K8凯发(中国)天生赢家·一触即发

金融科技伦理:含义、困境与治理(下)
栏目:k8凯发官网 发布时间:2026-06-07
 金融科技伦理治理滞后于技术应用实践,系统性理论分析的缺失制约着行业可持续发展。本文从理论层面构建金融科技伦理分析框架,并厘清其与科技伦理、金融伦理、金融科技风险的本质区别,进而基于技术应用链条,系统揭示当前金融科技伦理面临的五大困境,据此提出五条治理路径:坚持以人民为中心的价值取向,将科技为民理念融入金融科技全链条;引导金融机构设立科技伦理审查委员会,强化内部治理;构建立法、监管、行业自律协同

  金融科技伦理治理滞后于技术应用实践,系统性理论分析的缺失制约着行业可持续发展。本文从理论层面构建金融科技伦理分析框架,并厘清其与科技伦理、金融伦理、金融科技风险的本质区别,进而基于技术应用链条,系统揭示当前金融科技伦理面临的五大困境,据此提出五条治理路径:坚持以人民为中心的价值取向,将科技为民理念融入金融科技全链条;引导金融机构设立科技伦理审查委员会,强化内部治理;构建立法、监管、行业自律协同的外部治理架构;完善金融科技伦理治理法律和制度建设;加强金融科技人才伦理教育与机构伦理文化建设。以制度、技术、文化协同驱动“技术向善”,为金融科技可持续发展划定清晰价值基线。

  本文发表于《财经智库》(2026年第1期),为方便阅读,此版本分上下两篇推出,并省略了脚注与参考文献,全文请参见中国知网。

  如前文所述,数据伦理主要针对的是技术应用链条的前端,与金融科技有关的数据伦理所面临的困境体现在数据采集、处理、使用、传播等各个环节。

  在数据采集环节,数据伦理困境主要体现为数据掠夺,即金融机构通过不正当手段对非必要数据进行收集储存。金融机构天然具有获取更多数据的激励,一旦超过了必要的范围,就会形成数据掠夺。作为数据的生产者,金融消费者由此变成金融科技的工具而非服务对象。数据掠夺在金融科技领域主要体现在两个方面。一是对客户信息的索取超出最小必要信息量。随着金融与科技融合程度的提高,为了更好地进行用户画像以开展有针对性的营销活动,金融机构采集的数据不仅包括个人身份、行为偏好、财务信息等数据,还包括人脸信息、生物特征、医保社保等超出最小必要信息量的其他隐私数据。二是未经授权或超权限开展数据采集。在数据采集过程中,金融机构或者通过冗长繁杂的用户协议,或者将同意数据采集共享作为获得金融服务的前提,或者通过文字游戏混淆数据采集范围等方式,违规获得客户数据采集授权。部分金融机构甚至通过在电脑程序或App 中植入木马等方式窃取客户信息。与第一种情形相比,第二种情形在性质上更为严重。简言之,金融机构为提升营销精准度,通常会过度索取超出必要范围的敏感数据,同时通过捆绑授权、隐蔽条款等手段违规获取信息,导致出现金融机构数据掠夺现象。

  数据滥用主要体现在数据处理、使用、传播等环节,是指金融机构在数据处理、使用或传播过程中,违反法律法规、违背数据主体的意愿或数据使用的初衷,对数据进行不当使用的行为,超出预先授权的使用范围或场景。实践中常见的一种情况是,金融机构在向客户提供融资服务时要求收集客户信息,但之后这些信息却被用于其他金融产品的营销,甚至用于暴力催收、金融诈骗等非法行为,形成数据滥用。金融机构在数据使用环节违背用户授权初衷与合规边界,将服务必需信息擅自用于营销推广甚至非法活动,暴露出内部管控失效与外部监管不足的双重漏洞。

  在数据处理、使用或传播环节,还会出现数据泄露问题。数据泄露是指金融机构由于对数据的保护方式不够到位或者因其他内部管理问题导致客户信息泄露,对客户权益造成损害。比如,2017 年美国三大征信机构之一Equifax 因系统漏洞遭遇黑客攻击,1.47 亿用户信息泄露,涉及姓名、住址、出生日期、社会保障号、驾照等核心信息。实践中,部分中小金融机构由于科技实力有限,在业务发展过程中需要将数据进行外包,也容易产生数据泄露。

