图像生成、操作与控制、空间位移十大技术。
波士顿咨询公司亨德森智库（BCGHendersonInstitute）研究认为，人工智能发展至今，语言和视觉是其最重大的两个突破点，计算机视觉、语音识别使机器具备了认知能力，人工智能由此进入到现实世界的应用中，并将在未来改变社会的方方面面。比如，在就业领域，人工智能可削减员工人数需求、冲破人效瓶颈，减少标准化与重复性的劳动，使工作性质发生改变、进而提升工作效率，同时也产生新的商业模式与产业、进而催生出一系列新的工作岗位和职业。
1.2数据、流程、行动，三大维度理解人工智能内涵
波士顿咨询公司亨德森智库（BCGHendersonInstitute）研究认为，所有行业的人工智能使用者都可以从数据、流程和行动三个维度去理解人工智能。人工智能通过处理结构化数据及非结构化的语言、图像等信息，改进工作流程、提供新型的产品和服务，并做出数据化或者物理的信息反馈（参阅图1）。而这一系列动作的完成，正是依赖前文所提到的人工智能十大关键技术：计算机视觉、语音识别以及自然语言处理三大技术是获取和收集信息的主要支撑；而信息处理、数据学习、计划与探索三大技术能在处理流程上帮助用户实现优化；最后，人工智能依赖图像生成、语音生成、操作与控制、空间位移四大技术对外界进行反馈与表达。
1.3人工智能的潜在风险
人工智能在促进社会进步的同时，也可能带来一系列的风险。随着人工智能在金融行业的应用范围逐步扩大，研究伴随产生的潜在风险及其对监管的启示变得至关重要。国际金融稳定委员会2017年11月发布的《金融服务中的人工智能与机器学习——市场发展和对金融稳定的启示》[5]一文中即对该问题进行了探讨，将人工智能在金融行业的潜在风险分为微观金融风险和宏观金融风险两大类。
1）微观金融风险
金融市场风险
大量金融市场参与者同时应用人工智能技术时可能会出现金融市场稳定性风险。例如，如果以机器学习为基础的交易者胜过其他交易者，可能导致更多的交易者采用类似的机器学习策略，放大金融震荡。此外，机器学习交易策略中的可预测模式可能存在被犯罪分子用来操纵市场价格的风险。
金融机构风险
对大部分人而言，人工智能的决策过程如同一个“黑箱子”，透明度的缺乏可能导致监管机构和市场投资者难以判断决策过程中的潜在问题。如果人工智能的决策给金融市场造成损失，责任可能将难以划分。尤其当金融机构内人工智能应用的治理结构存在任何不确定性时，总风险可能被低估。此外，如果未来人工智能高度依赖于少数第三方技术提供商，这种强依赖关系可能为金融机构带来风险。
消费者隐私安全风险
人工智能的背后是海量数据的机器学习，模型通过收集、统计、分析用户的数据来不断提升模型自身的准确性，其发展会导致越来越多的个人数据被记录和分析。一旦被黑客入侵，可能面临个人隐私泄露及数据滥用的风险，如部分数据被人工智能模型采集到或计算出，可能导致模型结果中产生潜在的歧视或偏见。对此，建立相关政策以保护消费者隐私及数据安全至关重要。
2）宏观金融风险
市场集中化风险
如果未来人工智能技术集中于少数领先第三方技术提供商，可能会导致金融系统中某些功能的集中度变高。此外，若某些金融机构拥有海量自有大数据，或最前沿的技术可能因研发成本高昂而只有大公司负担得起，也可能会导致其市场地位上升，加剧市场集中化。
市场漏洞风险
机器学习的交易算法存在一定不可预测性，若出现金融市场冲击，可能较难解释其成因。此外，如果人工智能在高频交易中被广泛使用，大量买入卖出可能会同时进行，导致市场波动性增加。人工智能的应用还可能允许更少流动性缓冲、更高杠杆，从而导致潜在的流动性或高杠杆风险。
关联性风险
金融体系存在互相联动的特点，如果众多金融机构在某一关键部分依赖于相同数据或算法，那么当这些数据或算法出现问题时，问题可能会从单个节点向整个市场扩散。因此，集体采用人工智能工具可能会带来关联性风险。
技术限制风险
如果人工智能模型没有经过适当的培训或反馈，例如不充足的压力测试，则使用者可能无法及时发现潜在的技术风险，特别是在使用者未能充分理解人工智能本质及限制的情况下。
2.再造金融业价值链：自动、智能、创新
2.1人工智能改变商业世界的三大方面
人工智能深度学习的发展与大数据的推广应用掀起了人工智能的第三次浪潮，驱动了多项应用层技术的突破与成熟，使得人工智能在三个方面实质性地改变着商业世界：推动自动化水平达到新高度、支持智能分析与决策、催生新商业模式与新产业（参阅图2）。
自动化水平新高度：感知类技术（计算机视觉、语音识别、自然语言处理等）的不断成熟，推动产业自动化水平达到新的高度
人工智能发展所带来的高度自动化在商业世界的代表性用例有客服聊天机器人、机器自动身份识别等。客服聊天机器人能够遵循客户旅程的标准路径，借助机器学习算法观察对话并理解对话意图，在遇到困难时将问题发送给人工处理，并对人工答复加以学习，从而起到提升客户服务质量并降低服务成本的作用。而机器自动身份识别则是利用自动声音识别或面部自动识别对用户进行身份验证，通过分析用户声音、眼部、面部特征来验证身份，取代原来的安全问题或密码，这一做法比询问验证问题的方法快得多，而且由于客户无需记住密码能够大大改善客户体验。
智能分析与决策：数据分析的不断突破，能大幅提高智能分析决策水平，从而创造或提升商业价值
数据分析包括趋势分析、根本原因分析、数据挖掘、预测、建议和个性化等，人工智能较之商业智能和传统分析，既延伸了分析的广度，也提高了分析的深度。以往的商业智能和传统分析往往停留在趋势分析、原因挖掘、数据挖掘与预测层面，而人工智能可以通过不断学习和完善，提高建议的相关性和特异性，实现“个性化分析”，在风险管理、营销、服务等领域提供真正智能化的分析和决策。如人工智能可以实现基于社交网络的信用评分，优化现有分数、或为无信用记录的人生成分数；通过自然语言生成分析报告，分析与评估财务数据；开展动态欺诈模式检测，从实时复杂交易模式中发现欺诈；根据客户行为和研究提供个性化的健康建议；根据客户和产品DNA，开展个性化营销，提供独一无二的个性化产品等等。
新商业模式和新产业：智能技术及智能思维在产业界的不断渗透，推动了新产品和新商业模式的出现，使得原有产业形态被改变
今日头条作为新媒体时代新商业模式的代表，成功实践了“以人工智能挖掘用户”这一命题。这个2012年成立的新媒体平台通过人工智能提供精准内容分发，实现了人工智能内容学习、内容创造和用户分析，至今已积累了数千万日活跃用户。今日头条用机器学习和数据挖掘分析新闻主题和内容，通过开发自动写作技术来创造热点新闻（例如奥林匹克运动会这类热点时期的话题），并自动分发个性化的内容给每一位用户、持续跟踪分析用户的行为和习惯（包括点击数据、喜欢/不喜欢、订阅等），实现了智能用户分析。
2.2人工智能在金融业价值链各环节的应用
