人工智能使金融正變得更場景化、高頻化和個性化

劉罡在深圳一家互聯(lián)網(wǎng)公司工作，最近他在手機(jī)上辦理了微眾銀行開戶，體驗全然一新。劉罡先通過手機(jī)上的微眾銀行APP掃描了身份證，之后屏幕上顯示出一段阿拉伯?dāng)?shù)字，需要他跟讀。在讀數(shù)的時候，系統(tǒng)開始識別人像是否和身份證上的是同一個人，確認(rèn)表情是否自然。如果系統(tǒng)自動識別出來沒有問題，劉罡很快就能通過開戶審核，辦理這家銀行新的賬戶，整個過程不超過3分鐘。

“人臉識別就和去柜臺辦業(yè)務(wù)時核對身份一樣。只不過在柜臺辦理時，是銀行工作人員來核實，現(xiàn)在機(jī)器就能遠(yuǎn)程核實，方便快捷?！眲㈩刚f。

人臉識別技術(shù)，是人工智能在金融領(lǐng)域的一種運用?！霸谶h(yuǎn)程客戶認(rèn)證方面，我們基于公安部公民身份信息庫和身份聯(lián)網(wǎng)核查系統(tǒng)，結(jié)合騰訊優(yōu)圖的人臉識別及活體檢測技術(shù)，建成了一套準(zhǔn)確度較高的遠(yuǎn)程身份識別系統(tǒng)。系統(tǒng)可自動識別并采取多因子核身手段，保障用戶資金安全，整體差錯率被控制在接近百萬分之一?！蔽⒈娿y行行長李南青說。

機(jī)器不僅能識人，也能待客、答疑。用支付寶、逛京東，人們發(fā)現(xiàn)越來越多的平臺開始用機(jī)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(shù)據(jù)顯示，支付寶客服平臺小螞答完成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—300萬的用戶咨詢。2017年，小螞答客戶滿意率比人工客服還高出了3個百分點。

人工智能技術(shù)還讓信貸過程變得越來越“聰明”。幾年前，馬金瑜回青海創(chuàng)業(yè)，經(jīng)營高原蜂蜜和藏族手工藝品等特產(chǎn)，還在網(wǎng)上開了一家微店。開店之初，她與當(dāng)?shù)啬撩褡錾舛际乾F(xiàn)金結(jié)賬，每次進(jìn)貨基本上都把所有的現(xiàn)金“抽干”。小生意艱難維持的時候，微店支付業(yè)務(wù)的工作人員告訴她，可以直接在微店APP申請小微貸款。

“人工智能在信貸中的應(yīng)用核心是機(jī)器學(xué)習(xí)模型，這貫穿于信貸全程。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(tǒng)就能在線迅速搜集、加工、分析數(shù)據(jù)，發(fā)放貸款前后只要15分鐘。授信后，智能信貸流程并未結(jié)束，會時刻監(jiān)測微店業(yè)務(wù)數(shù)據(jù)，跟蹤學(xué)習(xí)用戶和企業(yè)行為模式變化，預(yù)測客戶貸中風(fēng)險，據(jù)此調(diào)整客戶授信額度。比如，店里銷售商品種類突然變了，機(jī)器學(xué)習(xí)模型能捕捉到這一信息，調(diào)整客戶的動態(tài)風(fēng)險。”為微店小貸業(yè)務(wù)提供技術(shù)支持的品鈦讀秒科學(xué)決策副總裁任然說。

金融正變得更場景化、高頻化和個性化

易觀咨詢此前發(fā)布的《人工智能理財市場專題分析》報告預(yù)測，到2020年，中國人工智能理財規(guī)模將達(dá)到5.22萬億元。

而在我國，人工智能技術(shù)已經(jīng)初步滲入到金融科技的各個領(lǐng)域，從智能客服到反欺詐，從商家營銷到貸款模型，從財經(jīng)資訊推送到智能投顧，從車險圖像定損到保險對話機(jī)器人等。不但互聯(lián)網(wǎng)公司發(fā)力人工智能，銀行業(yè)也利用人工智能改造傳統(tǒng)的信貸流程和理財模式。

家家人工智能的時代，什么樣的技術(shù)運用才算得上是真正的“智能”？業(yè)內(nèi)普遍認(rèn)為，一般的系統(tǒng)只能根據(jù)設(shè)計者確定好的程序去運轉(zhuǎn)，是一個相對靜態(tài)的模型。而人工智能是一類像人類一樣思考、學(xué)習(xí)和決策的系統(tǒng)。利用基于大數(shù)據(jù)的深入學(xué)習(xí)，機(jī)器能合理感知、規(guī)劃、推理和自我優(yōu)化，進(jìn)行理性決策。

以智能客服為例，用戶的不斷使用、機(jī)器的自我學(xué)習(xí)，讓客服變得越來越“聰明”。據(jù)螞蟻金服相關(guān)負(fù)責(zé)人介紹，智能客服眼下已是各大服務(wù)平臺的標(biāo)配，沒有引入人工智能技術(shù)的客服更接近于一個搜索引擎，將用戶輸入的關(guān)鍵詞與數(shù)據(jù)庫的相關(guān)答案匹配。對于口語化的提問，這樣的智能客服往往很難給出“聰明”的回答。真正的人工智能客服能自我學(xué)習(xí)，在不同的語境中學(xué)習(xí)調(diào)整提升，問題回答得越多，越精準(zhǔn)，尤其對于口語化、表述不夠完整的提問，能夠主動理解。