  数据垄断是指金融机构通过对数据进行独占和使用而实施价格控制、排除竞争以形成市场垄断地位,进而影响市场公平竞争的现象。主要有以下两种表现形式。一是金融机构为了提高自有信息的独立价值而刻意不让其通过合法方式进行流通,从而导致数据生产领域的重复建设,形成资源浪费。二是具有先发优势的金融机构利用自身数据垄断优势,以数据保护等名义人为制造数据壁垒,以达到阻止潜在竞争对手进入或者获取高额垄断收益的目的。例如,2024年8月,上海市市场监管局对宁波森浦信息技术有限公司滥用市场支配地位案作出行政处罚,成为全国首例金融数据垄断案。该公司被指通过“独家代理”方式取得国内最大的货币经纪公司债券声讯经纪实时交易数据,并拒绝向其他信息服务商提供;同时,该公司还利用只有其一家公司掌握债券声讯经纪实时交易数据所形成的市场支配地位,在提供信息服务时规定“70万元起售”的交易条件,严重损害消费者权益。

  算法歧视是指金融机构在算法设计、训练和应用过程中,由于设计者价值观念、数据失衡、特征选择、模型偏好等因素导致对特定群体的系统的、可重复的不公正对待。尽管算法是中立的,但是算法的开发者不一定是中立的,算法的编写和运行很大程度上体现了开发者的价值观。比如,金融机构在对客户信用状况进行评估时,有意调高公务员、国有企业等客户的权重系数,调低偏远地区人员、少数族裔、小微企业等客户的权重系数,而不考虑客户的真实风险,导致对特定群体的系统性歧视,进而产生金融资源的错配。

  算法倾向是指那些用于金融业务的算法在设计和训练之初就天然地倾向于特定群体或者存在特定属性。比如,现阶段一些大语言模型以英语为基础,用于训练的文本数据也以英语为主,因此在英语环境下会体现出更高的准确性和智能化水平,由此会偏向英语语言体系及其所代表的文化环境。与之相比,此类模型对于其他语种则很难提供精确化的专门算法服务。再如,部分金融机构开发的信用评估模型通常需要客户提供包括财务信息在内的较为完整的数据,在这种情况下,那些数据较为完整的大企业就会因此得到较高的信用评分,进而获得授信,而那些数据不太完整的小微企业就会被排除在授信范围之外。与算法歧视相比,算法倾向的主观恶意性更弱,但却更为隐蔽,产生的危害也更为深远。

  算法黑箱是指由于技术本身的复杂性、不透明性或者排他性商业政策等原因,金融机构所使用的算法本身就像一个黑箱,客户和监管机构无法轻易理解算法的目标和意图,也无法对其进行评判和监督,通常要到产生负面结果之后才能发现算法存在的问题。算法黑箱的核心矛盾在于不可解释性,这种“不可解释性”来自三个层面:一是技术层面,如算法本身的复杂性;二是操作层面,如决策过程不透明;三是商业层面,如商业机密保护。因此,算法技术本身的复杂性、决策过程的不透明性,以及商业保密政策等多重因素共同作用,导致算法决策难以被理解与监督,由于问题在负面结果暴露后才会被发现,形成了被动监管的滞后局面。

  算法同质化是指不同金融机构普遍使用相似或相同的算法模型,呈现出同质化特点。在金融科技领域,算法同质化会产生严重后果。一方面,由于金融机构倾向于采用相似的算法模型作为决策依据,不同金融机构的决策会高度趋同,由此会增加不同金融机构之间的风险关联性,易引发系统性金融风险;另一方面,算法同质化可能会降低金融机构在金融科技方面的创新能力,金融机构会把金融科技发展的重心放在模仿头部机构上,反而忽视了自身创新能力的培养,不利于行业的长远发展。之所以产生算法同质化,主要在于金融机构为规避风险、降低研发成本,而盲目模仿头部互联网金融机构的算法模型。

  自主决策是指金融机构在交易处理、风险评估、客户管理等环节基于算法进行自主决策,对其决策过程不进行人工干预。自主决策会产生以下几个问题:一是算法偏差,一旦算法的设计存在偏差或漏洞,那么基于算法的自主决策就可能导致决策错误;二是智能诈骗,不法分子可能会利用智能决策的盲区或者在掌握其逻辑判断规律后在算法中植入恶意指令,进而通过操纵系统获取利益。从原因上看,金融机构为追求效率而完全取消人工干预机制,导致算法设计缺陷被放大且缺乏实时纠错能力,使得决策错误与恶意操纵风险不可控。

