注：本文4750字，读完需要15分钟，将带您发现一个全新的AI金融业
过去几年，每当谈及互联网金融带来的冲击力和颠覆性，大部分金融业人士都会秉持“保留”意见，其中一个极为重要的佐证就在于：
“很多复杂的金融服务难以完全去人工化”
而事实也证明，这几年互联网金融行业爆发所带来的改变，更多还是停留在渠道层面的创新，并没有真正革了金融机构的命。不过，技术变革带来的冲击显然才刚刚开始。创新工场董事长兼CEO李开复就曾多次表示，人工智能最好的应用领域之一就是金融业，因为这是唯一纯数字领域。
随着包括大数据、云计算、区块链、人工智能等新技术发展的成熟，以及在具体业务和场景中应用的落地，这场金融业的变革已经真正拉开大幕，新金融未来的趋势，有以下几个方面：
“互联网+金融”阶段更多影响在于“渠道革命”，而“人工智能+金融”会有更多服务和产品层面的变革。
人工智能在金融业是应用最早、最成熟的领域，例如，量化交易、智能投顾，智能客服和生物身份识别等细分领域的商业化发展也将加速推进。
传统金融机构受到很大冲击，但同时也获得了重新发力的契机，因为作为人工智能的重要基石，数据和IT的最优资源仍掌握在金融机构手中。
人工智能将极大提升金融业
人工智能未来将会给各个产业带来巨大变革，其影响将远大于互联网对各行业的改造。“金融科技”不再是一个标签性的概念，它的隐性门槛越来越高。计算能力、数据资源和核心算法等条件的成熟催化了人工智能的进步，也将成为未来金融机构、金融科技公司们的核心竞争力。
对于金融领域来讲，主要有以下几方面的影响：
01
金融行业服务模式更加主动
金融属于服务行业，从事的正是关于人与人服务价值交换的业务，人是核心因素。在互联网技术大规模应用之前，金融机构需要投入大量人力物力资源用于客户关系维护交流，发现客户需求，以获取金融业务价值。
而在互联网时代，网银、APP的出现降低了银行服务客户的成本。而不管是客户端或者是网页端，均采用了标准化的功能模板，需要客户学习如何使用，并在众多菜单功能中找寻想要的金融服务，客户与金融机构的交流是单向的。
这一发现使“客户需求的成本”由金融机构转嫁给了客户，即在方便了金融机构的同时，使得客户的金融需求发现和满足变得麻烦，这同样也使银行失去了创造更多金融价值的机会。客户对金融机构的依赖度不断降低，随时可以被其他同业甚至互联网金融公司争取走。
如银行这几年受到第三方支付机构极大冲击，无论在支付领域还是其他C端金融服务，银行的创新灵活度和政策监管尺度均处于下风，个人用户大规模被互联网金融机构圈走。
人工智能的飞速发展，使得机器能够在很大程度上模拟人的功能，实现批量人性化和个性化的服务客户，人工智能将成为决定银行沟通客户、发现客户金融需求的重要因素。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。
人工智能技术在前端可以用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，它将大幅改变金融现有格局，金融服务更加个性与智能化。
02
金融大数据处理能力大幅提升
金融行业沉淀了巨量数据，包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等，数据级别都是海量单位，同时大量数据又是非结构化的形式存在，如客户的身份证扫描件信息，既占据宝贵的储存资源、存在重复存储浪费，又无法转成可分析数据以供分析；金融大数据的处理工作面临极大挑战。
通过运用人工智能的深度学习系统，能够有足够多的数据供其进行学习，并不断完善甚至能够超过人类的知识回答能力，尤其在风险管理与交易这种对复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。
IBM已切入AI金融场景应用
在2017 Lendit峰会上，来自IBM Wason团队的Brian Walter做了一个关于“计算机与人工智能改变金融服务”的主题演讲。期间他展示了人工智能“Wason”（沃森）在金融场景中的应用案例：