伴随着人工智能技术的发展，人工智能的应用已广泛渗透到金融行业中，且日渐成熟，并推动银行、保险、资本市场三大金融行业的深刻变革。为了确定不同的人工智能技术在金融行业的应用场景，我们与多位行业专家携手合作，基于银行、保险、资本市场的细分价值链研究，分析人工智能如何在金融领域实现推动自动化、智能分析与决策、发掘新模式与新业态，并就人工智能在各个行业中较为重要的几类应用展开示例说明（参阅图3）。
A.在银行业的应用
经过大量的案例研究与专家访谈，我们发现人工智能技术在银行业的应用较之保险与资本市场更为成熟。近年来国内外多家银行纷纷试水人工智能，人工智能应用已贯穿于庞大的银行业业务体系中，覆盖公司业务与零售业务从产品开发、营销与销售、风险管控与审核，到客户管理与服务的完整流程（参阅图4）。
如图4所示，在银行业务价值链的四大核心环节中，人工智能带来了客户画像建立与潜客预测以及语音和图像识别身份两大创新模式；在产品与解决方案设计、客户需求管理、智能投顾、反欺诈、资产组合风险预警等方面为银行提供了智能分析与决策；在信用评分、资料审核、报告生成、客服等环节，人工智能更是将自动化水平推向了新高度。
[1.1]营销与销售–客户画像建立与潜客预测：人工智能催生了“客户画像建立”这一新的模式，其能通过机器学习算法，基于海量客户信息为客户建立个性化标签，帮助识别最具潜力的客户并根据其个性特征开展对话，而由于预测和对话都具有针对性，所以完成销售的可能性大大增加；
[1.2]营销与销售–客户需求管理与精准营销：在客户需求管理上，人工智能则可以帮助员工更好地做出智能分析与决策，如通过认知计算提高社交媒体分析能力，洞察社交媒体上的客户反馈，为客户提供个性化建议、洞察并改善客户体验，更加全面地预测和满足客户要求；
[1.3]营销与销售–智能投顾：面对不同背景、不同需求的客户，人工智能可以担任“智能投顾”的角色，基于市场数据和投资者数据（年龄、自我报告的风险偏好等）做出投资组合建议，针对个人进行在线智能投资组合管理，不仅更好地契合了客户个性化需求，更为银行节约了人力成本；
[1.4]风险管控与审核–人工智能信用评分：人工智能将信用评分这一较为标准化的流程推向了新高度，系统能根据客户的各种数据（包括信用记录）进行分析，通过机器学习算法做出快速、灵活和透明的信用决策，使得更多申请者能更容易地获得贷款、也帮助银行减少由于信用评分评估有误而导致的违约；
[1.5]风险管控与审核–反欺诈：利用深度学习技术，对内外部大量异构、多源化信息进行深度挖掘，从大量和多维的数据中量化抽取风险特征指标，利用复杂网络关联分析技术从历史违约数据中发现实时欺诈业务风险指标，采用多个预测分析模型包括反欺诈模型、预付能力模型等，从而发现欺诈者隐藏的蛛丝马迹，大幅提升银行对欺诈风险的防控能力；
[1.6]客户管理与服务–语音、图像识别身份：以语音识别身份为例，通过人工智能的语音识别技术创建了新的身份识别模式，人工智能可以利用100多个唯一标识符来验证客户身份，客户通过创建自己的声纹来访问电话银行，不再需要在手机中输入连串数字来验证身份，进而提供了更为便利的客户使用，也为银行提高了用户安全和欺诈保护水平；
[1.7]客户管理与服务–自动生成报告：在投资组合业绩生成后，人工智能又能利用自然语言生成技术，支持自动生成关于投资组合的简单易读的业绩报告反馈给客户，增强客户关系。
B.在保险业的应用
基于专家访谈与国内外大量案例研究，我们发现人工智能在保险业价值链的各个环节存在丰富的潜在应用。国内外领先保险集团已开展人工智能布局，以覆盖保险业业务体系中产险、寿险各条线的前中后台流程。人工智能不仅可为前端营销、承保、核保、理赔等核心流程提供多样化支持，也渗透到了后端资产管理等环节中（参阅图5）。
如图5所示，在保险业务价值链的六大核心环节中，人工智能带来了智能识别客户满意度这一创新模式；在保险产品设计、交叉销售和追加销售、客户流失预测、预审批建议、反欺诈检测、索赔预测、资产组合管理、再保险建议等方面提供了智能分析与决策；在用户行为评估以及财物状态检测、承保自动化、客户请求流转、远程理赔查勘等环节实现了自动化水平的新高度。
[2.1]营销与销售–交叉销售和追加销售：人工智能可以通过机器学习算法，应用预测模型以提升交叉销售和追加销售成功率，同时结合每个客户的内外部数据推荐定制化产品，并建立动态机会仪表盘以协助保险经纪人更好地监测、捕捉销售机会；
[2.2]营销与销售–客户流失预测：除增加销售机会外，人工智能也可以通过数据建模有效帮助保险企业预防及减少客户流失，包括整合海量内外部数据来源，应用多种算法对数据开展分析，并比较不同算法的表现以发现最优算法，从而提高客户流失预测的精准度；
[2.3]核保定价及承保–用户行为评估以及财物状态检测：在核保定价环节，人工智能可通过大数据分析进行定价及风险评估，如通过感知和监测驾驶员驾驶行为习惯数据为车险动态定价，以及利用地理图像数据及图像识别技术对房屋和农产品等保险标的进行状态检测及风险评估；
[2.4]核保定价及承保–承保自动化：在承保环节，人工智能可根据收集到的信息自动执行承保流程，如IBMWatsonAI平台可通过读取医疗证明、病史和风险因素等各种数据计算索赔付款，以有效协助保险公司节约成本，同时提高欺诈检出率；
[2.5]保单管理与服务–理赔流程自动化：以扫描和识别为例，通过应用先进的扫描和识别技术，保险公司可提升客户索赔请求的处理效率，如通过扫描及文档分析软件对海量索赔文件进行自动处理，以减少相关岗位的人力成本；
[2.6]保单管理与服务–智能识别客户请求：针对电话客服环节，通过应用自然语言处理技术，保险公司可将呼叫中心客服人员与客户的对话语音实时转化为文本，对内容进行分析、理解，并采取相应行动，如将呼叫内容划分为特定的业务类别，并进行优先级排序，这一应用可快速识别客户问题以缩短通话时间，提升客户满意度；
[2.7]理赔–远程理赔勘察（工作流优化）：在理赔环节，保险公司可应用人工智能技术开展远程查勘，以车险为例，人工智能可通过对汽车损坏图像的识别，对汽车损坏程度进行评估及分类，并分配至相应的工作流，以有效降低成本；
[2.8]理赔–反欺诈检测：人工智能在理赔环节的另一重要应用是反欺诈检测，即将无监督和监督学习算法与网络分析相结合，对无关联数据库以更快的处理速度进行并行计算，以提高欺诈检测准确率；
[2.9]理赔–索赔预测：人工智能还可通过数据建模，自动预测客户索赔的严重性，通过神经网络对海量内部、第三方和社交媒体数据进行分析，以提升索赔预测准确度。
C.在资本市场业务的应用
通过案例资料研究及行业专家访谈，我们看到人工智能在资本市场同样具备广阔的前景。国内外领先证券公司已开始探索人工智能在从证券发行、投资决策支持、销售与交易到数据分析与报告等各个环节的潜在应用（参阅图6）。
如图6所示，在资本市场业务价值链的五大核心环节中，人工智能带来了多渠道界面信息沟通这一创新模式；在资产组合个性化定制建议、股票交易决策支持、研究分析、风险建模、智能投资顾问等方面协助开展智能分析与决策；并在智能文档解读、自动报告生成、跨资产类别清算、移动报告等环节推进了自动化水平达到新高度。