  在技术应用链条的中后端,与金融科技有关的责任伦理所面临的困境主要体现在以下几个方面。

  责任混淆是指金融机构在开展业务过程中,由于自主决策和算法黑箱等原因,导致技术与人类之间的责任主体归属模糊不清、难以界定,从而可能造成互相推诿和“有组织的不负责任”现象。如果金融科技决策的权责问题无法厘清,一旦发生损失,受害方可能无法寻求有效的法律救济途径。

  绿色转型伦理困境是指金融科技的发展对生态环境直接或间接造成的不利影响。主要表现在:一是金融机构在发展金融科技过程中需要使用大规模数据存储和云计算等设施,这些设施会消耗大量的能源,产生的碳排放也会对环境产生不利影响;二是金融科技手段已被金融机构广泛用于绿色金融业务,在将技术用于绿色信贷、绿色债券、绿色保险、绿色投资等业务过程中,部分金融机构可能存在夸大宣传、“漂绿”等问题,并未真正落实绿色转型要求。金融机构在技术应用中将高能效基础设施与绿色金融业务割裂,既因硬件能耗加剧碳锁定效应,又借技术外衣掩盖实质性责任缺失,形成高碳化运营与伪环保宣传并行的系统性悖论。

  金融科技领域所面临的人本主义困境主要体现在技术应用链条的后端,包括以下几个方面。

  数字鸿沟是指在全球数字化进程中,不同国家、地区、行业、企业、社区等由于对信息、网络技术的拥有程度、应用程度以及创新能力的差别而造成的信息落差和贫富差距扩大等。从金融科技角度看,随着科技水平的迭代升级,智能机具、线上App 和机器人客服逐渐取代传统渠道,金融服务呈现出线上化、无纸化、智能化等特点。这种转变在提高金融服务效率的同时,也对部分人群特别是老龄群体造成困扰。国家统计局数据显示,截至2024 年末,我国60 岁及以上人口达到31031 万人,占全国人口的22.0%。生理机能衰退、对新技术认知的不足、金融服务适老化改造缺失等因素叠加,使得老年人在数字化进程中面临系统性排斥,形成数字鸿沟。简言之,金融科技在效率导向下的技术升级与普惠包容的初衷相脱节,通过无差别线上化替代传统服务渠道,叠加适老化制度缺位与老年群体数字能力短板,形成技术演进对脆弱人群的系统性排斥。

  掠夺式服务是指金融机构在提供金融服务时,为了追求自身利润最大化,通过不公平、误导性、超负荷的方式向客户提供超出其实际需求和承受能力的金融产品和服务,其对象多为信用等级低、自制力弱和承受能力低的年轻群体,包括对金融产品的过度营销、向不适合的客户推介金融产品等。一方面,使得客户面临超出承受能力的高额负债和利息负担,造成借款人大额财产损失或信用降级,部分人群甚至因为压力过大而选择自杀等极端行为,从而引发严重的社会问题;另一方面,这种风险最终会对金融体系形成反噬,诱发金融风险。简言之,掠夺式服务即金融机构利用权力与信息不对称,将高风险金融产品定向倾销于认知,在短期利益驱动下通过超负荷营销、风险错配等手段突破服务底线. 信息茧房

  信息茧房是指人们关注的信息领域会习惯性地被自己的兴趣所引导,而排斥与自己观点相左的声音,从而将自己的生活桎梏于像蚕茧一般的“茧房”中的现象。从金融科技角度看,金融机构通过科技手段收集各类信息、捕捉数据画像获得个人喜好,再精准投放推送至用户引起互动,进一步挖掘信息并重复上述过程,最终像蜘蛛网一样将金融消费者缠绕在专门编制的“茧房”之中,让消费者相信自己的选择是大众的、正确的、合理的。信息茧房容易让高利贷、金融诈骗等错误信息被算法强化传播,让消费者陷入骗局甚至做出违法行为,进而造成财产或精神损失。简言之,信息茧房团境即金融机构利用算法权力将用户数据异化为认识牢笼,通过精准投喂式信息闭环强化固有偏好,在商业利益驱动下使风险信息被系统性放大,最终瓦解金融消费者的理性判断屏障。

  技术至上是指把技术的先进性视为最高价值目标,忽略了技术本身的局限性和不确定性,对技术形成过度依赖,失去自主独立思考判断能力。例如,在智能投顾领域,投资者可能过分相信系统给出的投资建议,而忽视了个体差异和风险偏好。技术至上不仅可能导致投资者和用户作出错误的决策,增加投资风险,还可能会强化“羊群效应”,导致市场参与者大规模的行为趋同,增加市场的非理性波动。金融科技将算法权威神圣化诱发的认识让渡,通过消解用户自主判断权制造决策盲区,在技术崇拜与群体模仿的双重作用下,使个体风险误判升级为市场系统性共振。

