📰 吕仲涛：如何推动金融AI从“能用”到“好用”
文章回顾并分析了新一代AI（以大模型为代表）在金融行业的应用现状、治理挑战与国际经验，强调在风险可控前提下推动AI从“能用”走向“好用、常用、可信用”。通过对欧盟、美国、英国的治理经验进行总结，提出金融业AI治理应坚持三个原则：以风险为本、全程留痕、包容审慎，并强调将AI风险纳入现有风险体系而非另起炉灶。金融AI落地面临三大共性难题：数据可用与安全、模型能力与可靠性、自主可控与开放协同。为解决这些问题，需加强高质量数据治理、知识工程、模型风险缓释与多层次安全防线建设，分阶段推进高风险场景落地。最后提出三点生态共建共享举措：统一场景分级与测评标准、加强安全联防与产业协同、充分发挥监管沙盒作用。通过标准化、协同化与制度化推进，促进金融AI健康有序发展，提升行业整体水平，实现以高质量AI推动金融高质量发展的目标。
🏷️ #金融AI治理 #风险分级 #数据治理 #模型安全 #监管沙盒
🔗 原文链接
📰 吕仲涛：如何推动金融AI从“能用”到“好用”
文章回顾并分析了新一代AI（以大模型为代表）在金融行业的应用现状、治理挑战与国际经验，强调在风险可控前提下推动AI从“能用”走向“好用、常用、可信用”。通过对欧盟、美国、英国的治理经验进行总结，提出金融业AI治理应坚持三个原则：以风险为本、全程留痕、包容审慎，并强调将AI风险纳入现有风险体系而非另起炉灶。金融AI落地面临三大共性难题：数据可用与安全、模型能力与可靠性、自主可控与开放协同。为解决这些问题，需加强高质量数据治理、知识工程、模型风险缓释与多层次安全防线建设，分阶段推进高风险场景落地。最后提出三点生态共建共享举措：统一场景分级与测评标准、加强安全联防与产业协同、充分发挥监管沙盒作用。通过标准化、协同化与制度化推进，促进金融AI健康有序发展，提升行业整体水平，实现以高质量AI推动金融高质量发展的目标。
🏷️ #金融AI治理 #风险分级 #数据治理 #模型安全 #监管沙盒
🔗 原文链接
