AI滲透金融業(yè) 人工是否可以放心離席？

　　劉罡在深圳一家互聯(lián)網(wǎng)公司工作，最近他在手機上辦理了微眾銀行開(kāi)戶(hù)，體驗全然一新。

　　劉罡先通過(guò)手機上的微眾銀行APP掃描了身份證，之后屏幕上顯示出一段阿拉伯數字，需要他跟讀。在讀數的時(shí)候，系統開(kāi)始識別人像是否和身份證上的是同一個(gè)人，確認表情是否自然。如果系統自動(dòng)識別出來(lái)沒(méi)有問(wèn)題，劉罡很快就能通過(guò)開(kāi)戶(hù)審核，辦理這家銀行新的賬戶(hù)，整個(gè)過(guò)程不超過(guò)3分鐘。

　　“人臉識別就和去柜臺辦業(yè)務(wù)時(shí)核對身份一樣。只不過(guò)在柜臺辦理時(shí)，是銀行工作人員來(lái)核實(shí)，現在機器就能遠程核實(shí)，方便快捷。”劉罡說(shuō)。

　　人臉識別技術(shù)，是人工智能在金融領(lǐng)域的一種運用。“在遠程客戶(hù)認證方面，我們基于公安部公民身份信息庫和身份聯(lián)網(wǎng)核查系統，結合騰訊優(yōu)圖的人臉識別及活體檢測技術(shù)，建成了一套準確度較高的遠程身份識別系統。系統可自動(dòng)識別并采取多因子核身手段，保障用戶(hù)資金安全，整體差錯率被控制在接近百萬(wàn)分之一。”微眾銀行行長(cháng)李南青說(shuō)。

　　機器不僅能識人，也能待客、答疑。用支付寶、逛京東，人們發(fā)現越來(lái)越多的平臺開(kāi)始用機器人代替人工客服，回答客戶(hù)提問(wèn)，或是接收語(yǔ)音指令。測試數據顯示，支付寶客服平臺小螞答完成5輪問(wèn)答所需時(shí)間大概為1秒鐘，比人工客服的效率高30至60倍，每天可以處理200萬(wàn)—300萬(wàn)的用戶(hù)咨詢(xún)。2017年，小螞答客戶(hù)滿(mǎn)意率比人工客服還高出了3個(gè)百分點(diǎn)。

　　人工智能技術(shù)還讓信貸過(guò)程變得越來(lái)越“聰明”。幾年前，馬金瑜回青海創(chuàng )業(yè)，經(jīng)營(yíng)高原蜂蜜和藏族手工藝品等特產(chǎn)，還在網(wǎng)上開(kāi)了一家微店。開(kāi)店之初，她與當地牧民做生意都是現金結賬，每次進(jìn)貨基本上都把所有的現金“抽干”。小生意艱難維持的時(shí)候，微店支付業(yè)務(wù)的工作人員告訴她，可以直接在微店APP申請小微貸款。

　　“人工智能在信貸中的應用核心是機器學(xué)習模型，這貫穿于信貸全程。貸款前，智能信貸不需要繁瑣的觸客、初審和錄入，貸款人只要簡(jiǎn)單填寫(xiě)十幾個(gè)信息，系統就能在線(xiàn)迅速搜集、加工、分析數據，發(fā)放貸款前后只要15分鐘。授信后，智能信貸流程并未結束，會(huì )時(shí)刻監測微店業(yè)務(wù)數據，跟蹤學(xué)習用戶(hù)和企業(yè)行為模式變化，預測客戶(hù)貸中風(fēng)險，據此調整客戶(hù)授信額度。比如，店里銷(xiāo)售商品種類(lèi)突然變了，機器學(xué)習模型能捕捉到這一信息，調整客戶(hù)的動(dòng)態(tài)風(fēng)險。”為微店小貸業(yè)務(wù)提供技術(shù)支持的品鈦讀秒科學(xué)決策副總裁任然說(shuō)。

　　易觀(guān)咨詢(xún)此前發(fā)布的《人工智能理財市場(chǎng)專(zhuān)題分析》報告預測，到2020年，中國人工智能理財規模將達到5.22萬(wàn)億元。

　　而在我國，人工智能技術(shù)已經(jīng)初步滲入到金融科技的各個(gè)領(lǐng)域，從智能客服到反欺詐，從商家營(yíng)銷(xiāo)到貸款模型，從財經(jīng)資訊推送到智能投顧，從車(chē)險圖像定損到保險對話(huà)機器人等。不但互聯(lián)網(wǎng)公司發(fā)力人工智能，銀行業(yè)也利用人工智能改造傳統的信貸流程和理財模式。

　　家家人工智能的時(shí)代，什么樣的技術(shù)運用才算得上是真正的“智能”？業(yè)內普遍認為，一般的系統只能根據設計者確定好的程序去運轉，是一個(gè)相對靜態(tài)的模型。而人工智能是一類(lèi)像人類(lèi)一樣思考、學(xué)習和決策的系統。利用基于大數據的深入學(xué)習，機器能合理感知、規劃、推理和自我優(yōu)化，進(jìn)行理性決策。

　　以智能客服為例，用戶(hù)的不斷使用、機器的自我學(xué)習，讓客服變得越來(lái)越“聰明”。據螞蟻金服相關(guān)負責人介紹，智能客服眼下已是各大服務(wù)平臺的標配，沒(méi)有引入人工智能技術(shù)的客服更接近于一個(gè)搜索引擎，將用戶(hù)輸入的關(guān)鍵詞與數據庫的相關(guān)答案匹配。對于口語(yǔ)化的提問(wèn)，這樣的智能客服往往很難給出“聰明”的回答。真正的人工智能客服能自我學(xué)習，在不同的語(yǔ)境中學(xué)習調整提升，問(wèn)題回答得越多，越精準，尤其對于口語(yǔ)化、表述不夠完整的提問(wèn)，能夠主動(dòng)理解。

