高歌/文
在金融领域讨论AI治理，现在是最好的时机——因为再晚，成本会高得多。
10月19日，世界银行集团常务副行长兼首席行政官张文才在2026外滩金融峰会“金融领域人工智能治理”圆桌对话上给出这一基本论断。
2026外滩年会“科技、地缘与全球经济”于2026年10月19—22日在上海市黄浦区召开，有关AI对经济、就业和金融行业的影响是会议讨论的重要议题之一：如何从AI中受益又如何防止它带来的风险，是当前全球金融治理所需面对的共同问题，而AI的风险在新兴市场和发展中经济体尤为突出。
“我们正处在一个关键时刻——无论是对AI的使用，还是对AI的治理。”张文才指出，未来一两年，政策制定者最该做的一件事是要向内用力：强化本国的机构能力，配足监管工具和权限，夯实管理和治理AI的基础，并与各类监管机构形成合力。
其次是向外协同。我们需要更多的全球合作与协调，尤其是在AI治理标准上——需要所有国家坐到一起，为共同的标准贡献力量，也包括国家之间如何共享协议、如何互通早期预警。我相信未来几年，国际的协作与协调会更加紧密。
“人工智能推进得非常快，无论我们是否参与其中，都是如此。如果我们现在就开始行动，发展中国家就不必只做技术的接受者，而可以更主动地塑造AI的发展方向。所以要快，要建立起信任，要不让任何一个国家掉队。”张文才说。
一、我们正面对两个速度
世界银行的一项调查显示，只有11%的新兴市场金融监管机构在使用AI赋能的监管工具；约50%的机构告诉我们，他们没有足够的人员和工具来实施有效监管。这个结果很说明问题。
与此同时，市场呈现出两种截然不同的速度。一些领域跑得极快——比如用AI预防和侦查欺诈，效率提升非常明显；但另一边，整个行业对少数几家云服务商和模型提供商的依赖正在快速上升。能力不足的国家还没有起步，风险却已经先行到位。
对此，张文才认为要抓住三件事。
第一，夯实基础，更多借鉴，而非重新发明。 要把数字身份证纳入数据保护和支付体系。能力有限的国家不需要另起炉灶设计一套全新方案，完全可以借鉴国际上已有的做法和指引，来弥合自身的能力差距，把有限的资源投向伤害和风险最高的领域。
第二，帮助监管者善用AI，也帮助监管者监管AI。 这既需要更加互联的数据，也需要监管队伍真正懂得如何使用这些工具。工具买来了，人不会用，等于没有。
第三，技术可以来自外部，责任不能外包。 技术由别人提供，但金融机构仍须对AI作出的决策承担责任。这要求加强协作：网络监管部门和数据保护机构必须坐在同一个房间里决策、协调；不同国家之间也要更好地共享监管工具、测试结果和早期预警——因为绝大多数监管机构都无法凭一己之力建起完整的监管框架。
张文才提到，世界银行自身也在大幅拓展AI应用，为员工打造工具、服务客户，同时非常严肃地对待与之相伴的网络风险——“我们每天都在阻隔大量网络攻击。我们也为成员国提供数字基础设施融资，支持它们制定本国的实施计划”。
二、金融包容性不会自动发生
对于AI能否提升金融包容性这一问题，张文才持肯定回答，但有一个前提：必须加以设计。包容性不会自己到来。
在新兴市场，大量中小微企业甚至家庭企业面临同样的困境：没有信贷历史，没有抵押品，没有可靠的身份，也没有品牌，融资因此格外困难。AI可以调用多种数据，把服务小客户、小账户的成本降下来，还能用本地语言提供服务。基于这一判断，世界银行在上周的曼谷年会上推出了一项支持中小微企业的新战略——用数字化手段让它们“可见、可连接、可融资、可赋能”，为中小微企业创造就业，也让世界经济更均衡、更有韧性。
但数字化并不等于包容。有人拿到了数字贷款，日子却不如从前；当模型带有偏见、逻辑不透明，或者用户无从质疑决策时，吃亏的往往是女性、非正规就业者等这些“数据里看不出来”的群体。调查中，59%的受访者把欺诈和电信诈骗列为消费者面临的最高风险，而随着工具演进，这些手法只会更精明。
张文才认为需要三重保障：一是可靠的身份核验，特别是在互操作的支付体系和数据治理层面；二是把工具建在本地。 这也是《世界发展报告》三步路径中的第二步：看结果，而不只是看模型。监管者要能回答一个很朴素的问题——给谁批、不给谁批、谁为此付出的代价更高。同时要用通俗的语言解释决策依据，并给用户一条简便的申诉渠道；三是保护选择权和竞争。 如果少数平台同时掌握数据、分销渠道和工具，它们就能左右产品形态。问题的关键不在于自动化水平能提到多高，而在于结果是否更公平、出错时人们是否有机会质疑。
唯其如此，AI才可能切实提升和加强金融包容性，而不是加深排斥。
三、顺序比速度更重要
世界银行集团新一期《世界发展报告》聚焦人工智能的潜力。报告指出，AI有望让发展中国家在十年内完成原本可能需要一百年才能实现的增长。
但这是有条件的：足够的电力、互联互通、规模，以及运转良好的机构。四个前提缺一不可。
报告同时给出了AI使用的合适顺序：先采纳，再适配调整，最后推进。 对大多数国家来说，受益最大的环节是“适配”——高收入国家现成的工具未必适用于发展中国家，必须用当地的数据、当地的语言、符合当地情况和当地机构的方式去改造它。
正因如此，世界银行主张在发展中国家推广小型AI工具，而不是一味追逐最前沿的模型、建设巨型数据中心。小型工具成本更低、部署更快，对多数客户尤其是低收入国家更为现实。当然，条件较好的国家可以使用大规模AI；但对大多数中小型和低收入经济体而言，从小模型、小规模部署起步，是更务实的路径。
本文来自和讯财经，更多精彩资讯请下载“和讯财经”APP
热门跟贴