金融科技的未來：巨頭入局AI＋金融，得AI者得天下
過去幾年，每當談及互聯網金融帶來的衝擊力和顛覆性，大部分金融業人士都會秉持「保留」意見，其中一個極為重要的佐證就在於：「很多複雜的金融服務難以完全去人工化。」
而事實也證明，這幾年互聯網金融行業爆發所帶來的改變，更多還是停留在渠道層面的創新，並沒有真正革了金融機構的命。不過，技術變革帶來的衝擊顯然才剛剛開始。創新工場董事長兼CEO李開復就曾多次表示，人工智慧最好的應用領域之一就是金融業，因為這是唯一純數字領域。
隨著包括大數據、雲計算、區塊鏈、人工智慧等新技術發展的成熟，以及在具體業務和場景中應用的落地，這場金融業的變革已經真正拉開大幕，新金融未來的趨勢，有以下幾個方面：
「互聯網+金融」階段更多影響在於「渠道革命」，而「人工智慧+金融」會有更多服務和產品層面的變革。
人工智慧在金融業是應用最早、最成熟的領域，例如，量化交易、智能投顧，智能客服和生物身份識別等細分領域的商業化發展也將加速推進。
傳統金融機構受到很大衝擊，但同時也獲得了重新發力的契機，因為作為人工智慧的重要基石，數據和IT的最優資源仍掌握在金融機構手中。
人工智慧將極大提升金融業
人工智慧未來將會給各個產業帶來巨大變革，其影響將遠大於互聯網對各行業的改造。「金融科技」不再是一個標籤性的概念，它的隱性門檻越來越高。計算能力、數據資源和核心演算法等條件的成熟催化了人工智慧的進步，也將成為未來金融機構、金融科技公司們的核心競爭力。對於金融領域來講，主要有以下幾方面的影響：
01
金融行業服務模式更加主動
金融屬於服務行業，從事的正是關於人與人服務價值交換的業務，人是核心因素。在互聯網技術大規模應用之前，金融機構需要投入大量人力物力資源用於客戶關係維護交流，發現客戶需求，以獲取金融業務價值。
而在互聯網時代，網銀、APP的出現降低了銀行服務客戶的成本。而不管是客戶端或者是網頁端，均採用了標準化的功能模板，需要客戶學習如何使用，並在眾多菜單功能中找尋想要的金融服務，客戶與金融機構的交流是單向的。
這一發現使「客戶需求的成本」由金融機構轉嫁給了客戶，即在方便了金融機構的同時，使得客戶的金融需求發現和滿足變得麻煩，這同樣也使銀行失去了創造更多金融價值的機會。客戶對金融機構的依賴度不斷降低，隨時可以被其他同業甚至互聯網金融公司爭取走。
如銀行這幾年受到第三方支付機構極大衝擊，無論在支付領域還是其他C端金融服務，銀行的創新靈活度和政策監管尺度均處於下風，個人用戶大規模被互聯網金融機構圈走。
人工智慧的飛速發展，使得機器能夠在很大程度上模擬人的功能，實現批量人性化和個性化的服務客戶，人工智慧將成為決定銀行溝通客戶、發現客戶金融需求的重要因素。它將對金融產品、服務渠道、服務方式、風險管理、授信融資、投資決策等帶來新一輪的變革。
人工智慧技術在前端可以用於服務客戶，在中台支持授信、各類金融交易和金融分析中的決策，在後台用於風險防控和監督，它將大幅改變金融現有格局，金融服務更加個性與智能化。
02
金融大數據處理能力大幅提升
金融行業沉澱了巨量數據，包括各類金融交易、客戶信息、市場分析、風險控制、投資顧問等，數據級別都是海量單位，同時大量數據又是非結構化的形式存在，如客戶的身份證掃描件信息，既佔據寶貴的儲存資源、存在重複存儲浪費，又無法轉成可分析數據以供分析；金融大數據的處理工作面臨極大挑戰。
通過運用人工智慧的深度學習系統，能夠有足夠多的數據供其進行學習，並不斷完善甚至能夠超過人類的知識回答能力，尤其在風險管理與交易這種對複雜數據的處理方面，人工智慧的應用將大幅降低人力成本並提升金融風控及業務處理能力。
IBM已切入AI金融場景應用
在2017 Lendit峰會上，來自IBM Wason團隊的Brian Walter做了一個關於「計算機與人工智慧改變金融服務」的主題演講。期間他展示了人工智慧「Wason」（沃森）在金融場景中的應用案例：
第一個場景：因為暴雪，一顆大樹倒在了Shirly家的門口，她40歲的媽媽需要跟保險公司溝通如何移走這顆樹，以及給房屋造成的損失索賠。
