自 2024年12月以来，包括建设银行、工商银行、农业银行、交通银行、北京银行等在内的多家银行升级了手机银行APP，其中AI赋能成为亮点。

《中国经营报》记者梳理到，近期AI赋能手机银行主要体现在增强客户体验和赋能业务创新方面。

对于近年来市场尤为重视的数据安全问题，部分银行也表示，AI赋能下手机银行的交互体验到安全保障，都实现了服务质效的显著提升。为保护数据安全，银行在数据收集、数据存储、数据分析等环节采取了大量保护措施。

客户营销是AI应用重点

中金金融认证中心有限公司（CFCA）发布的《2024中国数字银行调查报告》（以下简称“《报告》”）显示，AI正成为数字银行（包括手机银行）管理市场偏好的重要工具。

《报告》给出一组数据，在数据银行的AI应用方向中，63.9%用于客户营销，55.6%用于风险控制，50%用于客户运营管理，47.2%用于客户服务和权益保护。

苏商银行高级研究员孙扬总结道，AI能帮助提升客户服务的响应度，可以全天候AI服务客户自动响应，从而提升客户满意度；可以更好地实现金融产品面向客户的智能推荐，实现界面千人千面，让手机银行面向客户更加个性化；可以通过AI，促进财富管理的智能投顾服务，和客户的业务旅程更加丝滑地整合在一起。

北京市社会科学院副研究员王鹏告诉记者，AI对手机银行的赋能可以提升运营效率，通过自动化流程，AI可以自动化处理一些重复性高、耗时长的业务流程，如贷款审批、账户管理等，提高银行的运营效率；通过智能调度系统，AI可以优化分行和ATM的布局，提高资源利用率。

在风险管理方面，王鹏指出AI可以通过分析交易模式和行为特征，实时识别和预防欺诈活动，保障客户的资金安全；基于大数据和机器学习算法，AI可以更准确地评估客户的信用风险，为银行提供决策支持。

不过，在简化业务流程的同时，银行如何确保AI技术的运用不会降低业务处理的准确性和安全性？

CFCA产品中心副总经理刘通告诉记者，为了保障AI技术处理业务的准确性和安全性，银行采用了多种方式。

首先，银行建立严格的模型评估体系，对AI模型进行全面的评估和测试，确保模型的泛化能力和稳定性。例如，在贷款审批模型中，通过对历史数据的回测和实际业务数据的验证，评估模型的准确性和风险识别能力。

其次，随着业务数据的不断积累和市场环境的变化，银行及时对AI模型进行优化和更新，采用强化学习技术，使模型能够自动适应新的数据和业务场景。例如，在智能投资顾问中，根据市场行情和客户投资行为的变化，实时调整投资策略和模型参数。

再者，银行不断加强身份认证和授权管理，采用多因素身份认证技术，构建多层次、立体化的身份认证体系。例如，银行采用CFCA的安心验产品，利用身份证、银行卡、手机号、面部识别等多种验证手段，确保用户身份的准确性，为用户的资金交易提供安全性的保障。

最后，银行运用密码技术、入侵检测技术等多种安全手段，保护AI系统和用户数据的安全。例如，对用户资金交易及其他关键数据进行加密传输和存储，防止数据泄露和篡改；同时，定期进行安全漏洞扫描，及时发现和解决潜在的安全隐患。

《报告》认为，接下来，AI应用将更深入，用户和场景的智慧运营水平将逐渐提升。具体来看，银行将借助用户实时情境与服务场景融合升级，使得用户陪伴服务更“深入”；运营活动也将日益注重个性化和深入场景化；未来将借助交叉营销和体验式陪伴运营，提升数字金融业务场景协同性。

多举措保护数据安全

随着AI技术的广泛应用，隐私保护和数据安全成为重要议题。

近年来，监管层对于数据安全也十分重视。2025年1月14日，工业和信息化部发布《关于加强互联网数据中心客户数据安全保护的通知》；1月15日，国家发展改革委、国家数据局等六部门印发《关于完善数据流通安全治理更好促进数据要素市场化价值化的实施方案》。

“在AI技术的推动下，手机银行正在经历一次前所未有的升级变革。在这一过程中，隐私保护和数据安全问题已经上升到一个至关重要的地位，银行不得不面对一些潜在的风险和挑战。”刘通说。

刘通列举到，一是数据泄露风险，AI系统需要大量用户数据进行训练和优化，这些数据可能包括个人身份信息、交易记录、行为习惯等敏感信息，此类信息若处理不当，可能会导致侵犯用户隐私的情况发生，进而导致用户信任度下降，甚至产生法律合规风险；二是模型攻击风险，AI模型可能受到对抗性攻击（Adversarial Attacks），攻击者通过输入精心设计的恶意数据，导致模型输出错误结果，可能会产生错误允许（欺诈交易被误判为合法）或者错误拒绝（用户身份验证失败）的后果；三是算法偏见风险，AI模型可能因训练数据不均衡或算法设计问题，产生偏见（Bias），导致不公平的决策。

银行在利用AI收集和分析用户数据时，也采取了诸多措施来保护用户隐私。王鹏列举到，主要包括数据加密、访问控制、数据脱敏、隐私政策、合规监管、安全审计和监控等。

“银行还采取了堡垒机、专有云等物理设备，将敏感数据和办公环境隔离。银行还会在数据生成、数据加工、数据存储、数据使用等全流程，进行分段管理、分段授权，减少敏感数据的流转，在数据加工时，就会充分使用数据库/数据仓库自带或者商用的数据加密、掩码等功能，实现敏感数据脱敏。”孙扬说。

刘通详细介绍道，在数据收集环节，银行会遵循最小化原则，只收集与业务直接相关的必要数据，避免过度收集用户信息，降低数据泄露风险；在数据存储环节，利用加密算法，对数据进行加密，确保数据在存储和传输过程中的安全性，采用安全可靠的存储系统和技术，建立严格的访问控制机制，限制对存储数据的访问权限；在数据分析环节，AI可以帮助银行对敏感数据进行脱敏处理，在保持数据原有特征、业务规则和数据关联性的前提下，对敏感信息进行变形处理，降低数据敏感度。

“另外，在模型训练与应用环节，在模型训练过程中，会对训练数据进行严格的清洗和预处理，去除可能包含的敏感信息，并采用加密技术对训练数据进行保护，防止训练数据泄露。在模型应用前，对模型进行全面的安全评估，包括模型的准确性、安全性等方面，确保模型不会泄露用户隐私或被恶意攻击利用。在模型运行过程中，持续监控模型的性能和安全状况，及时发现和处理可能出现的安全问题，并根据业务需求和安全形势的变化，及时更新和优化模型。”刘通指出，“在人员与制度保障方面，银行对内部员工进行数据安全和隐私保护方面的培训，以提高员工的安全意识和合规操作能力。建立健全数据安全管理制度和流程，规范数据的收集、存储、处理、使用和销毁等环节，确保数据安全管理工作有序推进。”