DeepSeek浪潮下，AI在金融科技领域应用的数据合规风险
近年来，人工智能（AI）技术在各行各业都进行了充分部署与应用，AI亦一定程度上重塑了金融行业的服务模式和业务形态。另外，随着2025年DeepSeek的爆火，加之其开源策略支持本地私有化部署，DeepSeek在近期已席卷金融科技圈，大量金融机构将DeepSeek接入本地的系统，例如，2025年2月金融壹账通发布自主研发的智能体平台，并接入DeepSeek、通义千问等开源大模型，推出面向银行业的全场景AI解决方案。2025年2月，腾讯理财通宣布正式接入DeepSeek-R1模型满血版，升级接入DeepSeek后，金融服务专业性更强、时效性更高。金融科技企业纷纷宣布接入DeepSeek，加入这场AI应用大潮。
AI技术不仅提升了金融服务的效率，也拓宽了金融创新的边界。然而，技术革新与法律监管的博弈始终存在，AI在金融科技领域应用的同时，也引发了数据泄露、算法歧视等一系列法律风险。
中国人民银行于2022年1月4日对外公布的《金融科技发展规划（2022-2025年）》明确了“抓住全球人工智能发展新机遇，以人为本全面推进智能技术在金融领域深化应用，强化科技伦理治理，着力打造场景感知、人机协同、跨界融合的智慧金融新业态，实现金融服务全生命周期智能化，切实增强人民群众获得感、安全感和幸福感。”的基本原则。本文将从法律视角切入，系统分析AI与金融科技结合中的核心风险，并探讨合规应对路径。
PART.01
AI与金融科技的融合现状及应用
AI与金融科技的融合及应用场景非常的广泛，下文仅将部分典型场景进行列举及介绍。
（一）智能投顾
智能投顾又称机器人投顾，是一种运用人工智能算法、大数据分析、智能算法交易等技术，根据客户的风险偏好、财务状况、投资目标等因素，为客户提供自动化、个性化投资建议和资产配置方案的服务模式。相比于传统投顾，其服务成本较低、个性化定制、投资效率高的特点使得智能投顾广泛应用。例如：2025年2月，九方智投控股（09636.HK）宣布，其智能投顾数字人“九哥”和新一代股票投资对话助手“九方灵犀”已正式接入DeepSeek-R1，将更专业、更高效地服务广大投资用户。它们能够深度思考复杂投资问题，提供更具体的方案或案例，并清晰展示思考过程，帮助用户更好地学习金融市场的分析方法。
（二）风险管理
《金融科技发展规划（2022-2025年）》明确“健全自动化风险控制机制：事前，运用大数据、人工智能等技术拓展风险信息获取维度，构建以客户为中心的风险全景视图，智能识别潜在风险点和传导路径，增强风险管理前瞻性和预见性。”由此可见，AI在风险管理方面发挥着重要作用。金融机构可以利用AI技术对海量数据进行分析，以更准确地评估信用风险、市场风险、利率风险等。例如，通过分析客户的信用记录、财务状况、消费行为等数据，AI可以评估客户的信用风险；通过对市场数据的分析，AI可以预测市场趋势，帮助金融机构制定更有效的风险管理策略；AI通过监控交易系统日志和员工行为数据，能够及时发现异常操作，防范潜在风险；AI通过分析交易模式、设备指纹和客户行为，能够实时识别欺诈行为等。AI在金融风险领域的应用正在不断深化，未来将为金融机构提供更高效、更精准的风险管理工具。
（三）客户服务
AI在客户服务方面的应用也日益成熟。智能客服系统能够24小时不间断地为客户提供在线服务，快速准确地回答客户的问题，解决客户的疑虑。这不仅提高了客户服务的质量和效率，还降低了金融机构的运营成本。同时，智能客服还可以通过对客户问题的分析，为金融机构提供客户需求的洞察，帮助金融机构优化产品和服务。例如，广发证券在其客户服务平台上线了基于大模型技术的智能客服系统“智能犇犇”，该系统通过高质量问答数据训练，结合多维度参数调优与上下文语义理解技术，实现了精准知识匹配和智能内容生成，能够快速响应客户咨询，提升服务效率。
PART.02
AI在金融科技应用中的法律风险
（一）数据收集风险
AI技术的核心在于数据驱动，AI在金融科技中的应用高度依赖海量数据的收集，但这一过程常与数据保护的基本原则产生冲突。另外，《个人金融信息保护技术规范》（JR/T 0171—2020）、《金融数据安全 数据生命周期安全规范》（JR/T 0223-2021）、《金融数据安全 数据安全分级指南》（JR/T0197-2020）等规范也对金融科技领域涉及的金融数据（金融数据是指金融业机构开展金融业务、提供金融服务以及日常经营管理所需或产生的各类数据）以及个人金融信息（指金融业机构通过提供金融产品和服务或者其他渠道获取、加工和保存的个人信息。包括账户信息、鉴别信息、金融交易信息、个人身份信息、财产信息、借贷信息及其他反映特定个人某些情况的信息。）的收集及使用提出了特殊的要求和规定。
