2009年，在全球金融危机中，前美联储主席保罗沃尔克（Paul Volcker）曾有一句名言：过去20年中，近年来唯一有实际价值的金融创新就是自动取款机。

人们不禁要问，沃尔克将如何看待当今这场数字化金融创新浪潮，涵盖了从移动支付平台到互联网银行和点对点贷款的相继出现。

沃尔克或许可以放心：与简陋的自动取款机一样，许多创新在降低交易成本方面有着实实在在的好处。

但作为金融界的批评家，沃尔克大概也会担心一些非常大型的科技公司进入这一领域。

这些公司的名字和它们无孔不入的服务一样让人耳熟能详：美国的电子商务巨头亚马逊、韩国即时通信公司卡考（Kakao）、拉丁美洲的电商平台美客多（Mercado Libre），以及中国科技巨头阿里巴巴集团和腾讯公司。

这些实体企业现在几乎开展所有与金融有关的业务。

亚马逊向中小企业提供贷款。卡考公司提供的全方位银行金融服务。

阿里巴巴集团旗下的蚂蚁金融（Ant Financial）和腾讯旗下的微信（WeChat），提供了大量的金融产品，这两家公司的扩张如此迅速，以至于最近成为了中国政府严厉打击的对象。

监管关注操作风险

显而易见，监管机构面临着挑战。

如果一家公司为一个国家的大多数人口提供支付渠道，例如肯尼亚的M-Pesa支付系统（M-Pesa是肯尼亚萨法利通信旗下移动支付服务），其失败可能会使整个国家经济崩溃。

因此，监管机构必须密切关注操作风险。他们必须担心支付系统客户数据的保护，这些数据不仅包括金融数据，还包括大型科技公司所掌握的其他个人数据。

制定法律防借贷歧视

此外，大型科技公司由于其收集和分析消费者偏好数据的能力，因此其针对客户行为偏差进行分析的能力得到了增强。

如果这些偏见导致一些借款人承担过多的风险，大型科技公司就没有理由在意它是否只是在向合作银行提供技术和专业知识。

这种道德风险，正是中国监管机构现在要求中国大型科技企业根据其资产情况在单笔联合贷款中，出资比例不得低于30%的原因。

各国政府还制定了法律和条例，防止金融产品提供者基于种族、性别、族裔和宗教等因素做出歧视行为。

这里的挑战是区分基于群体特征和基于风险的价格歧视。

传统上，监管机构要求信贷提供者列出构成贷款决策基础的变量，以便监管机构能够确定这些变量是否包括被禁止的群体特征。

而且它们要求贷款人指定附加在变量上的权重，以便确定贷款决策一旦以其他衡量标准为条件，其是否与种族或族裔特征不相关。

人工智能“学到”偏差

但随着大型科技公司用基于人工智能的算法取代贷款专员，变量和权重将随着新数据点的到来而不断变化。

监管机构能不能跟上这一变化，目前尚不清楚。

此外，在算法过程中，偏差的来源可能会有所不同。

用于训练算法的数据可能是有偏差的。

或者，训练本身可能有偏差，使得人工智能算法以有偏差的方式“学习”了使用数据。鉴于算法过程的黑箱性质，不能确定问题的具体所在。

共享经客户授权数据

最后，还存在着竞争风险。银行和金融科技公司依赖大型科技公司运营的云计算服务，这使它们依赖于极为强大的竞争对手。

大型科技公司还可以对其金融业务进行交叉补贴，而这只是他们业务的一小部分。

通过提供一系列相互关联的服务，它们可以防止客户更换业务供应商。

监管机构以开放银行规则作为回应，要求金融企业在客户同意的情况下与第三方分享客户数据。

他们已经授权使用应用程序编程端口，允许第三方供应商直接进入金融网站以获取客户数据。

目前尚不清楚这些举措是否足够。

大型科技公司可以利用他们的平台生成大量的客户数据，运用这些数据来训练他们的人工智能算法，并比缺乏相同信息的竞争对手更有效地识别高质量的贷款。

客户或许可以将他们的金融数据转移到另一家银行或金融科技公司，但他们的非金融数据呢？

使用己方数据和其他客户的数据训练出来的算法呢？

监管须加快步代

如果没有这些，数字银行和金融科技公司就无法像大型科技公司那样有效地定价和定位其服务。

消费者锁定和市场主导权的问题将无法克服。

在一则关于银行和监管者的古老寓言中，银行就像灰狗，跑得很快。而监管者是猎犬，行动缓慢，但忠实地跟在后面。

在平台经济时代，猎犬们要加快步伐。鉴于只有三家央行报告称有专门的金融科技部门，我们有理由担心它们会失去嗅觉。

Project Syndicate版权所有

www.project-syndicate.org