人工智能：推動銀行轉型的新引擎

李霞

摘要：金融科技是技術驅動的金融創新，人工智能與金融的深度融合給銀行業的發展帶來了新的生機和活力。金融機構要想在新一輪科技革命和產業變革中贏得先機，就要深刻的認識到人工智能的影響，將語音識別、機器人、深度學習、人臉識別等人工智能的核心技術應用到銀行業務和管理的關鍵流程、產品創新、客戶營銷、理財、運營、風險防控等細化領域，讓人工智能成為促進銀行業轉型升級的新引擎。

關鍵詞：人工智能 金融領域 深度學習 引擎

隨著移動互聯網、云計算、大數據、深度學習等技術的發展和不斷的成熟，人類社會已經由信息時代邁入到以開放、兼容、共享為特征的數字化經濟時代，人工智能也迎來了新的發展浪潮。人工智能在各行業的應用正在深刻改變人類社會的生產和生活方式，人工智能和金融的深度融合正在為銀行業的發展提供源源不斷的創新活力，推動金融行業形成新的經營模式、流程、產品和生態，人工智能在金融領域的廣泛應用必將成為銀行轉型升級的新引擎。

一、人工智能的內涵

1950年艾倫.圖靈在論文《計算機械與人工智能》中第一次引用人工智能的概念，1956年在達特茅斯夏季人工智能研究會議上，參會的專家達成共識：用“人工智能”一詞作為本領域的名稱，也標志著人工智能的誕生。

人工智能簡單來理解就是機器可以像人類一樣能夠感知外界事物、形成認知并做成決策，人工智能的核心是“智能”。人工智能的“智能”表現在三個層面，分別為：運算智能、感知智能和認知智能。運算智能：計算機擁有快速計算和存儲信息的能力，計算機的運算能力要遠遠的超過人類，AlphaGo能夠橫掃世界圍棋高手就是機器出色運算能力的證明;感知能力：機器在與外界事物進行交互時擁有聽覺、視覺、觸覺等感知能力，如：語音識別和處理、人臉識別的底層技術就是基于機器的感知能力;認知智能：機器可以做到“能理解、會思考”，這是機器可以自主學習、深度學習的基礎。隨著人工智能技術的不斷發展，人工智能已經逐步的從類人類行為模式、類人類思維模式向泛智能模式跨越，機器的運算智能、感知智能和認知智能的相互交互將使人工智能擁有著無限的潛能和應用價值。

二、人工智能對金融行業的影響

隨著利率市場化改革、金融脫媒化、監管趨嚴、國際環境日趨復雜以及互聯網金融的沖擊，傳統金融機構普遍面臨著：傳統業務增長乏力、客戶忠誠度下降、市場洞察能力不夠、收入下滑或停滯不前、內外部競爭壓力大、產品創新速度有待提高等問題。

2017年3月5日，人工智能首次被寫入了我國政府工作報告，2017年7月8日，國務院印發《新一代人工智能發展規劃》，2019年9月6日，中國人民銀行印發《金融科技（FinTech）發展規劃（2019-2021）》，人工智能的發展已經上升到國家戰略的層面，人工智能的科研成果和應用正在深刻地影響并改變著金融行業，為銀行業的發展開辟了新的創新方法、獲客方式、營銷路徑、盈利模式、風控體系，要充分發揮人工智能在產品創新、精準營銷、智能投顧、風險防控、提升用戶體驗等方面的先天優勢對于傳統金融機構來說既是機遇也是挑戰。

三、人工智能將成為推動銀行轉型的新引擎

基于人工智能的核心技術：深度學習、算法模型、智能分析和決策，人工智能在金融領域的應用場景主要集中在智能身份認證、智能客服、精準營銷、智能投顧、信貸服務、金融監管、反欺詐及信用風險防控等方面。

（一）智能身份認證

通常來說識別和驗證客戶身份是銀行向不同客戶提供差異化金融服務和產品、客戶進行相關銀行交易的第一步，也是決定客戶體驗的關鍵因素。受制于技術限制，傳統的認證工具主要包括：支付密碼、短信驗證碼、U盾，驗證流程繁瑣且存在著信息泄露、丟失、詐騙等潛在風險，隨著人工智能技術的不斷發展，各大銀行開始在營業網點、手機銀行、ATM、在線客服等渠道及轉賬、理財、信用卡支付等交易中廣泛采用人臉識別、聲紋識別、指紋識別等生物識別驗證，擁有著快速準確識別能力的生物驗證在提高金融服務效率的同時，在很大程度上保證了客戶隱私的安全，極大的改善用戶體驗。

