BJAT爭食智能金融萬億風口

摘要：智能金融的潛在市場有多大？數據顯示，目前我國有8億經濟活躍人口，有央行徵信記錄人群僅3億，尚有5億人未被覆蓋到，信貸線上化率僅6%；188萬億元資產管理規模，非銀行存款佔58%，線上化率僅10%。此外，在保險、小微企業金融服務等諸多領域都存在很大發展空間。

人臉支付、智能投顧、大數據徵信……科技正在改變金融行業。在人工智慧不斷興起的時代，人工智慧和金融行業結合，又會怎樣改變生活？

人臉識別技術，是人工智慧在金融領域的一種運用。「在遠程客戶認證方面，我們基於公安部公民身份信息庫和身份聯網核查系統，結合騰訊優圖的人臉識別及活體檢測技術，建成了一套準確度較高的遠程身份識別系統。系統可自動識別並採取多因子核身手段，保障用戶資金安全，整體差錯率被控制在接近百萬分之一。」

機器不僅能識人，也能待客、答疑。用支付寶、逛京東，人們發現越來越多的平台開始用機器人代替人工客服，回答客戶提問，或是接收語音指令。測試數據顯示，支付寶客服平台小螞答完成5輪問答所需時間大概為1秒鐘，比人工客服的效率高30至60倍，每天可以處理200萬—300萬的用戶諮詢。2017年，小螞答客戶滿意率比人工客服還高出了3個百分點。

人工智慧技術還讓信貸過程變得越來越「聰明」。幾年前，馬瑜回青海創業，經營高原蜂蜜和藏族手工藝品等特產，還在網上開了一家微店。開店之初，她與當地牧民做生意都是現金結賬，每次進貨基本上都把所有的現金「抽干」。小生意艱難維持的時候，微店支付業務的工作人員告訴她，可以直接在微店APP申請小微貸款。

「人工智慧在信貸中的應用核心是機器學習模型，這貫穿於信貸全程。貸款前，智能信貸不需要繁瑣的觸客、初審和錄入，貸款人只要簡單填寫十幾個信息，系統就能在線迅速搜集、加工、分析數據，發放貸款前後只要15分鐘。授信後，智能信貸流程並未結束，會時刻監測微店業務數據，跟蹤學慣用戶和企業行為模式變化，預測客戶貸中風險，據此調整客戶授信額度。比如，店裡銷售商品種類突然變了，機器學習模型能捕捉到這一信息，調整客戶的動態風險。」

埃哲森與百度金融近日共同編製的一份名為《與AI共進 智勝未來》「以下簡稱《報告》」的智能金融研究報告證實了上述金融科技融合發展的最新現狀：目前，科技與金融的融合，在經歷電子金融、線上金融後，已經進入到智能金融階段，從傳統金融機構到互聯網巨頭均在爭食智能金融領域。

智能金融的潛在市場有多大？數據顯示，目前我國有8億經濟活躍人口，有央行徵信記錄人群僅3億，尚有5億人未被覆蓋到，信貸線上化率僅6%；188萬億元資產管理規模，非銀行存款佔58%，線上化率僅10%。此外，在保險、小微企業金融服務等諸多領域都存在很大發展空間。

上述報告中指出，比如行業監管方面，監管時機的滯後使得監管無法應對技術突飛猛進的發展變化，因而總是較為被動；監管尺度因為風險厭惡的金融業與靈活創新的科技業相互融合的而變得難以把控。

因此《報告》也建議，應首先轉變監管方式，由機構監管轉為功能監管；其次是避免監管滯後，儘早介入；然後藉助監管科技，通過科技手段實現更高效的監管；嘗試創新手段，允許一定程度的「試錯」，比如借鑒「沙盒監管」或者建立負面清單制度。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！