人工智能在金融领域应用的初步思考

在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破，使得多个基础人工智能技术水平得到飞跃提 升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。

从未来的角度看，我们现在极有可能处在“互联网+”向“人工智能”转变的时点。在笔者看来，在金融领域，由于其服务的本质仍然是人与人之间的交流，人工智 能带来的影响将是重新解构金融服务的生态，将互联网时代下银行转嫁给客户的服务成本以一种更有效的方式重新回归银行怀抱，从而降低客户选择倾向，加深客户 对于金融机构的服务依赖度。本文就国内外金融行业人工智能应用情况进行了简单分析，重点就人工智能在金融的综合运用进行了探讨。

一、人工智能对金融行业带来的影响分析

基础层的云计算、大数据等因素的成熟催化了人工智能的进步，深度学习带来算法上的突破则带来了人工智能浪潮，使得复杂任务分类准确率大幅提升，从而推动了 计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。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，在所有领域彻底改变人类，并产生更多的价值，取代更多人的工作，也会让很多现在重复性的工作被取代，让人可以从劳动密集型的工作中解放出来，释放人力 去做更具有价值的事情。对于金融领域来讲，主要有以下几方面的影响：

一是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。如银行与客户发生关系的媒介主要在网点，客户与网点人员通过人与人的交流，能迅速的发现并满足客户金融需 求，甚至通过一些交谈、观察客户的细节挖掘到潜在的需求。通过一段时间的人与人交流，客户与银行工作人员建立了深厚的关系，而这种关系提高了客户对于银行人员的依赖程度，我们称之为客户黏性（或者称为“使客户变傻”）。一旦黏性存在，客户很少会去比较银行人员所推荐的金融服务，如购买理财产品的时候，不会去比较多个银行的收益水平。

而在互联网时代，互联网技术和互联网金融企业的蓬勃发展，共同促使金融机构大力开展系统建设工作，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，麻烦了客户的金融需求发现和满足，这同样也使银行失去了创造更多金融价值的机 会。

无论如何优化功能菜单，客户总要去付出这一选择成本，在这个过程中，客户的金融专业度被动提升（或者称为“使客户变聪明”）， 他会去主动比较哪家金融机构提供的服务价格最优、服务效率最便捷，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，这对于深处服务价值链高端的金融将带来深刻影响，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（银 行、保险、理财、借贷、投资等方面）更加地个性与智能化。

二是金融大数据处理能力大幅提升

作为百业之母的金融行业，与整个社会存在巨大的交织网络，沉淀了大量有用或者无用数据，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。

二、目前人工智能技术在金融领域应用情况

Google、IBM等国际巨头公司已经将人工智能技术渗透在各种产品的方方面面，总体上看，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。

（一）阿里巴巴

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，人工智能开始发挥作用，“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%。

（二）交通银行

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。

（三）平安集团

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。

三、人工智能在金融行业的应用启示

结合目前行业发展趋势，按照人工智能技术分类，分别整理五大类应用场景设想。结合目前人工智能技术支持能力和市场实际应用情况看，笔者认为基于语音识别的 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。其他类人工智能技术目前商业运 用仍处于初期阶段，应予以继续进行跟踪。具体如下：

（一）语音识别与自然语言处理应用

1、智能客服

（1）实现目标

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。为坐席提供一种辅助手段，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）具体内容

通过电话客服渠道、网上客服、APP、短信、微信以及智能机器人终端与客户进行语音或文本的互动交流，理解客户业务需求，语音回复客户提出的业务咨询，并 能根据客户语音导航至指定业务模块。对传统按键式菜单进行改造，用户使用自然语音与系统交互，实现菜单扁平化，提升用户满意度，减轻人工服务压力，降低运 营成本。电话客服不再受限于菜单，可开展全业务的语音导航服务。

2、语音数据挖掘

（1）实现目标

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。

（2）具体内容

语音语义分析自动给出重点信息聚类，联想数据集合关联性，检索关键词，并汇总热词，发现最新的市场机遇和客户关注热点。同时，根据金融行业客服与客户的通 话情况，可进行业务咨询热点问题梳理统计，由机器进行自动学习，梳理生成知识问答库，并作为后续机器自动回复客户问题的参考依据。

（二）计算机视觉与生物特征识别应用

1、人像监控预警

（1）实现目标

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。

（2）具体内容

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

（1）实现目标

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。

（2）具体内容

人工智能还能监督和跟踪员工行为，并判断员工行为是否合规，安全等。如运用图形视频处理技术，实时监控银行柜员在规定动作以外的行为，提醒后台人员进行注 意。通过纸文本读取技术，排查所有交易单据，建立关键字提示技术。或者回访客服问答、柜台对话记录，建立风险模型，及时发现可疑交易等。识别并标记视频监 控中发现的员工可疑行为录像片段，提示后台人员进行查看；同时，对一线操作人员起到心理震慑作用。

3、核心区域安全监控

（1）实现目标

在银行内部核心区域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。如集中运营中心、数据中心机房等。

（2）具体内容

集中运营中心、机房、保险柜、金库等重要场所可采用人脸门禁提高内部安全控制，通过人脸识别的验证方式，实现银行内部安全管理，有效地防范不法分子的非法入侵，同时进行多人的人脸识别，实现智能识别，达到安全防范的目标。

（三）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(结构化，非结构)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。比如：坏资产可直接标签为“司法诉讼”，并提醒相关人员进行诉讼流程。通过提取个人及企 业在其主页、社交媒体等地方的数据，一来可以判断企业或其产品在社会中的影响力，比如观测App下载量，微博中提及产品的次数，对其产品的评价;此外将数 据结构化后，也可推测投资的风险点。借助机器学习完成传统金融企业无法做到的放贷过程中对借款人还贷能力进行实时监控，从而及时对后续可能无法还贷的人进 行事前的干预，以减少因坏账而带来的损失。

3、智能投顾

（1）实现目标

根据马科维茨的现代资产组合理论（MTP），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。

（2）具体内容

运用人工智能技术，采用多层神经网络，实时采集所有重要的经济数据指标，智能投顾系统不断进行学习。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，以不追求短期的涨跌回报、而期望长期的稳健回报为目标，进一步深刻践行银行长期服务客户的理念。通过智能投顾解决方案，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。

（四）服务机器人技术应用

机房巡检和网点智慧机器人：

（1）实现目标

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。

（2）具体内容

运用机器人技术，在网点或机房投放智慧机器人，实现指定区域自动巡航功能，可对客户进行迎宾分流，进行语音互动交流，根据客户知识库内容进行标准业务咨询 和问答，减少大堂经理的重复性工作。同时通过前端采集客户数据，可开展精准营销工作。此外，增强银行服务的科技创新感和服务新体验，为银行服务的转型升级 注入全新的因素。

后记展望

人工智能听起来很高大上，我们在现实生活或工作中也经常会遇到一味炒作概念的人，过分夸大人工智能所能起到的作用以博取眼球。笔者认为，现阶段人工智能确 实可以帮助提高工作效率，但拨开其光鲜外表迷雾，人工智能最终的应用场景还需要我们继续深入思考。短期来看，人工智能在绝大部分领域还不能替代人力，但是 能起到较大的辅助作用。而对于金融行业而言，最重要的是继续紧跟这股智能潮流，可以尝试在多个领域运用相关技术，不管是提升客户体验还是内部管理效率，或 者是风险防范，都需要更多的人加入到这个新的领域，也需要更多的探索和尝试。