金融科技新动力：数字化劳动力的应用与前瞻.docx

金I融I科I技I新I动I力数字化劳动力的 应用与前瞻 （精华版）CHAPTER 3金融业数字化劳动力实施路径以银行为例01000001丫。卜 0 00 口 口1110 0 111 0 Cp 0 0 1 !< 1001101010n 0 1 R) 00 111 0即 1 0 1 0 1 1 0 0 10 0 0 0R1100110101Q0 1： .三一0口口 .，11 0 I。. T、/口。1 口 © 口 口 1，w 】。21， (4 数字化劳动力群集协同体系数字化劳动力的应用与前瞻9数字化劳动力是一个系统工程，其因所从事的业务和岗位的特殊性决定了其体系架构的 复杂性，梳理其治理框架中的相关模型、治理框架、协同机制以及各模块在此业务流程中的 角色应用，对于在各业务场景中数字化劳动力设计和实现至关重要。金融业务的复杂多样性决定了金融数字化劳动力的体系复杂性，其具有角色多样性、依 赖复杂性、任务海量性、协同多元性以及时效多变性，那这五个特征也是系统设计目标确 定的基础，如图3.1。数字化劳动力体系的设计目标核心是劳动效率、劳动质量以及劳动成 本，共同决定数字化劳动力是否能够赋能企业带来价值。另外安全体系、群体健壮性、群体 柔性、群体协同性以及群集管理也是重要关注目标，这些目标多是服务数字化劳动力安全稳 定协同运行而设置的，如图3. 2。数字化劳动力的设计目标众多，很难同时到达最优，其设 计目标的实现是多目标协调的结果。图 3/,金融数字化劳动力的体系复杂性的五个特征数据、算法以及人机交互模式等因工作内容的 不同而具有建异性，进一步呈现出数字化劳动力角色的多样性O金融业务的产道性及环节间的关联性决定了其 流程的短杂性，流程上各个环节的状态追踪监 控，对状态正常或者异常转变的响应处理等 求，决定了数字化劳动力之间的交互与依箱震依赖复杂性协同多元性体系蝮杂性特征交易的海性特点意味数据的急速增长， 系统黛杂度的升级，保M系统性能.可用性及 可靠性的耀度的不断增加，也意味根行业努 对数字化劳动力的微力央求.规模11求在不断 幽时效多变性作为劳动力履行岗位职责，完成职责，履职过 程与其他主体协作，协同包括：数字化劳动力 之间的群体协同，与外部数字化劳动力的协同 以及与人的协同。数字化劳动力如果不在合适的时效地圉内完成 任务，可靛影响业务的开展。时效性寰求其具 相低延迟响应能力，在信息时效性变化之前， 做出反血数字化劳动力群集协同体系图 3.2,金融数字化劳动力的体系设计目标1）单位时间完成的工作量；2）完成特定工作所需要的时间 指标：吞吐和平均响应时间劳动质指标：准确率、召回率等指标劳动本钱研裳或采购、运行和维护三方 面本钱。研覆或采购本钱可通 过研发投入资本或采购资本来 衡。维护本钱可通过对维护 人员的资本投入来衡。安全体系一是外部恶意攻击导致的数据 我失、泄露、非法改，系统 停播等，导致数字化劳动力工 作结果出错，或无法正常工作; 二是内部的数字化劳动力个体 或者群体由于设计缺陷以及进 化失控导致的安全，件。群体协同性劳动本钱数字化劳动力复杂性数字化劳动力体系设计目标指群体容错、分布式容错、故M 诊断、隔等机制o可使用平均 无故网时间以及可用性指标来衡群体柔性规模柔性：应对工作扩大或缩小服务柔性：应对功能、角色的犷体协I满足易协同性需求，发挥分工力 作优势、发挥总体效能、提高赘 体工作效率的保I障对数字化劳动力单体全生曲周期 的管理；对数字化劳动力运行过 程的群集管理基于此，我们可以建立数字化劳动力的群集协同体系，其中包含生命周期模型以及协同 运行治理框架，如图3. 3。体系设计具有一定的普适性，可根据业务具体情况进行适配、实 施和优化。