人工智能似乎成為金融的“新大陸”，借助人工智能技術(shù)、通過挖掘海量信息，大幅提高了金融服務(wù)效率、降低服務(wù)成本，從而降低金融服務(wù)門檻，這些變化正是金融未來發(fā)展的核心競爭點。

國際人工智能協(xié)會主席、微眾銀行獨立董事楊強(qiáng)說，人工智能的引入使得銀行服務(wù)發(fā)生本質(zhì)的變化，更場景化、高頻化和個性化。簡單的模型一個人可以一天寫幾條規(guī)則，一個團(tuán)隊一年最多可以寫上萬條規(guī)則，但是人工智能的模型可以寫出上億條規(guī)則，這些規(guī)則使得模型能夠適配于各種不同的細(xì)分場景。同時，人工智能讓金融服務(wù)從人為主導(dǎo)的服務(wù)變?yōu)樽詣拥姆?wù)，拓展了金融服務(wù)的能力。比如，過去銀行一天可以接待成百上千人，但是像純線上銀行，卻可以應(yīng)付上千萬人的需求。金融服務(wù)也從通用化的服務(wù)，演化到千人千面的服務(wù)。未來人工智能不僅會改變金融，還將使得金融變得更加的場景化，高頻交易。

人工智能技術(shù)發(fā)展越成熟，機(jī)器還能突破人的思維，發(fā)現(xiàn)一些按照人類傳統(tǒng)思維難以發(fā)現(xiàn)的問題。任然舉例說，公司曾為一家電商合作伙伴平臺打造了“預(yù)支付”功能，為信用良好的用戶提供先消費、后付款服務(wù)。但在這個工程中卻發(fā)現(xiàn)有一批用戶在進(jìn)行了一系列復(fù)雜流程后，卻在最后的支付階段停止了操作。工程師們最初猜測，可能是用戶對額度不滿意，或者認(rèn)為申請流程復(fù)雜等等。但在人工智能的幫助下才發(fā)現(xiàn)，原來這一批用戶之所以不支付，竟然是因為他們都使用某手機(jī)的某個瀏覽器的某個版本下的某分辨率，導(dǎo)致支付按鈕無法顯示。“人工智能最終幫助我們挽回了一批不應(yīng)該損失的用戶?！比稳徽f。

機(jī)器并不完美，人工不能缺席

人工智能脫離不了金融的實際場景，這需要在支付、信貸和信用體系等各個領(lǐng)域打通線上線下。楊強(qiáng)說，現(xiàn)在沒有實現(xiàn)的主要原因在于數(shù)據(jù)沒有連通，以及人工智能技術(shù)的應(yīng)用還不到位。

大數(shù)據(jù)是人工智能實現(xiàn)的基礎(chǔ)，人工智能對于精確數(shù)據(jù)的需求會越來越強(qiáng)烈，驅(qū)動著開放平臺的建立?！度斯ぶ悄芾碡斒袌鰧ｎ}分析》指出，各個巨頭將打破單一的生態(tài)循環(huán)，將更多的渠道和產(chǎn)品納入自己的開發(fā)平臺之上，以便獲取更多的數(shù)據(jù)，多維度地理解用戶需求，做出相應(yīng)的匹配，從而完成對數(shù)據(jù)的整合和加工。預(yù)測未來5年機(jī)構(gòu)之間會加速滲透，雙方協(xié)同發(fā)展的基礎(chǔ)集中在算法、流量、創(chuàng)新技術(shù)開發(fā)與市場教育。

行業(yè)合作已經(jīng)開始，互聯(lián)網(wǎng)巨頭正打開合作、共享的平臺。據(jù)統(tǒng)計，京東金融已為400家銀行、55家保險公司、100家基金公司提供了大數(shù)據(jù)、風(fēng)控、營銷等科技能力輸出。目前，京東金融的金融服務(wù)人群已經(jīng)涵蓋1.5億用戶，合作伙伴已經(jīng)達(dá)到50萬家。螞蟻金服成熟的人工智能技術(shù)也向行業(yè)陸續(xù)開放，螞蟻智能理財顧問向金融機(jī)構(gòu)開放一個月后，日均交易額比一個月前增長了243%，日均客單的漲幅也達(dá)到了190%。螞蟻圖像定損能力開放給保險公司后，人工智能幾秒鐘就能對事故車做出準(zhǔn)確定損結(jié)果，有望每年為行業(yè)節(jié)約案件處理成本20億元。

不過機(jī)器并不完美，人工不能缺席。任然介紹，機(jī)器學(xué)習(xí)模型基于歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)、預(yù)測，相對穩(wěn)定，但市場和數(shù)據(jù)總是變化的，在實際運行中難免出現(xiàn)舊數(shù)據(jù)源不穩(wěn)定、新增數(shù)據(jù)源和客群變化等極端情況。在這種不穩(wěn)定的情況下，放任人工智能模型自行迭代，可能會導(dǎo)致模型準(zhǔn)確度和穩(wěn)定性不足的問題。這時候需要一些人工參與，替換數(shù)據(jù)或者調(diào)整數(shù)據(jù)在模型中的權(quán)重。