[3.1]销售和交易–股票交易决策支持：在市场信息量大幅度增加的时代，以前需大量人力的股票信息分析工作可以应用人工智能快速、大规模和自动化完成，如通过基于大数据的机器学习算法可以即时分析数百万条社交媒体等非传统信息源和传统经济数据库数据，并以机器学习对历史数据和统计概率进行分析，在市场反应前识别黑天鹅事件；
[3.2]销售和交易–风险建模：在风险管理上，人工智能可以识别复杂的结构化和非结构化数据集，以标准化的方式自动应用机器学习开展风险建模，以有效缩短风险建模所需时间。
D.在金融业支持性职能的应用
金融行业的合规、IT、人力、财务等后台支持职能中存在较多高重复性的工作，而人工智能技术的重要应用之一正是对高重复性工作的替代，因此人工智能在后台支持流程中存在大量应用机会，且这些应用对于银行、保险、资本市场等金融行业而言具有通用性。通过对大量案例进行研究总结，我们发现人工智能可被广泛应用于各后台职能中涉及合规风险检测、数据分析和文档处理等方面的各个环节（参阅图7）。
如图7所示，在金融机构的四大类支持流程中，人工智能带来了大数据运营分析这一创新模式；在内部合规侦测、可疑活动预警、网络风险检测等方面促进了智能分析与决策；在简历/面试筛选、候选人互动、会计自动化、法律研究、协助执法等方面提升自动化水平到达新高度。以下，我们以人工智能在金融行业支持流程的八大应用为例展开论述。
[4.1]合规/风控/稽查–内部合规侦测：人工智能可通过自然语言处理和信息处理等技术协助满足对金融机构越来越高的合规要求，如通过语音识别和自然语言处理监听交易场所沟通，并应用机器学习算法检测对话中的异常情况，从而减少内部合规监控所需人力成本；
[4.2]合规/风控/稽查–可疑活动预警：人工智能可通过机器学习，分析大量交易数据，捕捉可疑违规行为，自动生成可疑活动报告，从而减少人工检测违规及书写报告的工作量；
[4.3]信息技术–网络风险检测：通过数据分析，人工智能可持续监控网络活动，识别出现的异常情况，并快速解决意外事故，以节省所需监控人力；
[4.4]人力资源–简历/面试筛选：人工智能可通过自然语言处理和机器学习分析视频面试中面试者的特征（声音、神态、表情等等），并与当前高绩效员工的特征进行比较，以评估面试者潜力，不仅可避免人为偏见，同时减轻面试官工作量；
[4.5]人力资源–候选人互动：人工智能可对招聘人员和候选人的历史谈话进行机器学习，并通过自然语言处理与生成技术实现与候选人的对话，从而让系统在未来代替招聘官与候选人的互动；
[4.6]财务/法律/其他–会计自动化：人工智能可运用扫描和图像识别技术自动处理会计文件及单据，并分析处理相关数据，有效减少会计人员工作量；
[4.7]财务/法律/其他–法律研究：人工智能可实现以自然语言询问法律问题并获取相关答案，以及自动扫描海量相关文件寻找相关案例并搜罗有用信息，从而大大减轻法务人员研究案例及搜集资料的工作量，使他们可以将时间转移到其他工作中去；
[4.8]财务/法律/其他–协助执法：人工智能可通过机器学习在庞杂信息中识别关联信息，协助调查人员形成洞察及预测潜在犯罪。
3.重塑金融业劳动力市场：颠覆、提升、创造
3.1人工智能对金融业就业市场的三类影响方式
基于以上人工智能技术在金融业各业务价值链上的应用，我们总结出人工智能对金融业就业市场的三类主要影响方式——削减岗位、提升效率及创造就业。其中，削减岗位及提升效率均是对现存岗位的影响，而创造新岗位则是从增量的角度，反映人工智能对潜在就业市场的影响。而对削减岗位和提升效率二者的进一步区分，则是基于对人工智能取代人工的部分是否属于某一岗位核心价值创造活动的判断。即如果某一岗位的核心价值能够不再由人工创造，而是由人工智能替代实现，则定义该岗位基本因人工智能而被削减；而若某一岗位的核心价值创造活动是人工智能无法取代的，依然需要人为实现，而人工智能仅作为辅助手段完成部分非核心工作，则属于提升效率。
1)削减现有岗位
人工智能对现存就业的影响本质上是在对每个岗位中的某些工作模块进行替代。当某一岗位内创造核心价值的工作模块为人工智能可取代人工的工作模块时，定义该岗位为可被削减的岗位，原有员工可转为监督管理职责或其它岗位。基于对相关学术研究的总结[6]，人工智能可取代人工的工作模块主要分为两类，一类是遵循一定步骤因而可被编码成计算机语言的常规性工作，另一类是不需应用解决复杂问题能力或创新能力来应对人际情感交互或随机多变环境的非认知与情感类工作。在金融行业中，目前仍存在大量核心价值创造活动为上述类型工作的岗位，预计未来会随人工智能的应用而逐步削减，包括后台及支持保障类岗位，以及前台业务中核心为数据分析、文件处理的银行业柜员、保险业核保承保等岗位，具体岗位将在第三部分规模估算中详述。
2)提升现有岗位的效率
如前文所述，当某一岗位内创造核心价值的工作模块为人工智能技术不可取代人工的工作模块时，人工智能主要负责辅助性工作模块，则该岗位仍将存在，人工智能的影响主要体现为减少工作时间，从而提升效率。由于效率提升，可能进一步带来两种结果，一是在人员不减少的情况下创造更多产出，另一种是在潜在产出受限的情况下减少部分人员。即该岗位仍存在，但岗位上人数是否减少，取决于潜在市场需求能否支持足够多的人员就业需求。
基于相关文献总结6，人工智能不可完全取代人工的工作模块主要为无清晰步骤程序可遵循的非常规性工作，和需应用解决复杂问题能力或创新能力应对人际情感交互或随机多变环境的认识与情感类工作。在金融行业内，未来仍会存在大量岗位，其创造核心价值的工作模块主要为上述类型，如需大量人际情感沟通的客户经理、人力资源等岗位，及需解决复杂问题的投资经理、财务规划等岗位，具体岗位将在第三部分规模估算中详述。
3)创造新的就业岗位
在替代部分工作岗位的同时，人工智能技术的发展和应用也正为金融业就业市场带来生机。人工智能，在开发、运营和应用中会创造大量就业岗位。除去新兴的人工智能技术或基础设施提供商，我们认为人工智能技术将在金融行业内创造三类就业岗位：技术型、运营型和业务型。
技术型岗位包括数据科学家、系统架构师、开发工程师、算法及系统测试师等；运营型岗位负责大数据与人工智能产品相关系统的运行与维护，确保相关产品的质量稳定、法律和业务合规性；业务型是介于技术和业务之间的复合型岗位，包括能够在技术部门、业务部门以及服务部门之间充当业务需求及技术算法解释角色的算法解释分析师，同时也需要能够快速了解、学习前沿技术并与现有业务进行结合的商务拓展专家。
人工智能对金融业就业市场的影响可能远不止于这些。如前所述，由人工智能而催生的新商业模式带来的就业需求将在未来随着行业发展而不断涌现。
3.2对岗位削减及效率提升影响的定量分析