在生命周期模型中，数字化劳动力首先经历岗位设计、然后经过生产装配、上线 协同运行，最后对工作绩效进行评估一个完整循环周期。而体系目标，实际是数字化劳动力 建设和运行的指导原那么。数字化劳动力的协同运行治理那么从岗位管理、能力发现、柔性服 务、智能调度、动态配给、以及监控回溯等十个方面展开。比方，岗位管理模块是所有数字 化劳动力岗位的管理配置中心，用于管理劳动力的上岗注册、能力发布、要素配置、要素更 新以及撤岗等。能力发现可以实现对数字化劳动力能力的快速发现和与任务的精准匹配。智 能调度通过分析任务执行状况、系统资源利用情况、任务优先级等多维指标制定调度策略， 实现数字劳动力智能调度。最核心的是多元协同机制。数字化劳动力涉及的协同机制有三 种：不同岗位数字化劳动力之间的协同，数字化劳动力和人的协同，数字化劳动力和外部数数字化劳动力的应用与前瞻 11字化劳动力的协同。由于三种机制的协作方式不同，其流程设计方法和演进方向也有所差异。图3.3,金融数字化劳动力体系目标、生命周期及协同运行逻辑关系数字化劳动力群集协同体系目标目标驱动的数字化劳动力生命周期模型工作效率群体柔性安全体系目标驱动的数字化劳动力协同运行治理框架数字化劳动力群集协同客户服务类内控合规类市场营销类CHAPTER 4金融业数字化劳动力实施路径以银行为例金融业数字化劳动力实施路径以银行为例数字化劳动力的应用与前瞻13纵观银行业的转型进化史，每一次的转型升级都是在技术、思想、人才、组织和资本的 驱动下完成的，五个维度不孤立存在，也不单向改变，而是互相影响、互有反应的一个有机 整体。技术变革、思想变革、人才变革、组织变革及资本投入五个因素组成的有机整体就是 当前支撑数字化劳动力开展的“五因素模型”，为银行业提供了数字化劳动力实施的方法论 基础。“五因素模型”中，技术更新影响了金融从业者的思想，也为金融行业培养了人才；技 术人才的管理模式促进了金融业组织管理模式的变革；组织的进化影响了思想的成熟和资本 的决策；而资本的投入深刻影响了人才、技术、组织和思想的提升。近年来新兴的科技企 业、金融机构在移动互联技术和智能设备的深刻交融下，金融的科技化和科技的金融化有殊 途同归的趋势，就是上述五个因素相互作用的表现之一。图 41,数字化劳动力实施“五因素模型”图 4.2数字化劳动力实施三原那么数字化劳动力的部署实施不是单个技术的应用，也不是单个业务的需求，而是站在行业 和全行高度的通盘考虑，在效率、质量和本钱之间求得一个合理的平衡。数字化劳动力开展 的路线图也要围绕这三个方面来设计。劳动质量是数字化劳动力实施的前提，结果的准确 性，劳动过程的可靠性等是劳动质量的重要衡量指标；效率是实施结果的直接表达，数字化 劳动力应优先部署在劳动力密集型、规那么明确、重复性高的岗位；本钱是数字化劳动力部署的决定性因素之一。质量和效率的结合要生产出具有高投入产出比的数字化劳动力，才能 带来经济价值。目前我国银行数量约4000家，包含全国性银行、区域性商业银行如城商行和农村商业银 行，以及把业务集中于线上开展的互联网银行。因自身禀赋的差异，它们的在岗人员构成、 技术水平和资金投入规模等方面存在较大差异。因此，不同类型银行在部署实施数字化劳动 力时，采取的策略不可能统一。对于村镇银行、农商行和城商行等区域性银行，其客户数 量、资金实力和技术研发能力方面都比较弱，建议先从性价比较高的客户服务类和运营管理 类数字化劳动力开始实施。全国性银行有强大的资金、技术、人才和数据优势，可以积极探 索更高阶的数字化劳动力，比方内容合规类和风险管理类。互联网银行具有强大的互联网和 科技基因，线上开展业务，无人员和业务的历史包袱，能够高起点布局数字化劳动力，在业 务全流程替代或辅助自然人的劳动。