
提到人工智能的应用,李开复曾多次表达过自己的看法,“世界上没有其他领域比金融领域更适合运用人工智能了”。
日前,国务院发布的《新一代人工智能发展规划》(以下简称《规划》)就给出了人工智能在金融行业应用的具体范围,即:建立金融大数据系统,提升金融多媒体数据处理与理解能力;创新智能金融产品和服务,发展金融新业态;鼓励金融行业应用智能客服、智能监控等技术和装备;建立金融风险智能预警与防控系统。
“人工智能的底层支撑是大数据和算法,无疑应在数据资源丰富、数据价值密度高的行业率先发展。这正是金融行业拥抱人工智能的天然优势。”海致网络技术(北京)有限公司金融业务副总裁杨娟分析道。与其他传统行业相比,金融行业高度信息化、数字化的特点更容易被人工智能技术利用。
对于人工智能等金融科技的应用,国内几家互联网巨头无疑具有先发优势。以阿里系的蚂蚁金服为例,其运用大数据技术打造了全方位的运营和产品体系:一是打造了蚂蚁智能客服,大规模替代了人工,提升了响应速度和准确度;二是打造蚂蚁安全大脑,通过风险分析网络和决策中枢,对交易风险进行控制;三是打造基于大数据和机器学习的蚂蚁微贷产品,解决小微企业和个人快速授信的问题。
人工智能在金融领域中的典型应用场景,希望对大家有所帮助。
应用场景一:征信与风控
近几年,国内P2P和现金贷的大量涌现,说明了个人小额信贷的市场需求巨大。在过去,针对该类小贷用户,一般单纯地依靠地推人员挨家挨户进行实地征信。如今,基于大数据和人工智能技术,可以实现智能征信和审批,极大地提高工作效率。通过多渠道获取用户多维度的数据,如通话记录、短信信息、购买历史、以及社交网络上的相关留存信息等;然后,从信息中提取各种特征建立模型,对用户进行多维度画像;最后,根据模型评分,对用户的个人信用进行评估。同样,对于市场上中小微企业融资难的问题,也可以通过大数据征信得以解决。
相对于征信,在风控中,贷前要识别贷款人信息的真实性,还要识别其还款意愿和还款能力,贷中通过监控贷款人的行为数据及时发现异常,贷后通过反馈数据补充信用评分。在这个过程中,利用用户数据积累和人工智能技术建立有效的智能化风控体系是核心能力,直接决定着一个平台能否持续健康地运营。
应用场景二:反欺诈
金融安全是维护金融秩序的基石。与虚拟的社交网络不同,金融用户需要验证身份的真实性,其中可能涉及的技术包括人脸识别、语音识别、指纹识别和虹膜识别等。相对于我们人类,人工智能在此领域往往表现得更加优异,不仅能缩短识别时间,还能降低识别错误率。如今,越来越多的人工智能应用出现在现实生活中,比如指纹付款、扫脸取款等。
此外,人工智能在网络反欺诈方面也发挥着巨大的作用,机器可以从海量的交易数据中学习知识和规则,发现异常,比如防止盗刷卡、虚假交易、恶意套现、垃圾注册、营销作弊等行为,为用户和机构提供及时可靠的安全保障。
应用场景三:智能投顾
智能投顾是在多个市场和大资产类别之间构建投资组合,分散风险,追求长期收益。
与传统方式有所区别,智能投顾可结合现代资产组合理论和投资者偏好为投资者提供建议,加快释放投资理财的“长尾”市场,具有佣金低和信息透明等特点。更通俗点说,智能投顾实际上是把私人银行的服务在线智能化,服务更广泛的普通老百姓。
应用场景四:营销与客服
在金融平台上,如何识别有效的客户往往是难点。而人工智能可以通过用户画像和大数据模型精准找到用户,实现精准营销。
另外,在客服中,用户咨询的问题大都是重复性的,而且往往限定在几个特定的领域内,这些特点使其成为自然语言处理和智能客服机器人的极佳选择。通过智能客服机器人可以发掘用户的需求,解释和推荐产品,还能带来销售转化。智能客服可以解决用户的大部分问题,在非常确定答案的时候可以直接回答,在不确定时把可能的答案提供给人工客服,由人工客服判断选择最佳答案发送给用户。这样极大地提升了客服效率和用户体验,同时也降低了人力成本。