通過手機，Shirly媽媽跟虛擬的保險代理人進行了溝通。它不僅幫助分析了損失、給出了解決方案、索賠流程，還對延伸出的其它問題給出了建議，例如，車、房、人壽保險的選擇和最優搭配等等。
第二個場景：一個剛剛到紐約工作的年輕人Jack想要辦一張信用卡，他通過視頻向客服Richard進行諮詢。
後者是一個靠「沃森」程序驅動的虛擬化身，長相和聲音與真人無異，並且可以通過讀取Jack的唇語和表情，了解他的心情。Richard根據Jack的基本信息和要求幫他比較了市面上的各類信用卡的費率、額度，進而給出建議，並提供了辦理人電話。
第三個場景：「沃森」的數據分析功能曾用在預測體育賽事結果和選拔球員上，它通過獲取運動員過往的視頻、數據，甚至社交媒體的信息來預測出他這場的表現，或者其運動生涯的價值。而這一功能也可以用來了解金融客戶和他們的需求。
這是三個最常見的金融場景，其本質都在於使用技術手段輔助工作，替代部分重複性的腦力勞動，最終實現金融服務效率的提升。無論如何，從「沃森」的應用中已經可以窺見人工智慧變革金融業的巨大可能。
「沃森」的名字來自於IBM創始人Thomas J. Watson，它實際上是一台由90台IBM伺服器、360個計算機晶元驅動組成的超級計算機系統，體積相當於10台普通冰箱那麼大。
「沃森」不僅運算極快，記憶力超強，甚至還能懂得一些人類語言中的暗喻和雙關。IBM認為沃森可以媲美人腦，可以理解自然語言的複雜性，也能夠利用交互行為不斷學習。
2016年九月底，IBM宣布收購風險管理和監管合規諮詢公司Promontory。加入IBM之後，Promontory的600名金融專家將用大量金融知識和案例來訓練「沃森」，使其具備能夠提供金融建議的能力。隨後，「沃森」也開始應用在一些金融場景中。
而在此之前，「沃森」早已成功應用在包括醫療、餐飲在內的不少傳統行業，例如，它曾經通過分析海量數居和醫療案例幫助醫生確診癌症病例，提供解決方案等。
阿里交行平安已配備AI應用
除了Google、IBM等國際巨頭公司，國內金融行業也逐步開始應用人工智慧技術，隨著國內雙創政策的推動和對人工智慧產業的投資拉動，預計廣泛應用節點即將到來。
阿里巴巴：螞蟻金服深度涉足AI
阿里巴巴旗下的螞蟻金服下設一個特殊的科學家團隊，專門從事機器學習與深度學習等人工智慧領域的前沿研究，並在螞蟻金服的業務場景下進行一系列的創新和應用，包括互聯網小貸、保險、徵信、智能投顧、客戶服務等多個領域。
根據螞蟻金服公布數據，網商銀行的花唄與微貸業務上，使用機器學習把虛假交易率降低了近10倍，為支付寶的證件審核系統開發的基於深度學習的OCR系統，使證件校核時間從1天縮小到1秒，同時提升了30％的通過率。
以智能客服為例，2015年「雙11」期間，螞蟻金服95%的遠程客戶服務已經由大數據智能機器人完成，同時實現了100%的自動語音識別。當用戶通過支付寶客戶端進入「我的客服」後，「我的客服」會自動「猜」出用戶可能會有疑問的幾個點供選擇，這裡一部分是所有用戶常見的問題，更精準的是基於用戶使用的服務、時長、行為等變數抽取出的個性化疑問點；在交流中，則通過深度學習和語義分析等方式給出自動回答。問題識別模型的點擊準確率在過去的時間裡大幅提升，在花唄等業務上，機器人問答準確率從67%提升到超過80%。
平安集團：人像識別+智能客服
平安集團下設平安科技人工智慧實驗室，大規模研發人工智慧金融應用。
1、人像識別。平安集團運用人像識別技術，在指定銀行區域進行整體監控，識別陌生人、可疑人員和可疑行為，提升銀行物理區域安全性，該套系統還能識別銀行VIP客戶等，實現個性化服務。在平安天下通APP上，平安利用人臉識別技術進行遠程身份認證，用戶根據系統提示,完成指定動作識別，即可進行APP解鎖、刷臉支付以及刷臉貸款等。
2、智能客服。平安集團整合旗下保險、基金、銀行、證券等客服渠道為95511，應用人工智慧技術，用戶撥打後直接說出服務需求，系統識別客戶語音內容後，即可轉接相應模塊，大幅節省了客戶選擇菜單的時間。智能客服還可以進行簡單問題回復，複雜問題則轉人工進行支持，人機結合有效的解決了客戶問題。
交通銀行：推出智能網點機器人