图 43,各类银行当下重点攻克的数字化劳动力应用领域O投资交易类互联网银行全EB性银行 区域性畏行互联网银行全EB性银行 区域性畏行具有强大的互联网技术基因，没有历史人员业务包袱具有无可比较的数据、资金、技术和人才优势在客户数、资金投入和技术研发方面实力较弱大型国有、股份制银行 互联网银行O风险管理类外汇交舄岗黄金交易尚«交易10市mI研岗资本投入各类银行当下点攻克的数字化劳动力应用领域金融业数字化劳动力 的实施关注点金融业数字化劳动力的 实施关注点金融业在遵循数字化劳动力开展路径，利用数字化手段对金融产品、经营模式、业务流 程等进行改造或创新的同时，数字化劳动力就普遍性来说还属于新鲜事物，支撑数字化劳动 力开展的基础尚有缺乏，这严重掣肘了我国金融业数字化的健康开展。深入剖析数字化劳动16数字化劳动力的应用与前瞻力引入和应用环节发现，关注点主要集中在数字化劳动力输出的内容、行为以及相关的权责 管理三个方面，详见图5.1。图 54,金融数字化劳动力的实施关注点分工方面分工方面引入环节扫黄方面权责方面内容方面行为方面应用环节信息方面技术方面客户方面业务环节切分不当，将诸如核哙等高风险环节也交给数字化劳动力完成，但相应技术成熟度不 够,可能存在技术欺诈的风险，终在业务流程中埋下|»裹。数字化劳动力工程较乏明确的管理和归责角色权责定义，修导致数字化劳动力的错谡和问愿 无人负责，终蔓延到谢产安全伤害客户利益产生合规风限。员工因工作习惯变更或角色定位的变化而产生抗拒，致使员工态度保息排斥，有意或恶意导致 数字化劳动力运行曾识风险加大。发出的内容存在播送、岐义或谀导性问题，对接收人的财产、行为接或间接彩崎，导致银行的 声誉受损引发监督向也数字化劳动力受算力影响，其运行稔定性和运行结果可能会危及交易环节或资金传输环节，影响 资金安全或侵害客户利益。数字化劳动力技术限制或精度缺乏，如核聆环节，人脸识别存在技术欺诈，导致相关环节有漏洞, 危害相关资金产安全，再如解析精度不携，导致出内容有歧义。数字化劳动力执行务过程中缺乏监督，导致操作不可回满，发生忽略关键异常处理或数字化机 器人行为不号、过度记录客户信息等行为，违反法祗数字化劳动力开发、湾试电运行过程中，运行教体熨平台存在安全漏洞，数据存储和传箱过程被 恶意攻击；数据管理缺失，导致口令、权限以及最终敏慝和除私数据泄工在8B努客户的过程中，客户感觉到桢犯或权益受到损害，在客户使用窃行应用过程中，对银行 的推荐内容有谡解应对认为自身受到雷行不公平的对待。导致墨线客户对银行应用抵触或发起投 诉，引发监管问短或影响粗行康誉。训炼数据内容有偏见或鼓视导致训炼结果A出岐视偏见，造成非公平正义险私数据的滥采.X 用采集数据用来'大数据杀熟、'同品不同价'、除私数据信息泄,金M除私数据泄露，流 到咻网械贩卖，导致电侑诈和财产损失算法岐视、借助算法“隐蔽性”特点，通过算法跟踪其他平台价格变动，实现动态固定效果以及 信息药房等问屋，推荐算法依据数据构筑兴趣疆域内的信息，慢失了获将更广同楚图模域信息的 机会C内容方30»法理权贵方血权解决关切可以从数据、算法以及多维综合管理来切入。数据要素管理可从立法、技术以 及机制三个维度着手，技术方面可以探索隐私计算技术在隐私保护方面的应用，机制方面注 意数据信息的收集和使用的原那么。算法规那么方面的管理，可从立法和机制入手，尤其在机制 方面要抓住算法规那么管理的关键一算法的解释，包括原理、责任影响等方面的解释。另外， 要赋予用户选择权，设置申诉机制和退出机制，这也是目前实践证明最有效的措施。多关注 点综合管理那么需要制定内容、行为、权责在机制上的综合管理措施，可以从明确分工、明晰 归责、严格授权、强化管理、充分测试、强化审计等多角度入手。另外也要关注目前岗位的 敏感度，涉及资金、涉及客户、涉及内容精确性的岗位在拓展数字劳动力应用方面应更加重 视关注点。