人工智能早已不是新鲜事物，最早出现在科幻故事和影视作品，以人类的朋友、帮手出现，让人们对人工智能的未来充满期待。

然而随着经济发展速度减缓、数字安全等问题的负面影响不断曝光，人们的态度又不再像过去一样乐观。人们担心人工智能替代劳动者，造成大规模失业，导致社会收入分配的进一步失衡。

那么人工智能到底对人类是彻底替代，还是将人们从重复性、低价值的劳动中解放出来？为了回答这个问题，BCG近期以实际项目经验为基础，进行了定量分析研究，试图回答这一问题。

人工智能改变商业世界的三大方面

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。

我们认为，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，正是依赖计算机视觉、语音识别以及自然语言处理三大技术，它们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。

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。

（1）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。

(2)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。

(3)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。

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。

（1）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。

（2）在保险业的应用

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。

（3）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。

（4）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。

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，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，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。

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（见边栏：计算模型与方法论）。

经测算，到2027年，中国金融业就业人口可达到993万人，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，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。

就业市场与人才能力需求变化趋势

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（Computer Science）或者电气工程学（Electrical Engineering）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。