如前言分析，2017年可被认为是中国的人工智能应用元年，随着国务院《新一代人工智能发展规划》的发布，人工智能开始大规模进入政府及企业管理者的视野，预计人工智能的实际应用也将逐步扩展到各行各业，开启中国人工智能真正的新纪元。因此，BCG以2017年作为人工智能对就业市场影响的基准年份，对金融行业价值链上各岗位就业市场的影响进行分析和估算。
经测算，到2027年，中国金融业就业人口可达到993万人[7]，其中23%的工作岗位会受到人工智能带来的颠覆性影响，削减或转变为新型工种；剩下77%的工作岗位未被替代，但效率将获得大幅提升。将受到人工智能颠覆性影响的主要为从事标准化、重复性工作的岗位，据估算至2027年约为230万人，即金融业就业总人口的23%。而余下760万人主要为需要解决复杂问题、应对人际情感交互及随机多变环境的岗位，将不会受到人工智能的颠覆，而是在人工智能的协助下提升效率（参阅图8）。
同时，在估算中我们也考虑了中国金融业本身的特点。与国外相比，中国金融业虽然总体就业人数多于多数国家，但服务客户规模亦较大，因此每个客户对应的员工人数并非远多于其它国家。此外，由于中国互联网行业近年来的蓬勃发展，中国金融企业互联网技术的应用发展程度较国外更为先进，如网上银行、手机银行等已在中国银行客户中广泛应用，替代掉相当一部分人力。因此，与国外相比，我国金融业就业市场未来受人工智能技术的影响程度可能不一定更为剧烈。
从岗位削减的角度来看，到2027年将有230万金融业岗位因人工智能的应用而被削减，降幅约为23%（参阅图9）。其中，保险业受影响程度最大，25%的岗位面临削减或转型；银行业次之，削减比例大约为22%；资本市场业务最少，约16%的岗位面临颠覆。资本市场业务需要大量且多元的行业数据和资料基础，有些数据无法高效提取其中的有效信息，甚至无法通过机器和算法获得，这一行业特性导致人工智能技术不会在短期内替代如银行和保险行业一样多的工作岗位。纵观金融业，交易类、风险审核类、客户服务类以及后台财务类等岗位将更可能会面临颠覆。尽管这些被削减的岗位仍可能剩下极少数人员以监督人工智能的工作，但由于这些岗位被高度自动化，留下的人数极少，因此我们忽略不计，将削减人数记为该岗位所有人数。
从效率提升的角度来看，人工智能可以大幅减少原有岗位的工作时长，相当于提升效率（参阅图10）。根据估算，到2027年，人工智能将使得金融业未被颠覆岗位的工作总时长减少27%，相当于人们每天花在同样职能活动的工作时间平均可减少2.1小时，效率提升38%。其中，效率的提升对资本市场影响最大，银行业次之。在产品开发、销售、投资决策及资产管理等环节，由于人工智能替代了部分低认知程度和简单的工作模块所需的人工，或在部分工作模块上较之人工操作提高了准确性，因此可带来生产力及效率的提升。
从新岗位创造的角度来看，人工智能在削减低技能工作岗位的同时会创造更多的新型岗位。根据Gartner发布的报告[8]，从2020年开始，人工智能创造就业量将超过削减就业量，在砍掉180万个工作岗位的同时，会新增230万个新的工作机会。目前，中国整体人工智能人才缺口高达百万，在过去两年对新型岗位的需求以每年翻倍的速度递增。聚焦金融领域，人工智能领域的新型岗位及人才需求同样巨大，主要是人工智能相关技术研发人才、运营专员及人工智能商务拓展专家等，对研发、运维到业务每个环节都提出了新的要求。
3.2.1对银行业就业市场的影响
如上文所述，在稳健发展情景下，至2027年，银行业将削减104万工作岗位，降幅22%；剩余78%的工作岗位将提升42%效率，相当于每人每天花在同样职能活动的时间可减少2.4小时（参阅图11）。
从岗位削减的角度来看，人工智能主要影响和削减了银行业前中台价值链上营销与销售、风险管控与审核、客户管理与服务环节的岗位。我们预估，在营销与销售方面，人工智能将会削减57万工作岗位，在风险管控与审核环节，将有22万的工作岗位面临颠覆，而在客户管理与服务环节，人工智能将替代13万工作岗位。在未来，人工智能会替代柜员的核心工作，将执行业务办理、清点交易现金等工作转由机器如智能VTM来执行；对于个贷业务而言，市场上已经涌现了许多案例，数据挖掘技术以及智能化的分析处理模型能够帮助个贷经理以及风险审批人员进行个人贷款资质的收集、评估、审批及管理；在客服环节，人工智能可以取代人工客服，应对大众客户的呼入需求，在未来，这一领域将会有更多的实践。
虽然以上22%的岗位因操作标准化程度较高、对情感交互的要求较低而可能被人工智能所取代，但银行业仍存在78%的岗位在未来十年内无法完全被人工智能取代，例如客户经理等需要通过与客户的面对面沟通讲解复杂的理财产品，并通过建立关系以影响和帮助客户购买银行产品的岗位。未来银行可能可以通过人工智能客服对大众客群开展服务，但中高净值客群可能仍希望真人客户经理为自己提供服务。
对于这些岗位，人工智能不会造成颠覆但能辅助大幅提升工作效率，尤其客户服务，营销与销售以及风控与审核环节，可以借助人工智能服务大众客户，获取客户洞察、评估信贷风险。我们预估，风险管控与审核环节将有62%的工作时长缩减，营销与销售环节将有60%的工作时长缩减。人工智能与大数据已经在提升客户经理工作效率上进行了许多应用，在未来，客户标签、客户画像的存在能够将庞大的客户群进行分类和分析，客户经理仅需勾选同类客户，系统会自动根据其资产配置情况推荐合适的产品。在过去，一个客户经理可能只能管理少数的客户，但有了人工智能的帮助，他们将可以覆盖一类客户群，不仅可以使得服务面更广、服务下沉，还能提升洞察客户需求的能力，为客户提供定制化的服务。
银行业人工智能技术应用对就业影响案例分析
据路透社2017年11月报道，澳大利亚国民银行宣布将在未来三年内净裁员4000人，大约相当于目前员工总数的12%，并寻求通过投资新技术向人工智能及自动化过渡。澳大利亚国民银行的裁员方向与国际银行业趋势一致，即引入人工智能等新技术来取代客服人员，以及使用数字化渠道取代柜台工作人员。澳大利亚国民银行首席执行官表示，“由于寻求业务流程自动化，我们预计三年内的员工人数需求将减少6000人……但我们也将雇佣2000名具备不同技能的新员工，包括数据科学家、人工智能、机器人、自动化、以及其他技术相关人才，所以净减少员工人数预计为4000人，对员工队伍的重整也将帮助我们重塑未来的银行业务。”
放眼国内，国内银行业也纷纷提速网点“智能化”转型，布局智能柜台、智能机器人、智能客服等产品来替代基层柜员职位，同时建立面向大数据应用的数据平台和数据管理能力，推进信用风险预警、反洗钱反欺诈以及智能信贷审批等领域的人工智能应用，协助人工进行信贷业务风险控制。
据半年报显示，五家国有大行的网点在2017上半年共减少162个，基层柜员减少达27104人，相对应的是智能柜台的铺开。截至2017年10月底，建行已部署6万多台智慧柜员机，柜面业务迁移率达88%，涉及290多项非现金业务；智能机器人“小微”已累计服务客户超过23亿人次，相当于1万多名坐席人员工作量。2017年7月，中信银行与百度合作研发的网点智能机器人亮相第二十五届国际金融展，此次亮相的智能机器人采用自然语言处理、1:N人脸识别、基于深度学习的银行业务知识库等前沿技术，能够智能地与客户进行沟通。未来，该款机器人将部署在中信银行的营业网点，用于替代银行大堂经理，完成VIP客户识别、银行业务咨询和银行产品推荐等功能。