金融业数字化劳动力 评估体系金融业数字化劳动力 评估体系18数字化劳动力的应用与前瞻CHAPTER 1数字化劳动力概念CHAPTER 2数字化劳动力在金融业的开展应用现状CHAPTER 3数字化劳动力群集协同体系CHAPTER 4金融业数字化劳动力实施路径一以银行为例金融业数字化劳动力的实施关注点CHAPTER 5CHAPTER 6金融业数字化劳动力评估体系CHAPTER 7金融数字化劳动力未来开展愿景目录13161822数字化劳动力的实际工作能力和所创造的价值是数字化升级的关键。数字化劳动力能力 评估、价值评测那么是评判数字化劳动力引入效果的重要抓手。评估评测结果将为数字化劳动 力在开发过程优化、管理效能提升、市场竞争规范、能力改进、开发风险管理等方面提供重 要决策依据。金融数字化劳动力能力评估对于数字化劳动力能力评估，本文将其定义为一种对数字化劳动力组织体系在定义、实 施、度量、控制和改善其数字化劳动力能力实践过程中，基于各个开展阶段的描述形成的评 估标准体系。该体系基于数字化劳动力在工程应用中的全历史改进成果和经验教训，是一个 基于过程改进的评估体系。它指出数字化劳动力开展过程中的管理的主要工作和次要工作之 间的内在联系，以及逐步实施工作的方法，助力数字化劳动力系统组织开展走向成熟。图 6.1,数字化劳动力能力评估框架数字化劳动力能力评估基础服务能力管理协同能力学习扩展能力业务专业能力可用性可用性效 率管理性协同性拓展性知识丰富性学习培训性业务技能覆盖表 6.1,数字化劳动力能力评估体系关键能力项和评价参考能力项权重（参考值）评价项权重（参考值）指标项权重（参考值）基础服务能力1(0.1)可用性A(0.3)工作有效性a1(0.6)平均无故障率a2(0.4)效率B(0.4)平均响应时间b1质量C(0.3)平均准确率c1(0.5)平均召回率c2(0.5)学习扩展能力lll(0.2)扩展性F(0.2)可扩展性f1(1)知识丰富性G(0.4)算法库丰富性91(1)学习训练性H(0.4)学习训练方式多样性hi其中:A + B + C+ D + E + F + G + H+I =100%, al+a2 + bl+cl+c2=100%； dl+d2+d3+d4+el=100%； fl+gl+hl=100%； il =100%。由于数字化劳动力处于开展阶段，且各个岗位能力定义尚未成熟，这里只给出评估框架 和解析和审核类数字化劳动力能力评估分项指标评分表例如以作启发。具体权重确实定可以 根据数字化劳动力岗位的具体要求和特点，实行专家投票评分，来最终确定，权重仅供参 考。数字化劳动力能力评分可参考如下方式：1 .数字化劳动力能力评分（评价项得分*评价项权重）2 .评价项得分=£ （指标项*指标项权重）20数字化劳动力的应用与前瞻表62,解析和审核类数字化劳动力能力评估分项指标评分例如指标10080604020工时有效率有效工时率为100%按照工时有效率线性计算有效工时率不低于20%平均无故障率平均无故障率超95%平均无故障率90%-95%平均无故障率80%-89%平均无故障率60%-79%平均无故障率40%-59%平均响应时间等级响应时间小于0.1秒响应时间0.11秒响应时间15秒响应时间510秒响应时间102。秒平均准确率平均准确率99%以上平均准确率95%-99%平均准确率90%-94%平均准确率80%-89%平均准确率70%-79%平均召回率平均召回率95%以上平均召回率90%-95%平均召回率85%-89%平均召回率75%-84%平均召回率65%-74%业务技能覆盖对岗位的工作能力项种 类完全覆盖对岗位的能力项种类覆 盖率（70%-99% ）对岗位的能力项种类覆 盖率（50%-69% ）对岗位的能力项种类覆 盖率（30%-49% ）对岗位的能力项种类覆 盖率（10%29% ）可扩展性针对岗位的服务可以迁移 扩展到另一个岗位。