□本报记者　江英华

　　5月21日，国家金融监督管理总局等八部门联合印发《支持小微企业融资的若干措施》（以下简称《若干措施》）。《若干措施》围绕做好普惠金融大文章，进一步改善小微企业、个体工商户融资状况，从增加融资供给、降低综合融资成本、提高融资效率、提高支持精准性、落实监管政策、强化风险管理、完善政策保障、做好组织实施等8个方面，提出23项工作措施。这是继今年3月国务院办公厅印发的《关于做好金融“五篇大文章”的指导意见》之后，对做好普惠金融工作的又一重要指导性文件，凸显了普惠金融工作的重要性。那么，科技如何赋能普惠金融发展，助力实现共同富裕？本报记者日前专访了中国计量大学经济与管理学院副院长鲁统宇。

　　记者：如何理解普惠金融在金融工作中的重要地位？

　　鲁统宇：党的二十届三中全会提出要“深化金融体制改革”，特别指出要积极发展“普惠金融”。普惠金融是指通过提供广泛、公平、可负担的金融服务，使社会各个群体，尤其是弱势群体（如中小微企业、低收入人群等）能够获得必要的金融支持和服务。普惠金融的发展以增进民生福祉为目的，让所有群体能够以平等的机会、合理的价格享受到金融服务，对于促进包容性增长、推动社会公平、促进金融体系稳定具有重要意义。在当前阶段，发展高质量的普惠金融体系能够更好地促进经济均衡发展和人民福祉提升，对推动乡村振兴和共同富裕目标的实现具有重要作用。2023年9月，国务院出台《关于推进普惠金融高质量发展的实施意见》，明确提出未来五年要基本建成高质量的普惠金融体系，为普惠金融发展做了顶层设计。此次印发的《若干措施》，则是八部门联合从工作层面共同推进普惠金融的政策措施落地生效，切实解决中小微企业、个体工商户等融资难的问题。

　　记者：这次八部门联合印发的《若干措施》，对普惠金融建设的主要目标是什么？

　　鲁统宇：普惠金融工作的主要目标包含3个方面：一是加强普惠金融的供给侧改革，提升金融服务的可得性和覆盖面。这次发布的《若干措施》特别强调要增加小微企业融资供给，统筹做好信贷投放和结构优化，提升服务精准度；大型商业银行要持续发挥服务实体经济主力军和维护金融稳定压舱石作用，中小银行要专注主业，充分发挥地缘人缘优势，积极支持小微企业融资，提升服务质量和可持续性。

　　二是加强科技赋能普惠金融，提升金融服务效率。《若干措施》指出要指导银行利用科技手段改进授信审批和风险管理模型，独立自主地对贷款进行风险评估和授信审批，稳妥发展线上贷款业务，提高小微企业融资效率。

　　三是加强科技监管和政策落实，强化信贷风险管理。对于线上贷款业务，《若干措施》指出要密切监测欺诈风险变化情况，及时完善反欺诈模型规则和技术手段，加强多维度数据交叉核验，提高预警识别能力；同时，要修订小微企业贷款风险分类办法，提高不良贷款处置效率，强化小微企业贷款风险管理。

　　记者：现在大数据、人工智能等技术手段在金融领域已被广泛应用，如何看待这些科技手段在普惠金融中的应用？是否也会带来一些新的挑战？

　　鲁统宇：随着数字经济的快速发展，大数据、机器学习、人工智能等数字技术在信贷管理和信用评价领域的重要性日益凸显。这些技术不仅提高了信贷风险评估的准确性和效率，还为金融机构提供了更科学的决策支持工具，从而有效降低了信贷风险，保障了金融安全。例如，利用大数据分析和机器学习算法，对借款人的信用状况进行实时评估，能够更准确地判断其还款能力和违约风险，从而优化信贷审批流程；也可以利用大数据和人工智能技术实时监测借款人信用状况，通过分析海量数据，快速识别潜在风险，使金融机构能够更及时地调整风险管理策略，提高风险应对能力。