国内主要银行都在不同程度地试水大数据及人工智能在风控环节的应用，以期提升风险识别准确度及工作效率。光大银行从2012年开始创立科技创新实验室，在风控领域推出了五个数据产品，包括滤镜、风险共同体族谱、征信大数据、贷款资金去哪了以及辛普森侦探模型，基于复杂网络进行关联分析、数据挖掘，帮助识别和预警不良信贷资产，降低银行损失，提升信贷审批人员工作效率。
3.2.2对保险业就业市场的影响
人工智能技术应用在保险业有较大的潜力，因此也对就业市场影响程度较高。我们估计，至2027年，保险业[9]将削减119万工作岗位，降幅25%；剩余75%的工作岗位将提升29%效率，相当于每人每天花在同样职能活动的工作时间平均可减少1.8小时（参阅图12）。
从保险业价值链来看，人工智能在营销与销售、核保定价与承保、保单管理与服务以及理赔环节均能带来岗位削减。我们预估，在营销与销售环节，人工智能将会削减41万工作岗位，占削减岗位总数的34%。未来随着语音识别与合成技术的发展，机器将代替大部分的人工坐席向客户推销产品，并能敏感、快速地捕捉客户声音所呈现出来的情绪与偏好，因而提升销售效率、节约成本。
核保定价与承保环节约19万个工作岗位将大幅度面临削减，占削减岗位总数的16%。核保与承保作为一个高度标准化、程序化的流程，相关岗位已经在各大保险公司广泛地被机器取代，我们预计未来的取代速度会加快。同理，在保单管理与服务环节，削减约6万个工作岗位。在理赔环节，定损、核价、核赔同样作为高度标准化的环节，至2027年将被取代，削减一共17万个工作岗位。
纵观保险业的价值链，人工智能也能在多个环节帮助提升工作效率。在产品开发环节，人工智能一方面可以帮助保险精算师收集海量的市场数据、优化精算模型；另一方面可以帮助产品开发和维护的设计人员洞悉市场需求变化、分析竞品，从而更准确、更快速地适应市场需要、在产品层面提高自身竞争能力。然而，由于产品开发环节涉及大量的沟通需求和做出决策的工作，人工智能无法完全替代人的工作。我们预估，人工智能将为保险行业的产品开发环节带来41%的工作时长缩减。
在前文中我们已提及，人工智能对营销与销售岗位最直接的影响体现在电话销售这一渠道，而对于更讲究人际交往与沟通能力的直销与团体销售两种渠道，人工智能则是更多地帮助销售人员快速处理文件收集、信息处理、资料整理等文书性质的工作。在人工智能的帮助下，未来的销售人员将节省28%的工作时间。在此需要特别提醒的是，保险行业不同销售渠道之间岗位需求的变更，或更多地受行业发展对销售模式要求变更的影响，并非全然是人工智能发展的作用。比如直销人员近几年的大量减少，更多的是由于互联网的发展、去中介的趋势，使得这种销售模式不再广泛地被客户需要。
在理赔环节，人工智能将对查勘、理算、核损三个环节带来工作效率提升的影响。其中，查勘工作主要出现在车险业务，是人力较为密集的活动，而人工智能计算机视觉的发展，使得报案客户可以现场拍照取证上传系统，系统通过扫描图像进行远程查勘，大大减少对外勤查勘工作的需要。然而，由于该环节的主动权掌握在客户手中，上传照片的清晰度、真实性、全面性难以得到有效保证，现场查勘仍会是必要的工作、查勘岗无法被机器完全取代；核损作为一项需要与客户进行沟通与达成共识的工作，有对客户进行理赔事项通知、受理客户对理赔反应、与拒绝接受理赔条件顾客进行协商三大主要活动，人工智能可以帮助处理前两大较为标准化的活动、却难以在最后一项个案差距大且对沟通疏导能力存在高要求的活动代替人工；理算这一步骤涉及大量的资料审核、按规章执行计算等人力重复性工作，可以帮助员工快速处理标准化的案件，然而由于理算赔付决策的重要性与部分案件的复杂性，该岗位仍需要保留专业人员应对非标准化的案件。同时，生物识别等人工智能技术可以大大节省给付环节的材料审核流程，提升用户体验。
最后，在资产管理环节，人工智能能够识别最优回报率资产进行固定模式投资、监控并分析所投资产收益率及风险等数据，实时调整资产组合，寻求利益最大化、防范风险，大大提升资产管理操作上的反应速度与效率。然而，由于资产管理与投资者的目标、偏好等个性化因素紧密相关，而个性化的因素又容易发生变动，我们难以用一套固定算法去框定人工智能在资产管理环节的行为，在这一环节，人工的存在还是大有必要。我们预估，人工智能将为保险行业的资产管理环节带来40%的工作时长缩减。
保险业人工智能技术应用对就业影响案例分析
2017年1月据日本媒体报道，日本富国人寿保险集团计划引进IBM的人工智能系统Watson。该系统可通过“阅读”医生的医疗证明及其他文件，以收集保险理赔资金所需信息，包括医疗记录、住院时长和外科手术名称等。此外，系统还能核对客户的保险合同，发现特殊保险条款，以阻止赔付疏忽。该人工智能系统可在一个财年内核查案例13.2万宗，每年可为该集团节省约1.4亿日元。可以看出，处理大量数据是Watson在该集团的主要应用，而曾担任这部分工作的员工，则部分面临被替代的局面。据悉，富国人寿保险集团计划裁减近30%的保险理赔评估部门员工，约34名执行保险索赔类分析工作的员工被人工智能取代。
放眼国内，中国平安在2017年9月向全行业推出“智能认证”和“智能闪赔”产品，提升核保、理赔等环节的工作效率。“智能认证”可利用人脸识别、声纹识别等生物识别技术对代理人、投保人的相关行为及属性进行核实，降低保单销售过程产生的纠纷，缩短投保时间及理赔处理时间，这样一来，“智能认证”可覆盖保险公司90%以上客服的工作内容和工作时间。“智能闪赔”在车险理赔中被广泛应用，可以帮助高精度识别车型及损坏情况、提供精准的维修方案定价、通过多元算法分析实现智能风险拦截，2017年上半年平安产险处理车险理赔案件超过499万件，智能拦截风险渗漏达30亿，面向全行业推广后，预计可以为车险行业带来40%以上理赔运营效能提升。
3.2.3对资本市场业务就业市场的影响
如前文所述，至2027年，资本市场业务将削减7万工作岗位，降幅16%；剩余84%的工作岗位将提升56%效率，相当于每人每天花在同样职能活动的工作时间可减少2.9小时（参阅图13）。
从资本市场业务价值链来看，人工智能将较大幅度颠覆销售交易以及清算结算环节的工作岗位，我们预估，销售和交易环节将有7%的工作岗位被削减；清算结算相关岗位，以及基础报告与数据分析岗位，甚至会被人工智能完全取代。对于过往数量庞大的交易员岗位，其执行交易指令的核心工作将被人工智能交易系统逐渐取代，比如摩根大通内部代号为LOXM的人工智能，已经在2017年投入到欧洲股票高频交易的使用中。人工智能清算系统也将替代现有的清算结算岗位，更加准确高效地完成客户资产与自由资产的清算工作。