同 时，集成多种智能处理和 决策方法，实现多个场景 多岗位的信息处理，并做 出有效的决策。上下档的中间状态只能在具有共性特征的 岗位进行稳定可靠的服 务，仅能用于某些场景 中的信息处理并只能针 对某些特定问题实现有 效决策。上下档的中间状态只能针对某一特岗位提供 服务或仅能实现单个特定 场景的应用。算法库丰富性覆盖主流算法库，算法种 类70+ ,形成完备可选的 算法库上下档的中间状态支持少量算法，但已形 成可选算分库上下档的中间状态仅支持单一算法，未形成 可选算法库学习训练方式多 样性支持在线学习，监督和半 监督以及强化学习、深度 学习等多种学习方式和方 法。上下档的中间状态支持监督学习和强化学 习等基础学习方式上下档的中间状态仅支持监督学习和训练方 式全生命周期包含全周期工程中数字化 劳动力的模型开发、模型 部署、模型管理、应用发 布等。上下档的中间状态支持局部生命周期上下档的中间状态只支持少量生命周期统计监控可以实时全面监控和统计 数字劳动力各模块的数据 收发状态和延迟信息，提 供数据子链路监控，当数 据、功能和服务异常时， 均可根据规那么触发报警。上下档的中间状态局部实时监控和统计数字 劳动力各模块的数据收发 状态和延迟信息，并提 供数据子链路监控。当数 据、功能、服务等异常 时，其中一项可以根据规 那么触发报警。上下档的中间状态无法实时监控和统计数字 劳动力各模块的数据收发 状态和延迟信息，无法提 供数据子链路监控。当数 据、功能和服务异常时， 其中极少数项可以根据规 那么触发报警。可动态维护性可在不暂停工作服务的同 时开展完全的系统维护和 算法、模型、功能等模块 的更新可超过80%但不超过 100%的系统维护和算 法、模型、功能等模块 的更新操作时，无需暂 停工作。可超过60%但不超过 80%的系统维护和算 法、模型、功能等模块的 更新操作时，无需暂停工 作。可超过40%但不超过 60%的系统维护和算 法、模型、功能等模块 的更新操作时，无需暂 停工作可超过20%但不超过 40%的系统维护和算 法、模型、功能等模块的 更新操作时，无需暂停工 作行为审计对全部操作进行记录，并 可在任何时间进行检查上下档的中间状态。对局部操作进行记录，并可 在较短时间内进行检查。上下档的中间状态没有操作记录机制，无法 对其记录进行检查人机协同性支持协同者在工作全过程 中实时交互，同时自动为 每一个协同者建立自适应 协同模型。大局部工作环节中 （80%-100% ）支持协同者在工作中实时交 互，同时自动为发出请 求的协同者或特定的协 同者建立自适应协同模 型。大局部工作环节中 （60%-79% ）支持协同 者在工作中实时交互，同 时为特定的协同者建立自 适应协同模型。局部工作环节中（40%-59% ）支持 协同者在工作中实时交 互，同时为发出请求的 特定的协同者建立自适 应协同模型。局部工作环节中（低于 40% ）支持协同者在工 作中实时交互，不支持为 协同者建立自适应协同模 型。资料来源：中国电子技术标准化研究院金融数字化劳动力未来 开展愿景金融数字化劳动力未来 开展愿景22数字化劳动力的应用与前瞻随着技术的不断进步，物理空间和数字空间的边界逐渐消融，开展数字化劳动力本身不 是目的，重新思考人与技术的关系，新技术引发的业务价值重塑和商业模式变迁，企业数字化转型的落地路径，才是本报告的探究目的。图 74, 一种过渡状态的银行物理空间3.该图片素材由浦发银行提供数字化劳动力概念数字化劳动力概念数字化劳动力的应用与前瞻近年来，数字技术的迭代和演进已经成金融企业数字化和智能化开展的重要驱动 力，正在重塑整个金融业新一轮的竞争格局。