第一个场景：因为暴雪，一颗大树倒在了Shirly家的门口，她40岁的妈妈需要跟保险公司沟通如何移走这颗树，以及给房屋造成的损失索赔。
通过手机，Shirly妈妈跟虚拟的保险代理人进行了沟通。它不仅帮助分析了损失、给出了解决方案、索赔流程，还对延伸出的其它问题给出了建议，例如，车、房、人寿保险的选择和最优搭配等等。
第二个场景：一个刚刚到纽约工作的年轻人Jack想要办一张信用卡，他通过视频向客服Richard进行咨询。
后者是一个靠“沃森”程序驱动的虚拟化身，长相和声音与真人无异，并且可以通过读取Jack的唇语和表情，了解他的心情。Richard根据Jack的基本信息和要求帮他比较了市面上的各类信用卡的费率、额度，进而给出建议，并提供了办理人电话。
第三个场景：“沃森”的数据分析功能曾用在预测体育赛事结果和选拔球员上，它通过获取运动员过往的视频、数据，甚至社交媒体的信息来预测出他这场的表现，或者其运动生涯的价值。而这一功能也可以用来了解金融客户和他们的需求。
这是三个最常见的金融场景，其本质都在于使用技术手段辅助工作，替代部分重复性的脑力劳动，最终实现金融服务效率的提升。无论如何，从“沃森”的应用中已经可以窥见人工智能变革金融业的巨大可能。
“沃森”的名字来自于IBM创始人Thomas J. Watson，它实际上是一台由90台IBM服务器、360个计算机芯片驱动组成的超级计算机系统，体积相当于10台普通冰箱那么大。
“沃森”不仅运算极快，记忆力超强，甚至还能懂得一些人类语言中的暗喻和双关。IBM认为沃森可以媲美人脑，可以理解自然语言的复杂性，也能够利用交互行为不断学习。
2016年九月底，IBM宣布收购风险管理和监管合规咨询公司Promontory。加入IBM之后，Promontory的600名金融专家将用大量金融知识和案例来训练“沃森”，使其具备能够提供金融建议的能力。随后，“沃森”也开始应用在一些金融场景中。
而在此之前，“沃森”早已成功应用在包括医疗、餐饮在内的不少传统行业，例如，它曾经通过分析海量数居和医疗案例帮助医生确诊癌症病例，提供解决方案等。
阿里交行平安已配备AI应用
除了Google、IBM等国际巨头公司，国内金融行业也逐步开始应用人工智能技术，随着国内双创政策的推动和对人工智能产业的投资拉动，预计广泛应用节点即将到来。
阿里巴巴：蚂蚁金服深度涉足AI
阿里巴巴旗下的蚂蚁金服下设一个特殊的科学家团队，专门从事机器学习与深度学习等人工智能领域的前沿研究，并在蚂蚁金服的业务场景下进行一系列的创新和应用，包括互联网小贷、保险、征信、智能投顾、客户服务等多个领域。
根据蚂蚁金服公布数据，网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核系统开发的基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30％的通过率。
以智能客服为例，2015年“双11”期间，蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成，同时实现了100%的自动语音识别。当用户通过支付宝客户端进入“我的客服”后，“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择，这里一部分是所有用户常见的问题，更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点；在交流中，则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升，在花呗等业务上，机器人问答准确率从67%提升到超过80%。
平安集团：人像识别+智能客服
平安集团下设平安科技人工智能实验室，大规模研发人工智能金融应用。
1、人像识别。平安集团运用人像识别技术，在指定银行区域进行整体监控，识别陌生人、可疑人员和可疑行为，提升银行物理区域安全性，该套系统还能识别银行VIP客户等，实现个性化服务。在平安天下通APP上，平安利用人脸识别技术进行远程身份认证，用户根据系统提示,完成指定动作识别，即可进行APP解锁、刷脸支付以及刷脸贷款等。
