．AI 融入金融業，欲佔領下個十年高地

What is fintech? | CNBC Explains

Ai芯天下

以嚴謹和保守著稱的金融行業，近年來引來了一連串的技術變革，掃碼支付、人臉辨識、機器風控等新的金融手段不斷出現，顛覆了行業刻板印象。

金融場景下高度結構化的數據，給AI技術的發展提供了機會，在此基礎上，身份辨識、風控管理、流程優化等領域，開始出現 AI 技術的身影。事實上，金融行業已成為 AI 場景中，發展最為迅速的領域之一。

人工智慧對金融業的變化

①人工智慧會取代大部分金融領域的從業者，首先會取代一些需要重複性工作的崗位，例如銀行客服等的職位。但長遠來看，其取代將會是全方位的，從客服到資產管理經理或交易員，人工智慧也會陸續取代昂貴的人工服務。

未來5年內，銀行業的30％工作崗位將會消失。取而代之的是智慧金融相關崗位增加，技術人員的需求會增加。金融機構走向技術化。

②人工智慧在金融業的應用，在智能投顧上的應用，前景非常廣闊，借助高性能電腦和大數據處理技術，理財機器人可以為用戶，提供非常好的投資建議。

自動化的程序交易，可以盡可能的減少資金和時間的浪費，提升資金使用效率。目前對岸中國領先的智慧財富管理平台懶財網，在此方面已經累積了深厚的經驗。懶財網的智慧機器人可以透過對用戶的資金流動性、個性化分析，為用戶匹配合適的資產。

③利用人工智慧進行風險防控，已經取得進展，已經有不少的信貸機構在實踐基，將數據挖掘、機器學習等大數據建模方法，運用到貸前信用評審、反欺詐等風控管理環節。

相較傳統的徵信方式，利用人工智慧，可以快速處理大數據內容，從而在多個維度上，對風險進行評估，除了個體數據，還可以分析與個體數據，有關聯的其他個體和群體數據，檢測分析企業的上下游、合作、競爭對手、子母公司、投資、對標等關係。能夠覆蓋更大的範圍，同時確保風控準確性。

④人工智慧領域的研究包括機器人、語言辨識、圖像辨識、自然語言處理和專家系統等，除了信貸風控之外，還可以進行內部安全監管。如運用圖形影像處理技術，即時監控銀行櫃員行為。透過人臉辨識系統對集中營運中心、數據中心機房等進行安全保障，防範不法分子的非法入侵，同時進行多人的人臉辨識，實現智慧辨識，達到安全防範的目標。

⑤傳統的金融賬戶登錄驗證，多採用賬號＋密碼＋簡訊驗證碼的模式，流程繁瑣且會產生一定的通信費用。目前已有一部分金融機構，將生物特徵辨識技術，用於賬戶登錄、賬戶查詢、支付等身份驗證環節。

金融領域正在應用的生物辨識技術，包括但不限於指紋辨識、聲紋辨識、虹膜辨識、人臉辨識等。以人臉辨識為例，隨著智慧手機逐步擁有1：1的人臉比對能力，對岸的微信支付及支付寶兩大支付巨頭，先後上線了刷臉支付功能，並在線下門市店，展開了刷臉支付設備推廣戰。

人工智慧＋大數據對金融業的幫助

①在數據初篩與分類整理的基礎上，金融機構可以借助數據，對客戶進行數據畫像。對於金融機構而言，非常難以判斷，僅憑客戶填寫的資料是非常不清晰的。

透過人工智慧下大量的數據輔助，金融機構就可以根據一條條數據，對於要借款的用戶，進行特徵化處理，對用戶進行標籤化建設，透過標籤體系，將用戶的特徵完全描述出來，從而讓用戶的特徵，在金融機構面前變得清晰可見，利於下一步的業務推進和風險控制。

②近些年來，由於對岸中國網路金融的飛速發展，在網路上形成了一整套，針對網路金融的「薅羊毛」黑色產業鏈，這些羊毛黨們往往手上蒐集著幾百張，甚至上千張電話卡、身份證等關鍵資訊，只要看到有做活動的網路金融平台，就一擁而上，借助平台吸引新用戶的優惠，大發橫財。

針對這個人群，人工智慧＋大數據就有了用武之地，透過大數據羊毛防火牆，會記錄每個用戶的投放管道，針對投放的轉化率、復投率等指標，進行綜合分析，再判斷用戶有沒有反覆更換數據卡，更換手機來註冊用戶，從而避免羊毛黨對於平台的傷害。

③透過對於每個人的大數據分析，借助大數據建模，建構起了用戶身份的關聯屬性，從而提升了對於風險的防控能力。

透過這一個個關聯體系，建構起了借款人之間的人脈關係網，當一個人脈關係網中的人，經常違約的話，系統將會自動降低對此關係網中人的信用評級，甚至直接拒絕貸款。

④現階段，金融詐欺事件頻發，很重要的原因就是現在一個個銀行所儲存的賬戶資訊，是相互孤立的，難以進行有效地分析。

基於人工智慧和大數據分析的反詐欺，應用難點就在於如何把不同來源的，結構化或非結構化的數據整合在一起，並建構反詐欺引擎，從而有效地辨識出身份造假、團體詐欺、代辦包裝等詐欺行為。知識圖譜作為關係的整合以及表達解析方式，可以很好地解決這些問題，讓金融欺詐的慣用伎倆無處藏身，從而實現數據反欺詐。

理性看待AI在金融業的應用

AI不可能是萬能藥，不可能一下子解決行業的痛點，不可能一下子有那麼完美。所以，首先要擁抱這個技術，擁抱它的商業模式，但同時要有耐心，要有務實的心態，真正瞭解AI的潛力和局限性。

但實際上人工智慧背後有很多的人工標注、訓練學習的勞動，所以有多少人工才有多少智慧，人工智慧並不是一個神秘東西，有很多的努力在後面，而且需要很多使用者、用戶要理解、業務痛點，而不是說設立一個AI實驗室，找一幫科學家關起門來，搞出一個神秘的算法解決很多的問題。

訓練，接納它的不完美，這樣才能真正的把一個 AI 的項目，慢慢培育起來。

如果決定採用AI技術在金融行業，必須與業務部門緊密配合，找出業務的痛點，用AI的技術解決它實實在在的。