中国人民银行发布的金融科技开展规划 (2022-2025年)提出运用“数据+技术”打造数字化劳动力，实现全价值链、全要素优 化配置，培育技术先进、研发敏捷、渠道融合、决策精准、运营高效的创新开展动能，构 建以用户、场景为中心的金融服务体系，全面提升数字时代企业核心竞争力。在数字化加 速开展的时代，劳动力模式也在快速演变。数字化劳动力作为突破性的劳动力模式已开始 成为许多企业的用工“新常态”，数字化劳动力在各行业正以一种革命的形态席卷而来。目前，学术界和产业界关于数字化劳动力概念还没有准确或者统一的定义，且公开研 究成果也较少。不少学者与机构将数字化劳动力等同于RPA,即机器人流程自动化。也有 学者和机构将数字化劳动力称为数字员工，认为：数字员工是以“AI+RPA+数据+机器 人”等多重技术深入融合应用创造的高度拟人化的新型工作人员。不失一般性，我们试图从劳动力相关概念的源头来理解并定义数字化劳动力。在本报 告中，数字化劳动力从广义上被定义为：由劳动者创造的数字形态的劳动资料。释义如 下：学者和机构将数字化劳动力称为数字员工I认为：数字员工是以“AI+RPA+数据+机 器人” 2等多重技术深入融合应用创造的高度拟人化的新型工作人员。不失一般性，我们试图从劳动力相关概念的源头来理解并定义数字化劳动力。在本报告 中，数字化劳动力从广义上被定义为：由劳动者创造的数字形态的劳动资料。释义如下：1 .陈震、缪假设予、陈驰、卫杰，数字化劳动力：数字员工激活第四种用工模式。2 .李萌、李朔，“数字员工”已悄然登场，将带来怎样一场变革？图 1.1,数字化劳动力的定义2）表征为数字形态2）表征为数字形态畋字化劳动力以数字形态生存.运行于 B（字空间，其接劳动对象是散据，脱数字空间,其不震存在OO0W0OEO088828100081。数字化劳动力也是物化劳动力的Th 是一种数字形态的物。本质是劳动费 料，是一种数字形态的劳动资料1）由劳动者创造：数字化劳动力是劳动者主要通过脑力劳动形成的劳动资料。2）表征为数字形态：数字化劳动力以数字形态生存、运行于数字空间，其直接劳动对象 是数据，脱离数字空间，其不复存在。依此定义，用于承载、加工、处理数据的设备、器件 等不属于本报告所指的数字化劳动力范畴。3）本质是劳动资料：数字化劳动力也是物化劳动力的一种，是一种数字形态的物。与物 化劳动力相同，数字化劳动力的本质是劳动资料，是一种数字形态的劳动资料。作为一种特殊的物化劳动力，数字化劳动力相对于自然人劳动力和传统物化劳动力，有 如下特征（PAAIC）：1 ）精确性（Precise ）:数字化劳动力利用高性能数字计算能力对数字化对象进行分 析、处理，过程中极高的精确性是自然人劳动力和传统的物化劳动力难以比较的。数字化劳动力的应用与前瞻2 )易塑性(Adaptive ):传统物化劳动力一旦创造，其劳动能力难以改变，而自然人 劳动力相关劳动能力的习得与提升，往往不是一个短期的过程。数字化劳动力根据环境变 化、需求变化等，能够相对容易地更新、升级劳动能力，以适配新变化。3 )组装性(Assemble ):多个数字化劳动力可以通过组合、编排，快速形成新的数 字化劳动力；也可以对一个数字化劳动力的特有能力进行抽取、封装，从而产生出多个能力 更专注的新型数字化劳动力。4 )智能性(Intelligent):近年来随着大数据的不断积累，算力的不断增强，智能算法 的不断创新，AI技术的突飞猛进促使数字化劳动力的智能性提升较快，在模式识别、趋势 预测、复杂决策等诸多领域，其智能性已经开始超越自然人劳动力。5 )可复制性(Copiable ):数字化劳动力是数字形态的劳动资料，数字形态天然具有 近乎零本钱的可复制性。