（二）智能投顧

智能投顧是依托人工智能的算法模型，基于客戶的風險偏好、經濟情況、理財目標等個性化、差異化因素，為客戶量身定制最佳投資方案，并通過對市場經濟環境、資產配置方案的實時跟蹤和調整，實現客戶在一定風險下的收益最大化。由于智能投顧擁有分散投資和風險、注重長期投資效益、較人工投資顧問收費低、收益高等特點，這種新的投資理財的模式已經開始逐漸的得到客戶的認可和尊崇，也必將風靡整個投資理財界。根據專業咨詢公司的統計，預計到2020年，金融行業資產管理規模將達到15970億-22000億美元，智能投顧占比將提升到5%，智能投顧市場蘊含的商機和利潤也就不言而喻，目前各大金融機構和互聯網金融企業也在紛紛推成自己的智能投顧品牌，比如：螞蟻金服的“螞蟻聚寶”、中國銀行的“中銀慧投”、招商銀行的“摩羯智投”等。

（三）智能風險防控

商業銀行從本質上來說是經營風險的金融機構，防范和化解金融風險是銀行永恒的主題。金融風險主要包括：信用風險、市場風險、操作風險、流動性風險等。從貸款業務來看：信息不對稱、征信成本高、欺詐性交易、信用違約等是傳統信貸業務的痛點，也是銀行之前無法向中小微企業、低凈值人群廣泛開展信貸業務的重要原因，隨著大數據、人工智能深度學習算法及圖數據關聯關系等技術的不斷發展，通過大數據分析可以對貸款客戶進行精準畫像并將其作為是否授信、授信金額的重要依據，實現貸前風險控制;同時人工智能通過對大量的反欺詐交易、信用違約案例、市場環境數據的深度學習、自主學習，使銀行對貸款業務的實時監測成為可能，從而實現各類風險的快速識別、預警和處理。依托于人工智能的計算機視覺技術、機器學習，各類憑證的自動識別能力提高，機器識別代替人工錄入信息，提高了信息識別的準確性并在很大程度中降低了銀行的操作風險。

（四）智能客服

人工智能在算法上的巨大突破使復雜任務處理的效率和準確率得到了極大提升，同時隨著人工智能的三大核心技術：語音識別技術、計算機視覺、自然語言處理的快速發展，人工智能開始深入地參與到金融領域的客戶服務中。智能客服通過大量學習金融領域的知識，擁有了為客戶提供各類咨詢的基礎和依據，同時在與客戶的聽、說、觸等多元化的溝通互動中，智能客服通過自主學習，可以快速的掌握客戶心理、常見問題、客觀嚴謹的回答、令人感覺舒適的語音語調、智能導航客戶快速獲得所需金融服務，從而可以為客戶提供更加快高效、貼心、人性化的服務，提高了用戶體驗及客戶滿意度。入選《MIT科技評論》“最聰明50家公司”的螞蟻金服一直秉持人工智能即服務的戰略方針，將人工智能技術完美的融合到對客服務中，該公司推出的“小螞答”智能客服平均每天可以處理200-300萬條客戶咨詢，同時還為客戶提供賬戶的實時檢測、一鍵掛失、基金推薦等增值服務。

（五）智能金融監管

金融監管體系是保障金融安全的一道重要的屏障，人工智能為建立新型金融監管體制和模式提供了技術支撐。人工智能通過規則推理和案例推理兩種方式學習各類金融監管的業務場景，從而自動推理相關金融行為是否合規并迅速的采取應對措施。基于人工智能的復雜算法，人工智能擁有著快速學習各類法律、法規、金融數據等的先天優勢，也會給出更加精準的監管判斷及可行的監管措施，從而提高監管的效率，助力構建更加健康、和諧的金融生態。

對于金融機構而言，在金融和的AI的融合中要始終堅持金融為本，技術為手段的定位，用AI賦能傳統金融，一方面要清晰定義目前和未來人工智能在銀行經營和管理上的內外部應用場景，另一方面要深入研究人工智能發展的基礎和技術支撐點：大數據、云計算、深度學習等。在轉型發展內生需求和技術變革外部驅動的共同作用下，各金融機構紛紛加大資源投入探索運用人工智能技術促進業務創新發展，在深入分析國際國內經濟金融環境、市場、客戶需求等外部數據的基礎上持續挖掘人工智能在金融領域的利潤增長點，人工智能必將成為推動銀行金融供給側結構改革及轉型升級的新引擎。

參考文獻：

[1]張澤謙.《人工智能：未來商業與場景落地實操》.北京：中國郵電出版社，ISBN：9787115509222.

[2]羅素.《人工智能：一種現代的方法》.北京：電子工業出版社，ISBN：9787302331094.

[3]李德毅.《人工智能導論》.北京：中國科學技術出版社，ISBN： 9787115453587.

作者單位：建設銀行運營數據中心