  金融科技所面临的社会伦理困境是指技术应用对社会所产生的不利影响,主要体现在技术应用链条的后端。

  技术进步所产生的创造性破坏会导致传统行业大量倒闭、大规模失业。根据世界经济论坛(World Economic Forum)发布的《未来就业报告2025》,到2030 年被替代的工作岗位数量将达到9200万个。从金融科技角度看,随着人工智能等技术被用于金融业务,传统金融业务中许多人工岗位将会被替代,包括银行柜员、产品销售、智能客服、投资顾问、财务分析、风控管理等。这种替代在提高金融服务效率的同时,也会引发失业问题,特别是对于那些缺乏新技能培训和再就业能力的从业者。从总量上看,数字化转型对银行劳动力需求具有破坏效应,数字化转型指数每增加一单位标准差,劳动雇佣将减少0.792%(余明柱等,2022)。技术迭代的“效率铁律”对传统人力岗位形成系统性碾压,而社会再就业缓冲机制与技能转型体系缺位,导致效率提升的代价转化为规模性人力资本断层。

  行业垄断是指企业在某一领域凭借其对渠道、资源、平台、技术、资本的支配以及领先优势,实现对市场和利润的绝对掌控。在金融科技领域,行业垄断主要表现为少数金融机构通过其拥有的庞大用户基础、数据积累和技术实力垄断市场,形成闭环生态系统,从而扩大市场份额和影响力。其危害是多方面的。首先,行业垄断会使得市场缺乏竞争,导致消费者在选择金融产品和服务时的自主权受限,被迫选择高成本、低质量的金融产品和服务;其次,行业垄断会阻碍其他小型企业和初创公司进入市场,不利于行业的长远健康发展;最后,行业垄断会导致集中度过高,一旦处于垄断地位的金融机构出现问题,可能会引发系统性金融风险。出现行业垄断的原因在于,头部金融机构或互联网金融公司将数据资本与技术优势异化为生态霸权,通过闭环系统构建排他性市场“护城河”,在压制竞争与绑架用户的动态循环中,使局部垄断脆弱性传导为全局系统性风险。

  金融科技的快速发展可能会引发金融机构之间的恶性竞争。原因在于,一方面,金融科技能够降低金融服务成本,在一定程度上降低金融市场的准入门槛和资本需求,使得更多主体能够进入市场提供金融服务,从而加剧市场竞争。比如,在消费金融领域,大量互联网金融平台通过科技手段向消费者提供金融服务,大大提高了消费金融市场的竞争程度。另一方面,金融科技发展催生了新的金融产品和业务模式,如移动支付、基于线上的小额信贷产品,这些新兴业态与传统金融机构形成竞争关系。竞争程度的提高不仅会侵蚀金融机构的盈利、增加其风险,还可能会诱发金融机构采取虚假宣传等不正当手段欺骗和误导消费者,最终导致消费者利益受损。

  金融科技伦理治理旨在通过政府部门、金融机构、消费者、非政府组织等多元治理主体的协同互动,实现技术效率与社会价值的统一。加强金融科技伦理治理,能够以人本导向为技术创新划定价值基线,防范技术滥用引发的系统性金融风险以及伦理失范和社会风险,确保金融科技的可持续发展。我国金融科技伦理治理已形成以人民为中心的价值核心、内外协同的治理架构、人才与制度双轮驱动的实践体系。需要指出的是,金融科技伦理治理与金融科技监管虽然共同作用于金融科技领域,但二者在目标、性质、执行机制等方面存在本质区别:金融科技伦理治理引导“技术向善”,通过道德自律、社会舆论等软性规范约束参与主体,无强制法律效力,倡导多元共治,以伦理审查、公众监督、行业认证等为执行手段;金融科技监管重在维护金融市场秩序与安全,通过法律法规等硬性规范约束参与主体,具有强制执行力,由政府部门主导,以行政处罚、现场检查、强制信息披露等为执行手段。明确二者的区别既能保障监管守住金融安全的底线,又能提升伦理治理引领技术向善的上限,实现金融创新中风险防控与社会价值的动态平衡。一方面,有助于破解实践矛盾,避免企业因混淆概念出现“合规即免责”,如合法但具有歧视性的算法等;另一方面,有助于实现二者的协同增效,金融科技监管为金融科技伦理治理提供强制力保障,如对数据滥用的处罚等,金融科技伦理治理为金融科技监管填补规则滞后性的不足。金融科技伦理治理是一个系统性、复杂性、跨学科的综合工程(王继超,翟晓梅,2025),需要从多方面入手。