如上文所述，人工智能不会大范围颠覆资本市场的工作岗位，但会大幅度提升价值链各环节的工作效率，尤其是智能投资决策和资产管理环节。日后，人工智能将与经典经济学和投资研究理论相结合，通过大数据分析辅助宏观经济研究员进行研究，以提升研究效率与准确性；而投资顾问所提供的理财咨询，投资建议等服务，也会参考人工智能分析系统的结果，与自身项目经验结合并加以完善。我们预估，投资决策支持环节均将节省超过37%工作时间。
资本市场人工智能技术应用对就业影响案例分析
高盛是资本市场业务科技变革的领头羊之一。根据MITReview（麻省理工学院评论）杂志报道，2000年，高盛在纽约总部有600多名现金股票交易员负责处理来自客户的交易指令，而到2017年的今天仅剩下2位，大部分工作由200名计算机工程师维护的自动交易程序替代完成。高盛利用复杂的交易算法（其中有些具备机器学习能力），首先取代了部分较为简单的交易，进而逐步取代外汇、信用等更为复杂的交易。为完成这些交易，算法被设计得更为仿真，尽可能模仿真人交易员一样操作。据高盛首席财务官披露，高盛已开始进行自动化的外汇交易，据估算，一名电脑工程师平均可取代四名交易员，目前电脑工程师已在高盛员工人数中占据三分之一。
人工智能也正在逐步取代高盛许多前台高薪员工的工作。下一步，高盛的投资银行业务也将转向自动化，虽然这些曾经强调销售、建立客户关系等人际沟通技巧的工作不会被完全替代，但高盛已经将完成一个IPO（首次公开发行）业务的过程划分为146项清晰的步骤，并将其中很多步骤标注为了“应该被自动化”。由于投行部门员工薪酬普遍高昂，减少投行员工人数预计将会为高盛节省一笔巨大的人力成本。
放眼国内，人工智能目前对国内资本市场的影响更多的是提升工作效率，提供投资决策支持帮助等。在智能投资研究和风险评估控制领域，华泰证券构建并不断打磨了智能量化投资系统，并自主开发了风险管理系统，协助人工进行有效的风险分散、规避和控制。兴业证券的研究管理平台可以进行数据自动筛选和模型计算，并可自动生成部分研究报告；同时，兴业证券与高校共建了舆情监控系统，为行业研究提供了重要参考和决策帮助。
3.2.4对金融业支持性职能部门就业市场的影响
总体来说，金融业职能部门各岗位将受到更大程度的人工智能影响，不管是岗位削减还是效率提升层面（参阅图14）。我们预估，到2027年人工智能将削减39万职能部门岗位，占总体削减岗位的17%，对剩余岗位提升45%工作效率。
从后台各职能岗位拆分来看，人工智能将削减和提升与合规、客户服务、会计核审及行政后勤相关的工作岗位数量和工作效率。在会计核算方面，会计自动化系统可以普遍应用于会计基础职能工作，如记账、报表生成以及数据分析等；在行政后勤方面，自动排班系统等可以高效协助办公甚至对未来所需工时等数据进行预测；在合规领域人工智能也有一席之地，比如内部合规侦测、可疑活动预警功能等，将对存在大量个人业务的银行及保险业带来更大的影响；即使在人力资源方面，人工智能也可以辅助进行简历/面试筛选，识别及预测候选人的性格和行为，但由于这一领域对情感交互能力有一定要求，人工智能在可见的短期内潜力有限。
以上对人工智能在金融行业的应用以及其对就业影响的分析，是基于人工智能未来十年内稳健发展的假设。但也应该考虑到，未来十年内人工智能技术的发展及其在金融行业的应用普及可能会受到多种因素的限制或影响，如技术、监管、人才等。
从技术层面来看，人工智能需要对海量数据进行计算处理，若人工智能所依赖的相关数据积累或硬件设备的计算能力，无法满足实际应用的需要，则可能会导致其发展受限。如金融业过去尚未重视某些领域的数据标积累与储存，因此可能仍需要较长时间的数据收集才能满足实际应用人工智能的需求。
从监管角度而言，由于人工智能可能导致部分潜在的安全、隐私或金融风险，各项人工智能技术的应用在金融业开始落地推广时，可能会遭遇更为严格的监管。例如针对人工智能可能引起的个人隐私数据泄露问题，监管可能为保护个人数据而对人工智能应用进行部分限制。此外，由于人工智能的决策是通过海量数据学习获得，其模型的逻辑目前仍难以解释。而金融行业的特性可能导致监管在某些方面要求一定可解释性，因而会对人工智能的应用造成一定的限制。鉴于以上不确定性及中国金融监管的特殊性，部分在国外有应用案例的人工智能技术可能无法在国内被批准落地，或需先经过一段时间的试验期。因此人工智能在金融行业应用的铺开速度可能会低于预期。
从人才方面来看，人工智能在金融行业的应用发展离不开相关人才的到位。然而，目前中国的人工智能人才储备仍相对薄弱，距百万级的市场需求仍存在较大缺口，每年人工智能领域的毕业学生尚无法满足市场对人才的需求。目前国内的人工智能人才知识结构和创新能力与国外顶尖人才相比仍有差距，部分顶尖人才流往美国。此外，目前金融企业尚较难招聘到技能熟练的人工智能专家，人才仍大量集中在互联网科技公司，很多金融企业均不具备自主研发人工智能应用解决方案的能力。若在未来十年内，我国在人工智能相关人才的培养及吸引上未能跟上发展需求，那么也可能成为人工智能应用普及的一大障碍。
鉴于存在以上潜在限制因素，我们考虑了三种不同情景以反映不确定性存在的情况下人工智能技术对金融行业就业的影响（参阅图15）。基于前文所述的稳健情景，我们进一步考虑了保守和激进情景[10]。从削减岗位的角度来看，稳健情景下人工智能在金融行业的应用将削减约230万人（23%）的工作岗位，而保守情景下这一岗位减少为130万人（13%），激进情景下可能达到290万人（29%）。从提升效率的角度而言，稳健情景下人工智能能为金融行业余下就业岗位减少27%的工作时长，而保守情景下这一数字仅为23%，激进情景下则可能达到32%。
4.展望人工智能时代就业之变：需求结构变化、能力要求多元
4.1人工智能浪潮下的就业需求结构变化
人工智能时代的就业需求和人才素质要求的变化已经在发达国家和领先企业有了较为明显的体现。以美国为例，过去几十年的技术进步，尤其是计算机处理速度和能力的快速增长导致日常任务的自动化，使得主要涉及手工和认知的日常活动的工作长期下降，如生产业工人、操作性劳工、办公文员等等。与此同时，强调沟通、逻辑与创造的专业服务人才，以及直接与计算机技术打交道的技术人才则一直保持增长。
聚焦国际领先企业，以金融巨头高盛为例，在人工智能的深刻影响下，其在人才要求方面已产生了显著的变化。高盛机构客户证券部门的量化团队不仅从2012年的部门人数占比18%提升到了如今的27%，在人才要求上也出现了“升级”：从10到15年前单单需要擅长风险建模与定价的分析师，演变成了今天更为关注招聘擅长数据分析、机器学习等的人工智能技术人才。
2017年10月底，高盛更是在集团层面组建了一支精英高科技团队，专门负责整个集团层面的人工智能应用研发，这支团队将以项目制的形式，与高盛集团内不同部门、不同地区进行沟通与磨合，探索出能在技术层面支持业务长期发展的最佳解决方案。