2015年，交通銀行推出智能網點機器人：「交交」，並引發了金融銀行界的廣泛關注。「交交」為實體機器人，採用語音識別和人臉識別技術，可以人機進行語音交流，還可以識別熟悉客戶，在網點進行客戶指引、介紹銀行的各類業務等。
在語言交流過程中，「交交」能回答客戶的各種問題，緩解等待辦理業務的銀行客戶潛在情緒，分擔大堂經理的工作，分流客戶，節省客戶辦理時間。
AI將切入金融業多個場景應用
結合目前人工智慧技術支持能力和市場實際應用情況看，基於語音識別的技術可優先在金融行業進行應用。市場和同業已經具有成熟的商業運營案例和業務框架，技術實現難度較低，可迅速實現商業價值。
01
語音識別與自然語言處理應用
1、智能客服
整合全集團對外的客戶服務通道，提供多模式融合（包括電話、網頁在線、微信、簡訊及APP等）的在線智能客服；對內實現語音分析、客服助理等商業智能應用。幫助坐席快速解決客戶問題。客服助理通過實時語音識別，實時語義理解，掌握客戶需求，自動推送客戶特徵、知識庫等內容。藉助於微信公眾號等平台，推出語音問答系統，打造個人金融助理形象。
2、語音數據挖掘
基於語音和語義技術，可自動將電話銀行海量通話和各種用戶單據內容結構化，打上各類標籤，挖掘分析有價值信息，為服務與營銷等提供數據與決策支持。
02
計算機視覺與生物特徵識別應用
1、人像監控預警
利用網點和ATM攝像頭，增加人像識別功能，提前識別可疑人員、提示可疑行為動作，識別VIP客戶。
識別網點區域內可疑人員特徵，如：是否人臉上有面罩、手持可疑物品、行動速度異常、人員倒地、人員脅迫等，還可以對客戶身份進行識別。
2、員工違規行為監控
利用網點櫃檯內部攝像頭，增加員工可疑行為識別監控功能，記錄並標記疑似交易，並提醒後台監控人員進一步分析，同時起到警示作用。
3、核心區域安全監控
在銀行內部核心區域集中運營中心、機房、保險柜、金庫等增加人像識別攝像頭，人員進出必須通過人臉識別及證件一致方可進入，同時對於所有進出人員進行人像登記，防止陌生人尾隨進出相關區域。實現智能識別，達到安全防範的目標。
03
機器學習、神經網路應用與知識圖譜
1、金融預測、反欺詐
大規模採用機器學習，導入海量金融交易數據，使用深度學習技術，從金融數據中自動發現模式，如分析信用卡數據，識別欺詐交易，並提前預測交易變化趨勢，提前做出相應對策。
基於機器學習技術構建金融知識圖譜，基於大數據的風控需要把不同來源的數據整合到一起，它可以檢測數據當中的不一致性，分析企業的上下游、合作、競爭對手、子母公司、投資、對標等關係。
2、融資授信決策
通過數據篩選、建模和預測打分，並將不同的資產分類和做分別處理。
3、智能投顧
結合個人客戶的風險偏好和理財目標，利用人工智慧演算法和互聯網技術為客戶提供資產管理和在線投資建議服務，實現個人客戶的批量投資顧問服務。它採用合適的資產分散投資策略，可實現大批量的不同個體定製化投顧方案，把財富管理這個服務門檻降到一個普通的家庭人群來使用。
04
服務機器人技術應用
機房巡檢和網點智慧機器人：
在機房、伺服器等核心區域投放24小時巡檢機器人，及時發現處理潛在風險，替代或輔助人工進行監控。
在網點大堂，嘗試設置智慧機器人，賦予機器人擬人化，賦予其人類的形象和相應感情、動作。對網點客戶進行業務諮詢答疑、輔助分流，採集客戶數據，開展大數據營銷工作，完成查詢、開卡、銷卡等業務的輔助辦理。
作為最適合人工智慧技術投入使用的領域之一，金融科技行業的變革也才剛剛開始，我們現在能夠看到的傳統金融機構加碼投入、人工智慧巨頭進入金融市場，未來都可能帶來更大的想像空間。
以往金融向左、科技向右，互聯網金融打開二者融合的開端;人工智慧正成為改變整個互聯網產品形態的技術之手，發源於比特幣金融創新的區塊鏈技術又被視為改變未來互聯網價值流通的又一革命力量。
我國在金融科技具有明顯的比較優勢，國內無論是BAT及電商巨頭、傳統銀行及保險機構、互聯網創業公司都在積極部署金融科技，並落地在一些人工智慧金融服務產品之中，並將催生更多新商業模式及新物種，這是讓從業者憧憬與狂喜的新征程，彷彿歷史又站在二十年前互聯網沸騰年代……
TAG:AI交易俠 |