  第一,坚持以人民为中心的价值取向。“向善”和“负责”始终是我国科技伦理治理的核心主题(张迪、张力伟,2025),对于金融科技伦理治理也不例外。2023 年召开的中央金融工作会议明确提出,要深刻把握金融工作的政治性、人民性。坚持以人民为中心的价值取向,是中国特色金融发展之路的根本出发点和落脚点,也为金融科技伦理治理提供了根本遵循。加强金融科技伦理治理从根本上需要引导金融机构在发展金融科技业务过程中,将科技为民的价值理念融入发展金融科技业务的全过程。对于一项技术是否应当应用以及如何应用到金融业务,其取舍标准应当是这项技术是否有助于提高金融服务实体经济效率、增进人民福祉,而不完全着眼于金融机构自身的经济利益。唯有如此,才能从源头上加强金融科技伦理治理,推动负责任的金融科技创新和金融科技向善。

  第二,加强金融科技伦理内部治理。从内部治理角度看,可以引导金融机构建立科技伦理审查委员会,在发展金融科技业务过程中对照金融科技伦理的价值理念,结合技术应用链条的各个环节,建立前、中、后端的动态评估机制,加强对新技术应用金融伦理问题的审查与研判,把是否满足金融科技伦理规范作为一项关键评分指标,并将其作为新技术开发和应用的前置程序,对于不符合伦理规范的金融科技应用实施一票否决。特别是,围绕数据、算法、责任等重点领域,确保相关技术应用符合伦理规范。

  第三,优化金融科技伦理外部治理架构。从外部治理角度看,金融科技伦理治理涉及立法机关、金融监管部门、行业自律组织等多方面主体,需要各方共同努力和协调配合。可以在中央科技委员会领导的国家科技伦理委员会框架下,由金融监管部门牵头成立金融科技伦理委员会,统筹金融科技伦理治理职能,推动金融科技伦理相关工作机制建设。同时,要发挥好行业协会的行业自律作用,在法律和监管框架下,由行业协会牵头设立行业层面的金融科技伦理委员会,结合银行、证券、保险等细分行业金融科技运行特点,有序推动本行业金融科技伦理治理。

  第四,加强金融科技伦理治理法律和制度建设。从短期来看,可以在中国人民银行《金融领域科技伦理指引》(2022 年)基础上,借鉴欧盟基于防范原则的监管模式,由金融监管部门就金融科技伦理治理出台专项制度,明确金融科技伦理治理要求,对金融科技伦理失范行为的主要类型、判定标准和惩戒措施等进行细化,补齐制度短板。特别是要结合现阶段金融科技伦理领域面临的主要困境出台针对性制度,包括数据掠夺、算法歧视、算法黑箱、数字鸿沟、掠夺式服务等。从中长期来看,可以结合新一轮金融领域立法和相关法律修订工作,包括《金融法》《金融稳定法》《商业银行法》《证券法》《保险法》《证券投资基金法》《银行业监督管理法》等,将金融科技伦理治理融入到相关立法和法律修订之中,从法律层面明确金融科技伦理治理的地位,推动金融科技行业的健康可持续发展。

  第五,推动金融科技人才伦理性建设。人才始终是金融业最宝贵、最有价值的资产,加强金融科技伦理治理离不开金融科技人才伦理性建设。一方面,要强化金融科技人才的伦理教育与培训。在高校金融专业课程设置和社会职业认证中,融入金融科技伦理和中国特色金融文化等内容,增加伦理考核权重,努力培育具备中国特色金融文化品格、精神、气质的金融人才。另一方面,要在机构层面构建良好的伦理文化生态。在金融机构企业文化建设中,将伦理价值观融入企业使命,通过内部宣传、伦理标兵评选等方式强化员工认同,将伦理价值观融入到金融从业人员的日常工作和生活之中,共同营造符合伦理规范的企业文化生态。

  中国社会科学院国家金融与发展实验室设立于2005年,原名“中国社会科学院金融实验室”。这是中国第一个兼跨社会科学和自然科学的国家级金融智库。2015年6月,在吸收社科院若干其他新型智库型研究机构的基础上,更名为“国家金融与发展实验室”。2015年11月,被中国政府批准为首批25家国家高端智库之一。