《个人信息保护法》明确规定了“最小必要原则”，即只能收集与处理目的直接相关的最少数据。然而，AI模型（如信用评分或反欺诈系统）往往需要多维度的用户信息（如消费记录、社交行为、地理位置等）以提高预测精度，这可能导致金融机构在实际操作中过度采集数据。当金融机构在推广智能投顾服务时，要求用户授权访问其社交媒体账户以分析投资偏好，这一行为虽提升了服务个性化水平，却很可能超出“最小必要”范围，引发用户隐私泄露的风险。
在收集个人金融信息时，根据《金融数据安全 数据生命周期安全规范》（JR/T 0223-2021）等相关规范，应做到如下要求：a）不应委托或授权无金融业相关资质的机构收集C3、C2类别信息；b)应确保收集信息来源的可追溯性；c)应采取技术措施(如弹窗、明显位置URL链接等)，引导个人金融信息主体查阅隐私政策，并获得其明示同意后，开展有关个人金融信息的收集活动；d)对于C3类别信息，通过受理终端、客户端应用软件、浏览器等方式收集时，应使用加密等技术措施保证数据的保密性，防止其被未授权的第三方获取；e)通过受理终端、客户端应用软件与浏览器等方式引导用户输入(或设置)银行卡密码、网络支付密码时，应采取展示屏蔽等措施防止密码明文显示，其他密码类信息宜采取展示屏蔽措施等。
（二）数据共享风险
金融科技的创新往往需要跨机构、跨领域的数据共享。数据共享常有发生，其过程中的安全与合规风险不容忽视。首先，数据共享可能增加数据泄漏风险，其次，数据共享的合规性要求复杂，根据《个人信息保护法》第二十三条规定，个人信息处理者向其他个人信息处理者提供其处理的个人信息的，应当向个人告知接收方的名称或者姓名、联系方式、处理目的、处理方式和个人信息的种类，并取得个人的单独同意。接收方应当在上述处理目的、处理方式和个人信息的种类等范围内处理个人信息。接收方变更原先的处理目的、处理方式的，应当依照本法规定重新取得个人同意。此外，数据共享还可能引发权属争议。这些问题凸显了数据共享机制中安全与合规的多重挑战。
（三）自动化决策的透明性与公平性争议风险
AI算法的“黑箱”特性是数据应用的一大隐患：一个典型的案例是2019年苹果公司与高盛合作推出的Apple Card信贷服务。该服务使用AI算法自动评估用户的信用额度，但多名用户（包括苹果联合创始人史蒂夫·沃兹尼亚克）公开投诉称，尽管他们的财务状况相似，女性用户的信用额度普遍低于男性用户。这一事件暴露了AI算法在决策过程中可能存在隐性性别歧视，尽管高盛声称其算法“不基于性别、种族或其他受保护类别进行决策”，但由于算法的“黑箱”特性，外界无法验证其公平性，最终引发监管机构的调查。
这些案例表明，AI自动化决策的透明性与公平性问题不仅涉及技术层面，还触及法律与伦理的核心。因此，需要在技术创新与公平透明之间找到平衡点。为了应对这一问题，我国陆续出台《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》等规定，要求具有舆论属性或者社会动员能力的算法推荐服务提供者、深度合成服务提供者及技术支持者、生成式人工智能服务提供者，均应履行算法备案手续。
算法备案正是通过公示的方式，在不泄漏商业秘密的前提下，将企业拟使用算法的名称、基本原理、运行机制、应用场景、目的意图等信息予以公开，能够在一定程度上帮助公众了解算法的运行基本逻辑，提高用户对产品本身的信任程度，解决算法的“黑箱”隐患。因此，相关企业应积极响应法律法规及各地政策要求，切实履行算法备案义务。
PART.03
结语
本文系对AI在金融科技应用中的部分重要法律风险做列举，除了上述数据及算法相关风险外，还涉及金融营销、反洗钱、反欺诈、开源软件使用的合规风险等。
AI与金融科技的融合既是机遇，亦是挑战。法律风险的防控需兼顾技术创新与制度约束，平衡效率与公平，本土实践与国际规则。随着《金融科技发展规划（2022-2025年）》的深入推进，以及2025年监管框架的逐步完善，未来，AI不仅应是金融服务的工具，更需成为合规治理的伙伴，共同构建安全、包容、透明的金融生态。
