巴塞爾銀行業中的人工智能
如E部分第一章所述，巴塞爾的銀行既包括UBS的分行，也包括巴塞爾州立銀行（Basler Kantonalbank）及其子公司Bank Cler，還有私人銀行和外國機構的當地辦事處。它們對人工智能的使用遵循瑞士銀行業整體的模式：最大的機構開展專門項目，較小的銀行則依賴軟件供應商和核心銀行系統提供商的產品。1瑞士金融市場監管局（FINMA）於2024年公佈的一項調查發現，受訪機構中約有一半已在使用人工智能或正在開發相關應用，每家機構平均擁有若干項應用。該調查還發現，這些應用中的大多數依賴於少數外部提供商所提供的模型。2
反洗錢是收益最為明顯的領域。傳統的交易監控依賴於規則，例如現金存款的閾值或向高風險國家匯款的警報，這些規則會產生大量誤報，分析人員必須逐一審查。機器學習模型可以按風險對警報進行排序，識別相互關聯帳戶構成的網絡，並發現任何固定規則都未曾預料到的模式。《反洗錢法》（AMLA）和FINMA的《反洗錢條例》將方法的選擇留給機構自行決定，前提是其監控系統行之有效、其澄清工作有據可查。3同樣的工具也有助於“了解你的客戶”流程。它們從護照、商業登記冊和信託契約中提取數據，將姓名與制裁名單和負面媒體資訊進行核對，並彙編出合規官在建立業務關係之前審查的客戶檔案。
防範欺詐是第二個成熟的領域。瑞士的髮卡機構和支付服務提供商使用實時模型對交易進行評分，銀行則使用行為分析來識別帳戶盜用和授權推送支付欺詐，即客戶被操縱而將資金轉給犯罪分子。信貸決策構成第三個領域，不過瑞士銀行主要在消費信貸和租賃中依賴自動評分，在抵押貸款和對小企業的貸款中則少得多，在這些領域，客戶經理仍然根據個人了解和擔保品作出決定。4
諮詢服務的變化較為緩慢。根據問卷構建投資組合的智能投顧大約從2015年起在瑞士出現，由初創企業、州立銀行和大型銀行提供，但在財富管理市場中所佔份額一直不大。生成式模型開闢了另一條路徑。客戶經理如今使用內部助手來總結研究報告、準備會議記錄、起草客戶信函，並檢查一項建議是否與根據《金融服務法》（FinSA）記錄的客戶投資檔案相符。5在巴塞爾擁有悠久傳統的私人銀行領域，這項技術為顧問提供支持，但並不取代富裕家族仍然期待的個人關係。
客戶溝通和軟件開發構成了全貌的最後部分。聊天助手在銀行網站和應用程序中回答常規問題，語音系統則負責轉接來電並驗證來電者身份。在銀行內部，開發人員使用代碼助手編寫和測試軟件，這一點很重要，因為瑞士銀行維護著龐大且往往陳舊的核心銀行系統。若干機構報告稱，軟件開發中的生產率提升超過了其他任何職能，但公佈的數字差異很大，且取決於生產率的衡量方式。6
註釋
- 關於巴塞爾的銀行業格局，參見E部分第一章。關於不同規模的瑞士銀行對人工智能的使用，參見瑞士銀行家協會的調查以及FINMA自2023年以來的監管通報。現狀待核實。 ↩
- FINMA，Risk Monitor 2024，以及隨附的關於受監管機構人工智能使用情況調查的通報，於2025年春季發佈。數字和日期待核實。 ↩
- 《反洗錢法》（AMLA，SR 955.0）第6條和第7條；關於以計算機為基礎的交易監控，參見《FINMA反洗錢條例》（AMLO-FINMA，SR 955.033.0）第20條。參見E部分第三章。待核實。 ↩
- 關於瑞士銀行業的欺詐檢測和信用評分，參見瑞士銀行家協會的年度報告，以及關於《消費信貸法》（CCA，SR 221.214.1）的文獻，該法第28條至第30條要求進行信用評估。待核實。 ↩
- 關於《金融服務法》（FinSA，SR 950.1）第10條至第14條規定的適合性和適當性審查，參見E部分第二章。關於瑞士的智能投顧，參見盧塞恩應用科技大學（IFZ）關於數字財富管理的研究。待核實。 ↩
- 關於代碼助手的使用以及金融機構中的生產率衡量，參見國際清算銀行（BIS），Annual Economic Report 2024，第三章，以及其中引用的關於生成式人工智能與生產率的研究。數字待核實。 ↩
僅供一般參考。本文不構成法律或稅務意見，不能替代針對個案的諮詢，亦不建立律師與客戶之間的委託關係。本文反映截至 十月 2026 的法律狀況。