　　强化科技赋能普惠金融，支持金融机构运用大数据、人工智能等科技手段优化普惠金融服务模式，改进授信审批和风险管理模型，提升小微企业、个体工商户、涉农主体等的金融服务可得性和质量，已经成为普惠金融高质量发展的内在要求。但在这一过程中，也要充分注意新技术的运用带来的一些挑战。

　　一是数据安全和隐私保护问题。普惠金融涉及大量客户的敏感信息，如个人身份信息、财务状况、交易记录等。金融机构在利用大数据和人工智能技术进行普惠金融服务时，需要在数据的可用性和隐私性之间找到平衡。如何确保在数据共享和应用过程中不侵犯客户隐私，是当前面临的重要挑战。

　　二是模型可解释性与公平性问题。中国人民银行令[2021]第4号《征信业务管理办法》第二十九条规定，征信机构在提供信用评价服务和产品时，应建立评价标准，使评价规则可解释，信息来源可追溯。信用评价体系建设是普惠金融发展的基础支撑，复杂机器学习和人工智能模型在提高金融信贷风险预测的准确性、提升信贷服务效率的同时，还存在可解释性差的“黑箱”特点，这种算法模型的“黑箱性”会进一步加速算法歧视，从而直接影响金融服务的普惠性和公平性。

　　三是透明监管与风险防控问题。普惠金融的高质量发展本身需要具有较好包容性和透明度的金融基础平台和信息共享平台，在金融监管过程中，需要确保所有市场参与者能够获得充分、准确、及时的金融信息，从而增强市场透明度，减少信息不对称，促进市场公平竞争和稳定发展。但是，复杂机器学习模型的决策逻辑不透明会导致风险溯源困难，复杂算法包装的金融产品会导致风险边界模糊，模型训练数据偏差可能导致对特定群体的金融授信不公平……这些问题都对传统的金融监管和风险防控提出了严峻挑战。

　　记者：那么，我们应该如何更好地推动人工智能技术赋能普惠金融高质量发展？

　　鲁统宇：对于人工智能技术在普惠金融领域的应用，我认为应该做好以下几方面的工作：

　　一是要注意区分不同场景下的人工智能技术应用。DeepSeek等生成式人工智能大模型具有强大的推理能力以及多模态输入和跨语言处理能力，基于这些特性，可以对大模型进行基于专业知识库的训练，把训练好的大模型应用于金融机构的智能客服或数字员工，提升金融服务效率和客户体验。另外，也可以利用大模型辅助金融产品的智能营销，或通过多模态数据分析挖掘潜在客户等。但是，由于大模型会存在AI幻觉、会一本正经地胡说八道，在客户信用评价、信贷审批等核心金融领域还是要慎用大模型。

　　二是要加强可信机器学习算法的研究和应用。包括两个方面，一个是可解释性机器学习算法，主要是内置可解释性算法，另一个是公平性机器学习算法，避免算法歧视。在算法的可解释性中还有一个非常重要的研究方向叫反事实解释，例如，基于信用评价模型的预测，一个客户申请贷款被拒绝了，反事实解释可以告诉客户通过怎样的特征指标改变来获得贷款，即获得跟申请被拒绝这个事实相反的结果。技术所带来的挑战，最终还是要通过更先进的技术手段来解决。

　　三是要强化科技监管并创新风险防控手段。在金融监管中同样需要充分利用大数据、人工智能、区块链等技术手段创新监管方式，有效整合政府、金融机构和地方数据资源，开发智能风险预警模型，实时监控风险信号，提高风险管理的精准度。

　　四是要进一步加强金融科技的研究和应用。一方面需要政府、金融机构加大对金融科技的研发投入，设立专项基金，鼓励科研机构和高校开展相关理论和技术研究；另一方面需要加强产学研合作，推动高校、科研机构与金融机构、金融科技企业之间的合作，通过建立联合实验室等方式促进科研成果的转化和应用，加快金融科技在金融服务中的应用和落地。

　　总之，科技赋能普惠金融可以有效提升金融服务的效率与质量，促进金融服务的普及性与可得性，通过金融创新为小微企业提供更加便捷高效的融资渠道，促进小微企业发展壮大，进而带动就业，增加居民收入，推动经济均衡发展，缩小贫富差距，助力实现全体人民共同富裕。