2、智能客服。平安集团整合旗下保险、基金、银行、证券等客服渠道为95511，应用人工智能技术，用户拨打后直接说出服务需求，系统识别客户语音内容后，即可转接相应模块，大幅节省了客户选择菜单的时间。智能客服还可以进行简单问题回复，复杂问题则转人工进行支持，人机结合有效的解决了客户问题。
交通银行：推出智能网点机器人
2015年，交通银行推出智能网点机器人：“交交”，并引发了金融银行界的广泛关注。“交交”为实体机器人，采用语音识别和人脸识别技术，可以人机进行语音交流，还可以识别熟悉客户，在网点进行客户指引、介绍银行的各类业务等。
在语言交流过程中，“交交”能回答客户的各种问题，缓解等待办理业务的银行客户潜在情绪，分担大堂经理的工作，分流客户，节省客户办理时间。
AI将切入金融业多个场景应用
结合目前人工智能技术支持能力和市场实际应用情况看，基于语音识别的技术可优先在金融行业进行应用。市场和同业已经具有成熟的商业运营案例和业务框架，技术实现难度较低，可迅速实现商业价值。
01
语音识别与自然语言处理应用
1、智能客服
整合全集团对外的客户服务通道，提供多模式融合（包括电话、网页在线、微信、短信及APP等）的在线智能客服；对内实现语音分析、客服助理等商业智能应用。帮助坐席快速解决客户问题。客服助理通过实时语音识别，实时语义理解，掌握客户需求，自动推送客户特征、知识库等内容。借助于微信公众号等平台，推出语音问答系统，打造个人金融助理形象。
2、语音数据挖掘
基于语音和语义技术，可自动将电话银行海量通话和各种用户单据内容结构化，打上各类标签，挖掘分析有价值信息，为服务与营销等提供数据与决策支持。
02
计算机视觉与生物特征识别应用
1、人像监控预警
利用网点和ATM摄像头，增加人像识别功能，提前识别可疑人员、提示可疑行为动作，识别VIP客户。
识别网点区域内可疑人员特征，如：是否人脸上有面罩、手持可疑物品、行动速度异常、人员倒地、人员胁迫等，还可以对客户身份进行识别。
2、员工违规行为监控
利用网点柜台内部摄像头，增加员工可疑行为识别监控功能，记录并标记疑似交易，并提醒后台监控人员进一步分析，同时起到警示作用。
3、核心区域安全监控
在银行内部核心区域集中运营中心、机房、保险柜、金库等增加人像识别摄像头，人员进出必须通过人脸识别及证件一致方可进入，同时对于所有进出人员进行人像登记，防止陌生人尾随进出相关区域。实现智能识别，达到安全防范的目标。
03
机器学习、神经网络应用与知识图谱
1、金融预测、反欺诈
大规模采用机器学习，导入海量金融交易数据，使用深度学习技术，从金融数据中自动发现模式，如分析信用卡数据，识别欺诈交易，并提前预测交易变化趋势，提前做出相应对策。
基于机器学习技术构建金融知识图谱，基于大数据的风控需要把不同来源的数据整合到一起，它可以检测数据当中的不一致性，分析企业的上下游、合作、竞争对手、子母公司、投资、对标等关系。
2、融资授信决策
通过数据筛选、建模和预测打分，并将不同的资产分类和做分别处理。
3、智能投顾
结合个人客户的风险偏好和理财目标，利用人工智能算法和互联网技术为客户提供资产管理和在线投资建议服务，实现个人客户的批量投资顾问服务。它采用合适的资产分散投资策略，可实现大批量的不同个体定制化投顾方案，把财富管理这个服务门槛降到一个普通的家庭人群来使用。
04
服务机器人技术应用
机房巡检和网点智慧机器人：
在机房、服务器等核心区域投放24小时巡检机器人，及时发现处理潜在风险，替代或辅助人工进行监控。
在网点大堂，尝试设置智慧机器人，赋予机器人拟人化，赋予其人类的形象和相应感情、动作。对网点客户进行业务咨询答疑、辅助分流，采集客户数据，开展大数据营销工作，完成查询、开卡、销卡等业务的辅助办理。
作为最适合人工智能技术投入使用的领域之一，金融科技行业的变革也才刚刚开始，我们现在能够看到的传统金融机构加码投入、人工智能巨头进入金融市场，未来都可能带来更大的想象空间。
本文综合自：馨金融、中国银行网络金融部杨涛等。
火眼财经：成都市唯一一家国资混改成立的财经媒体机构，致力于成都市金融中心整体的形象宣传
▪