　　人工智能似乎成為金融的“新大陸”，借助人工智能技術(shù)、通過(guò)挖掘海量信息，大幅提高了金融服務(wù)效率、降低服務(wù)成本，從而降低金融服務(wù)門(mén)檻，這些變化正是金融未來(lái)發(fā)展的核心競爭點(diǎn)。

　　國際人工智能協(xié)會(huì )主席、微眾銀行獨立董事楊強說(shuō)，人工智能的引入使得銀行服務(wù)發(fā)生本質(zhì)的變化，更場(chǎng)景化、高頻化和個(gè)性化。簡(jiǎn)單的模型一個(gè)人可以一天寫(xiě)幾條規則，一個(gè)團隊一年最多可以寫(xiě)上萬(wàn)條規則，但是人工智能的模型可以寫(xiě)出上億條規則，這些規則使得模型能夠適配于各種不同的細分場(chǎng)景。同時(shí)，人工智能讓金融服務(wù)從人為主導的服務(wù)變?yōu)樽詣?dòng)的服務(wù)，拓展了金融服務(wù)的能力。比如，過(guò)去銀行一天可以接待成百上千人，但是像純線(xiàn)上銀行，卻可以應付上千萬(wàn)人的需求。金融服務(wù)也從通用化的服務(wù)，演化到千人千面的服務(wù)。未來(lái)人工智能不僅會(huì )改變金融，還將使得金融變得更加的場(chǎng)景化，高頻交易。

　　人工智能技術(shù)發(fā)展越成熟，機器還能突破人的思維，發(fā)現一些按照人類(lèi)傳統思維難以發(fā)現的問(wèn)題。任然舉例說(shuō)，公司曾為一家電商合作伙伴平臺打造了“預支付”功能，為信用良好的用戶(hù)提供先消費、后付款服務(wù)。但在這個(gè)工程中卻發(fā)現有一批用戶(hù)在進(jìn)行了一系列復雜流程后，卻在最后的支付階段停止了操作。工程師們最初猜測，可能是用戶(hù)對額度不滿(mǎn)意，或者認為申請流程復雜等等。但在人工智能的幫助下才發(fā)現，原來(lái)這一批用戶(hù)之所以不支付，竟然是因為他們都使用某手機的某個(gè)瀏覽器的某個(gè)版本下的某分辨率，導致支付按鈕無(wú)法顯示。“人工智能最終幫助我們挽回了一批不應該損失的用戶(hù)。”任然說(shuō)。

　　人工智能脫離不了金融的實(shí)際場(chǎng)景，這需要在支付、信貸和信用體系等各個(gè)領(lǐng)域打通線(xiàn)上線(xiàn)下。楊強說(shuō)，現在沒(méi)有實(shí)現的主要原因在于數據沒(méi)有連通，以及人工智能技術(shù)的應用還不到位。

　　大數據是人工智能實(shí)現的基礎，人工智能對于精確數據的需求會(huì )越來(lái)越強烈，驅動(dòng)著(zhù)開(kāi)放平臺的建立。《人工智能理財市場(chǎng)專(zhuān)題分析》指出，各個(gè)巨頭將打破單一的生態(tài)循環(huán)，將更多的渠道和產(chǎn)品納入自己的開(kāi)發(fā)平臺之上，以便獲取更多的數據，多維度地理解用戶(hù)需求，做出相應的匹配，從而完成對數據的整合和加工。預測未來(lái)5年機構之間會(huì )加速滲透，雙方協(xié)同發(fā)展的基礎集中在算法、流量、創(chuàng )新技術(shù)開(kāi)發(fā)與市場(chǎng)教育。

　　行業(yè)合作已經(jīng)開(kāi)始，互聯(lián)網(wǎng)巨頭正打開(kāi)合作、共享的平臺。據統計，京東金融已為400家銀行、55家保險公司、100家基金公司提供了大數據、風(fēng)控、營(yíng)銷(xiāo)等科技能力輸出。目前，京東金融的金融服務(wù)人群已經(jīng)涵蓋1.5億用戶(hù)，合作伙伴已經(jīng)達到50萬(wàn)家。螞蟻金服成熟的人工智能技術(shù)也向行業(yè)陸續開(kāi)放，螞蟻智能理財顧問(wèn)向金融機構開(kāi)放一個(gè)月后，日均交易額比一個(gè)月前增長(cháng)了243%，日均客單的漲幅也達到了190%。螞蟻圖像定損能力開(kāi)放給保險公司后，人工智能幾秒鐘就能對事故車(chē)做出準確定損結果，有望每年為行業(yè)節約案件處理成本20億元。

　　不過(guò)機器并不完美，人工不能缺席。任然介紹，機器學(xué)習模型基于歷史數據進(jìn)行學(xué)習、預測，相對穩定，但市場(chǎng)和數據總是變化的，在實(shí)際運行中難免出現舊數據源不穩定、新增數據源和客群變化等極端情況。在這種不穩定的情況下，放任人工智能模型自行迭代，可能會(huì )導致模型準確度和穩定性不足的問(wèn)題。這時(shí)候需要一些人工參與，替換數據或者調整數據在模型中的權重。