在今天的中国，我们也已经能观察到一些与发达市场类似的就业需求和人才素质要求的变化。在技术不断进步的浪潮下，依赖创造和沟通的岗位仍将持续增加，如健康护理专业人员、企业高级决策人员、教育人员（特别是儿童教育）、创造性工作（包括艺术家，演员等）、建筑师、复杂环境中的手工和服务业等等。与之对比的是中国低技能职位在新技术的冲击下已难以为继，如录入员、速记员、文字秘书、客服等职位的招聘近年来均呈现负增长。
目前我国人工智能技术尚处于导入期，因而在人工智能技术领域已发生的就业需求变化有限，主要体现为对基础类技术人才的需求。反映在企业招聘中，目前企业对人才素质要求较以前更为看重技术能力，尤其是基础性人工智能技术能力。根据智联招聘大数据显示，过去一年中就业需求量增长最大的主要为具备两类技能的人才：第一类是掌握机器学习、计算机视觉、自然语言处理等具体人工智能技术的人才；第二类是掌握数据挖掘、数据存储、数据分析、数据库架构等数据领域相关技能的人才，其需求量同样增长明显。尽管需求众多，但目前市场上具备丰富人工智能相关经验的人才十分紧缺。部分从相关IT领域跨界转行的求职者虽拥有较多工作经验，但其中真正与人工智能相关的经验依然十分有限。中国企业在培育、吸引、挽留人工智能人才方面仍旧任重道远。
4.2人工智能时代对人才能力要求的发展趋势
随着人工智能技术的发展，市场上人才需求正在发生结构性变化。对于重复性、标准化、程序化的岗位，人工智能正在逐步取代人工，其需求已初现下降趋势。然而，未来十年内，仍有部分岗位将无法被人工智能取代。根据牛津大学及耶鲁大学对352名人工智能科学家的调研显示，科学家们普遍认为人工智能对人类工作的完全替代可能仍需一至两个世纪，不会那么快在近期实现。尤其对于本身强调沟通、逻辑与创造的岗位，在近期内暂时无法被人工智能所取代。此外，回顾人类历史，每一次技术进步在消减部分岗位的同时，也会创造大量新的就业需求，如技术相关人才作为技术革命的中流砥柱，将长期保持为就业市场的需求增长点。就业需求的转变将对人才技能和素质的培养提出新的要求。
人工智能时代对人才素质要求的影响首先直接体现在人工智能技术领域，将在技术层面以及在应用层面直接对人才提出硬性技术能力和软性素质能力两方面的更高要求。在技术的研发上，随着未来人工智能技术发展到一定阶段，企业可能会产生对掌握更高阶技术人才的需求，潜在方向包括机器人培训与监督、机器人外形设计、机器人性格设计等技术能力，这类顶尖的技术人才往往有过硬的学术背景与科研实力，大多拥有计算机科学（ComputerScience）或者电气工程学（ElectricalEngineering）等专业科学学科的博士学位。而在技术的应用上，企业将需要更多既掌握技术能力又具有良好软性素质能力的复合型人才。这类人才应具备交叉学科背景及综合能力，如同时有能力搭建计算机程序和商业模型；同时，他们还需要快速学习能力以理解商业逻辑，更需要跨界合作能力与各方沟通洽谈，从而真正将人工智能技术落地为各行业的具体应用。
除了人工智能技术相关人才外，人工智能时代对劳动力市场整体人才素质的要求也发生着潜移默化的影响。人工智能技术可以取代的是能被自动化的活动：技术发展到今天它取代着机械化的重复劳动，多为低薪工作；但在技术不断演进的未来，人工智能甚至有机会取代虽不是高度机械化、却主要依赖历史经验判断的一些高薪工作，如医生、律师等，而剩下无法被取代的便是那些依赖沟通和创造的工作。《人工智能时代》的作者杰瑞·卡普兰提出：“越是懂得面对面沟通、越是能够触类旁通在职业交界处发现机会的人，机器越是无法取代。而这些职业技能要求给现有的教育和职业培训体系提出挑战。”从这个角度分析，人工智能技术的发展将在更广的行业领域放大人才的软性素质能力，对人才的创造力、情感沟通能力、解决复杂问题能力提出了更高的要求。
总结而言，人工智能时代的到来，一方面通过机器取代人显示了人与机器之间的“博弈”；另一方面通过机器需要人的创造、应用与优化体现了技术进步对人才素质要求的进步。我们可以看出，新技术的诞生，不仅需要创造技术的人才，同时也需要具有应用与沟通能力的人才，将高阶的技术成果实际应用到生产与生活中去。
附录
BCG2027人工智能金融业就业市场影响模型基于中国市场实际情况，覆盖银行、保险、资本市场的超过100个岗位的400多个职能，并基于行业专家输入对每一个职能进行人工智能替代情况判断，最终计算2027年金融业就业市场在人工智能影响下削减人数及效率提升程度（参阅图16）。
模型将金融业就业市场进行行业、大中小型企业、部门、岗位的分解，对每个岗位进一步拆分成3-5个主要工作职能模块，再从两个维度考虑人工智能对各个职能模块的替代情况。第一个维度是这项职能工作的非常规性或非标准程度：是否无法遵循一定步骤因而不能被编码或被模型所模拟；二是认知与情感维度：这项职能是否需要解决复杂问题、进行创新创造，是否需要应对人际情感交互及随机多变环境。如果某项职能两个维度的回答均为是，则该项职能在可见的将来无法被替代；如果均为否，则该项职能具有常规、标准、无需情感交互的特点，可以被人工智能替代；如果一是一否，人工智能可以一定程度上协助该职能的完成。
如上文所述，我们总结出三类人工智能对金融业就业市场的影响方式——削减岗位、提升效率及创造就业，而在BCG2027人工智能金融业就业市场影响模型中重点计算前两类影响。削减岗位人数包含主要核心职能模块被人工智能替代的工作岗位削减，以及未被替代但随着人工智能提升工作效率而减少的工作岗位人数；并对剩余工作岗位进行基于工作时间减少的工作效率提升估算。
注释：
[1] 本报告内定义的资本市场指证券行业内的机构客户业务。
[2] 若某一岗位中超过2/3工作时间占比的职能活动（包括该岗位的核心职能）在2027年会被人工智能已知的技术应用替代，则将该岗位定义为被人工智能颠覆；削减岗位的估算以2017年人工智能应用普及情景为基础假设，以银行、保险、资本市场各行业2003-2014就业人数复合增长率预测2027年就业人数，并以该2027年人数为基线计算削减岗位比例。
[3] 工作时长减少是指在2027年未被人工智能替代的工作岗位（即少于2/3工作时间被人工智能替代的岗位）中，可以通过人工智能已知的技术应用完成的活动；工作时长减少的估算以2017年人工智能应用普及情景为基础假设，以银行、保险、资本市场各行业2003-2014就业人数复合增长率预测2027年就业人数，并以该2027年人数对应的工作时长为基线计算工作时长减少比例。
[4] 效率提升指由于人工智能应用节省的工作时长而带来的效率提升。
[5] FinancialStabilityBoard(2017):Artificialintelligenceandmachinelearninginfinancialservices:Marketdevelopmentsandfinancialstabilityimplications.