相对于自然人劳动力和物化劳动力，批量创造数字化劳动力的本钱 极低，数字化劳动力的边际效应是它的极大优势。开展数字化劳动力可以帮助提高组织运行效率、实现产业高质量开展、优化现有经济结 构和构建数字经济体系，应用价值较高。目前来看，兴旺国家政府数字化劳动力示范成效显 著，而国内数字化劳动力渗透率远低于欧美兴旺国家，应用潜力巨大。当前，我们正处于全 面移动互联与智能化日新月异开展的新时代，在全球掀起数字化革命的背景下，在数字化转 型是不可逆转的大趋势下，作为数字化转型成功的关键实施者，数字化劳动力具有重要价 值，大力推动开展数字化劳动力具有重要意义。数字化劳动力在金融业的开展应用现状数字化劳动力在金融业的开展应用现状数字化劳动力的应用与前瞻数字化劳动力的革命浪潮已经到来，梳理数字化劳动力在金融业的开展应用现状有助于 明晰目前数字化劳动力在金融业应用所处的阶段，为后续推动金融业务创新和高质量开展提 供支撑。金融业涉及业务场景众多，业务流程各有不同，因此各场景下的数字化劳动力均有 自身的特色和专长。鉴于产业界还未能对数字化劳动力施行体系化的分类，本文将依据金融 业实战经验对数字化劳动力在金融机构的应用予以分类，主要包括客户服务类、市场营销 类、运营管理类、内控合规类、风险管理类、投资交易类六大基础类别，并分析每类场景下 传统岗位存在的问题和数字化劳动力的助力方式，详见图2. 1。图 2.1,金融业数字化劳动力的六大应用场景口能外号及客口能外号及客V理本钱高，工作任务量 3不定；片化，时效做客酗刚胸.以僦lc能代或辅助人切t.户请求，降低人力虞本，出客户等待时 间.增加普，港性，提升客户体聆；全天恨 全血在纹，及时响应生数由11通过手工景入和核畛（比方不动产登记证 明手工人和审核），效率低下、曷出 律；存在大湎单震性的工作，运*皮本”化投行息一员、闻务机人、A1培调我.数字化 证业务助手实现对业务中文秘、数携舞的自动化及能化识别.提取、比对及 量入等，少失18；自动化识别.量入幡可以承当大的性工作，ma运成也数字化劳动力的助力方式传统业务模式的瓶颈劳动力类型数字化劳动力击场景笛I x状滥心点水点n玄睢金点户尸也WI理陋助手、.完善客户触达第咯，布局客户场营销，主动营销提升获客； 市饕销滥数整俞嚣总鬣理器雇¥ I工人智能理财助鬣器数据资源，动施援客户II求，个性化产品脸，提升错从目前数字化劳动力的各场景应用情况来看，各业务部门不同的业务流程特性、组织架 构和监管机制决定了岗位角色对应数字化劳动力的应用难易程度。由于各类金融机构的业务条线众多，难以横向比较其每项特征，因此本文从替代程度和可替代人员规模这两个维度来 考察现有数字化劳动力在各应用场景中对真人员工的替代难易度，如图2. 2。靠近右上角的 数字化劳动力类型对应岗位业务重复性较高、可替代人员规模较大，替代人工难度较低，靠 近左下角那么因其业务属性,可替代人员规模较小,替代程度低,替代难度较高。例如客户服 务类数字化劳动力，客服类人员规模在金融机构中占比较大，日常工作重复性较高，因此数 字化劳动力对该岗位人员进行替代时，技术难度低、本钱优势明显，总体应用难度较小。左 下角的岗位，例如投资交易类场景的交易员本质上属于资金密集型和智力密集型岗位，具有 较小的可替代人员规模，考虑到本钱和效益因素，其较难完全被数字化劳动力替代。图 2.2,金融机构不同岗位的数字化劳动力替代程度和替代难度矩阵替代程度替代程度外汇交易岗贵金交舄，假券交舄岗jOc即风险管理类Q投资交易类iHITiQ内控合规类。市场营销类。运营管婴大一客户服务类ewts注：此处指理论意义上的“替代”，真实场景是金融从业人员编制有限，新技术应用可增强现有岗位的效率和边界，相当于扩增一个 “虚拟团队” 0