应用场景五:投资决策
在投资机构和投行部门中,日常的工作如收集大量的资料、进行数据分析、报告撰写等,往往占用了大量的时间和精力。而在处理海量的数据信息时,机器拥有天然的优势,通过自然语言处理技术可以理解文本信息,寻找市场变化的内在规律。一个经典案例是沃尔玛超市发现尿布和啤酒放在一起会增加销量。大数据可以发现看似毫不相关的事件间的关联性,应用在投资领域也会有同样的效果,比如苹果发布新手机会影响哪些公司的股价等。
人工智能还能够根据收集到的市场历史数据进行预测,分析判断企业的成长性,从而辅助投资决策。一个著名例子是,美国最大的信用卡行Capital One的两名员工利用职务便利,分析了至少170家上市零售公司的信用卡消费情况,并据此预测这些公司的营业收入,然后提前购入看涨期权或看跌期权,三年内投资收益率高达1800%。虽然是反例,但对于智能预测应用有很好的启发意义。
此外,机器还可以根据收集到的资料,自动生成大量格式固定的文档,比如招股说明书、研究报告、尽调报告和投资意向书等,从而提高效率,减少枯燥的重复性工作。
上海交通大学教授、欧洲科学院院士徐雷认为,人工智能在金融领域主要有智能投顾、智能客服、安防监控,以及金融监管等四个主要应用方向。他表示:“现在美国的很多公司在金融方面已经开始有了一些动作,包括花旗银行、高盛集团等,在自动交易、理财、风险管理以及智能客服上都有应用。此外,纳斯达克也在利用人工智能进行金融管理,监测违规动作等。”
不难预计,随着人工智能在金融银行领域的加速渗透,未来被替代的绝不仅仅只是银行柜员。
人工智能被一些期望“弯道超车”的新型金融机构寄予厚望。
部分业内人士乐观地表示,继互联网“宝宝”、P2P之后,这一次,中国在人工智能的金融应用方面又将走在前头。
但现实或许不尽如人意。前不久,“某国有大行信用卡将所有乐视员工信用卡额度清零”的新闻被炒得沸沸扬扬。随后,该行解释称主要是因为该行新上线了“新一代”核心系统。在风险防控系统智能化转型后,因为识别到乐视公司的风险可能会影响员工收入,进而影响信用卡还款能力后,系统便作出了此调整。
风波虽过,却引人深思:在目前的金融市场环境下,对于人工智能应用采取“大干快上”是否可取?
小雨点网贷CRO陈绍林认为,要将人工智能有效地应用于风控,需要具备几个关键条件:专业的人才团队,海量、多维度的客户数据,以技术、数据为核心的企业架构。而这几个条件,是大多数互联网金融公司、中小银行所不具备的。
不少专业人士认为,基于深度学习的人工智能将会创造更多价值是发展趋势,它能为人类服务甚至取代某些工作,但用户不应过度依赖人工智能,仍要掌握安全主动权,做好保护措施,通过技术、服务和管理相互配合的方式,形成共同遵循的安全规范,营造保障人工智能健康发展的可信环境。
王兵称,在可预见的将来,随着人工智能的发展,将有越来越多的自主交易发生。这些交易处理的算法和模型很大程度依赖海量数据的收集和分析,同时以很高的速度和巨大的数量级在运行,如何对数据信息辨别、筛选和拟合,进而不断完善算法模型并使得人工智能保持可控则显得异常重要。因为一旦算法或模型出现错误或漏洞,很可能给客户造成不可挽回的损失,甚至会对整个金融市场的稳定带来巨大冲击,建议同业及监管机构针对人工智能特点,研究完善金融市场交易规则。
毕马威中国银行业主管合伙人王立鹏表示,对于商业银行来说,应用新科技需要一个过程,但不会特别快。在此过程中,也可能面临风险,这就需要多方努力,比如西方国家强调监管沙盒模式,在可控模式下最大程度鼓励创新。(来源:中国证券报 苏宁财富资讯 科学网)