[6] Brynjolfsson&McAfee(2014):TheSecondMachineAge;Frey&Osborne(2013):TheFutureofEmployment:HowSusceptibleareJobstoComputerisation?
[7] 2017年就业人口基线为733万人。
[8] Gartner(2017):TopStrategicPredictionsfor2018andBeyond:PaceYourself,forSanity’sSake.
[9] 不包含保险代理人岗位。
[10] 假设保守情景下人工智能能帮助节省的工作时间仅达到稳健情景下的85%；而在激进情景下，假设人工智能能帮助节省的工作时间达到稳健情景下的120%。
（本文及文中图片仅供参考，不代表本站及本行观点，均来自网络）来源：央行观察
免责声明：本公众号不以盈利为目的，内容仅供参考，我们对信息不作任何保证和承诺。如需转载，请注明出处和保持信息完整性。如有未注明作者及出处信息或图片，请版权所有者联系我们，我们将及时补上，感谢您的辛勤创作。凡注明为其他媒体来源信息，均为转载自相关媒体，转载并不代表我们赞同其观点，也不对其真实性负责。返回搜狐，查看更多
人工智能对服务业的影响
人工智能是当下的热点话题，在服务业中得到越来越多的运用，成为服务创新的主要来源。医疗保健、酒店餐饮、商场银行等随处可见服务机器人的身影。但是，人工智能快速扩张带来就业结构的重塑，更对服务业带来了较大影响。
人工智能将通过机械智能、分析智能、直觉智能和移情智能四种形式模拟人类智能。机械智能具有自动执行常规、重复任务的能力，为了模拟人类的自动化，机械智能被设计成具有有限的学习和保持一致性执行能力。分析智能是为解决问题和从中学习而处理信息的能力，是关于信息处理、逻辑推理和数学计算的技能，这些有难度的技能来自于认知思维方面的培训、专业知识和专业化。直觉智能是一种创造性思维和有效适应新情况的能力，被认为是基于整体和经验思维的智慧，包括需要洞察力和创造性解决问题的深入思考的专业技能。移情智能是一种识别和理解他人情绪、在情绪上做出适当反应并影响他人情绪的能力，包括人际交往、社交，以及帮助人们对他人情感敏感并与他人合作良好的人际交往技巧。这四种智能可能是有序的，因为有些智能（例如直觉智能和移情智能）更难被人工智能模仿，因此开发成功的人工智能应用程序需要更长的时间。
人工智能对服务业的影响是很大的。对于简单机械式的任务，机械智能将能够胜任和替代；对于信息处理、逻辑推理和数学计算式的任务，分析智能将能够胜任和替代；对于一些复杂的、创造性的和情境相关的任务，未来的直觉智能将能够胜任和替代；对于那些要求社交性、情感性，能够识别和理解他人情绪、在情绪上做出适当反应的任务，移情智能将能够胜任和替代。从国际上看，智能机器人的触角已经伸向了越来越多的服务行业，影响比较大的有这样几个领域：一是家居。智能家居系统为普通消费者提供人性化、主动管家式的服务系统；二是医学。人工智能与医学各个学科和各个专业广泛渗透，相互交叉和跨界融合，极大的推动了基础医学、临床医学、公共卫生等各个学科和专业的科学研究、应用实践和各类创新；三是交通。人工系统主要利用计算机仿真技术，通过监测人们出行的行为计算交通流。人工系统可以模拟交通事故或恶劣天气，以此观测紧急情况造成的道路拥堵情况和对其他路段的影响。比如，当你驾车出门在外，人生地不熟，少不了一款智能导航软件的指引，它会根据实时路况变化，躲避拥堵路段，推荐更快更优的路线，帮你更快到达目的地；四是个人助理。有的金融机构和服务公司也在尝试利用机器人做客户经理的个人助理，不仅可以与客户互动交流，介绍产品及业务，还可以引导客户到相应的区域办理业务。五是餐饮、宾馆。不少餐饮企业及教育机构也较早地利用起了机器人，比如迎宾接待、点餐送餐、教育陪伴等。Forrester公司发布的《2027年工作的未来：和机器人并肩工作》的调查报告表明，“自动化不会替代所有工作，但会改变劳动力的形式”。有关专家认为，人工智能不是为了取代员工的工作，而是采用人工智能和其他自动化技术增强人力资源，帮助员工更有效地完成工作。
人工智能参与服务劳动的阶段性特征。第一阶段，人工智能参与机械任务。机械智能接管标准化和重复性的服务任务，同时具有成本效率和质量一致性优势。面对这种情况，工人们需要提升自己技能的智能水平。第二阶段，人工智能参与机械和分析任务。机械智能和分析智能的相对重要性下降，直觉和移情智能的相对重要性增加。分析技能成为人工智能相对于人类智能的比较优势，分析任务可能由更高级的人工智能直接来完成。面对这种情况，工人可以通过加强直觉技能来确保工作。第三阶段，人工智能参与机械、分析和直觉的任务。机械智能、分析智能和直觉智能的相对重要性都下降，而移情智能相对重要性上升。比如，人工智能在皮肤癌分析方面，使用深层神经网络的图像识别人工智能与皮肤科医生一样好甚至更好。第四阶段，人工智能参与机械、分析、直觉和移情的任务。移情智能目前正在开发阶段。例如，对于困难或沟通密集的客户服务，情感机器人可以减轻客户服务代表的负担，减轻消费者的愤怒。聊天机器人不仅可以与人交谈，还可以学习和模仿他们的语言风格。第五阶段，人工智能与人类完全整合。人工智能可以像人类一样思考和感觉，它有能力接管所有任务。因此，人和机器之间最好是无缝地协同工作：人和机器各自为自己的目标市场提供服务；人和机器一起共同为目标顾客提供服务；人工智能完成了人类不想做的工作，而人类可以选择想保留的工作；人类在生理上或生物学上与机器结合在一起，人工智能成为人类的技术延伸。
毫无疑问，机器人拥有诸如信息交换、教育培训、关爱陪护、学习反馈等多种功能，它给人们的生活带来的变化是多方面、全方位的。有人不免担心，服务行业从业者的饭碗会不会被机器人抢去？对此，业内专家认为，大可不必如此担忧，因为如今服务行业使用机器人还很难涉足一些较高难度的工作。从现实看，人工智能暂时、短期内不会对服务行业造成极大的威胁，在诸多领域里人工智能可以做到大多数人类能做的事，甚至做得更好，但人工智能完全取代人类工作还遥遥无期。对于某些企业来说，人类＋人工智能的结合能提高企业的工作效率，推动企业高质量发展，让客户享受到更好的服务。
（作者单位：吉林财经大学）