銀行應用人工智慧技術的現狀與未來

04-24

在阿爾法狗戰勝李世石後，人工智慧在全球的熱議程度達到一個新的高度。得益於神經網路深度學習在演算法上的突破，使得多個基礎人工智慧技術水平得到飛躍提升。計算機視覺、機器學習、自然語言處理、機器人技術、語音識別等人工智慧技術快速發展對整個社會帶來的改變將遠大於互聯網。

從未來的角度看，我們現在極有可能處在「互聯網+」向「人工智慧」轉變的時點。在金融領域，由於其服務的本質仍然是人與人之間的交流，人工智慧帶來的影響將是重新解構金融服務的生態，將互聯網時代下銀行轉嫁給客戶的服務成本以一種更有效的方式重新回歸銀行懷抱，從而降低客戶選擇傾向，加深客戶對於金融機構的服務依賴度。

一、人工智慧對金融行業帶來的影響分析

基礎層的雲計算、大數據等因素的成熟催化了人工智慧的進步，深度學習帶來演算法上的突破則帶來了人工智慧浪潮，使得複雜任務分類準確率大幅提升，從而推動了計算機視覺、機器學習、自然語言處理、機器人技術、語音識別技術的快速發展。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，在所有領域徹底改變人類，併產生更多的價值，取代更多人的工作，也會讓很多現在重複性的工作被取代，讓人可以從勞動密集型的工作中解放出來，釋放人力去做更具有價值的事情。對於金融領域來講，主要有以下幾方面的影響：

一是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。如銀行與客戶發生關係的媒介主要在網點，客戶與網點人員通過人與人的交流，能迅速的發現並滿足客戶金融需求，甚至通過一些交談、觀察客戶的細節挖掘到潛在的需求。通過一段時間的人與人交流，客戶與銀行工作人員建立了深厚的關係，而這種關係提高了客戶對於銀行人員的依賴程度，我們稱之為客戶黏性（或者稱為「使客戶變傻」）。一旦黏性存在，客戶很少會去比較銀行人員所推薦的金融服務，如購買理財產品的時候，不會去比較多個銀行的收益水平。

而在互聯網時代，互聯網技術和互聯網金融企業的蓬勃發展，共同促使金融機構大力開展系統建設工作，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，麻煩了客戶的金融需求發現和滿足，這同樣也使銀行失去了創造更多金融價值的機會。

無論如何優化功能菜單，客戶總要去付出這一選擇成本，在這個過程中，客戶的金融專業度被動提升（或者稱為「使客戶變聰明」），他會去主動比較哪家金融機構提供的服務價格最優、服務效率最便捷，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，這對於深處服務價值鏈高端的金融將帶來深刻影響，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（銀行、保險、理財、借貸、投資等方面）更加地個性與智能化。

二是金融大數據處理能力大幅提升

作為百業之母的金融行業，與整個社會存在巨大的交織網路，沉澱了大量有用或者無用數據，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。

二、目前人工智慧技術在金融領域應用情況

Google、IBM等國際巨頭公司已經將人工智慧技術滲透在各種產品的方方面面，總體上看，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。

（一）阿里巴巴

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，人工智慧開始發揮作用，「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%。

（二）交通銀行

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。

（三）平安集團

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。

三、人工智慧在金融行業的應用啟示

結合目前行業發展趨勢，按照人工智慧技術分類，分別整理五大類應用場景設想。結合目前人工智慧技術支持能力和市場實際應用情況看，筆者認為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。其他類人工智慧技術目前商業運用仍處於初期階段，應予以繼續進行跟蹤。

（一）語音識別與自然語言處理應用

1、智能客服

（1）實現目標

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。為坐席提供一種輔助手段，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）具體內容

通過電話客服渠道、網上客服、APP、簡訊、微信以及智能機器人終端與客戶進行語音或文本的互動交流，理解客戶業務需求，語音回復客戶提出的業務諮詢，並能根據客戶語音導航至指定業務模塊。對傳統按鍵式菜單進行改造，用戶使用自然語音與系統交互，實現菜單扁平化，提升用戶滿意度，減輕人工服務壓力，降低運營成本。電話客服不再受限於菜單，可開展全業務的語音導航服務。

2、語音數據挖掘

（1）實現目標

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。

（2）具體內容

語音語義分析自動給出重點信息聚類，聯想數據集合關聯性，檢索關鍵詞，並匯總熱詞，發現最新的市場機遇和客戶關注熱點。同時，根據金融行業客服與客戶的通話情況，可進行業務諮詢熱點問題梳理統計，由機器進行自動學習，梳理生成知識問答庫，並作為後續機器自動回復客戶問題的參考依據。

（二）計算機視覺與生物特徵識別應用

1、人像監控預警

（1）實現目標

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。

（2）具體內容

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

（1）實現目標

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。

（2）具體內容

人工智慧還能監督和跟蹤員工行為，並判斷員工行為是否合規，安全等。如運用圖形視頻處理技術，實時監控銀行櫃員在規定動作以外的行為，提醒後台人員進行注意。通過紙文本讀取技術，排查所有交易單據，建立關鍵字提示技術。或者回訪客服問答、櫃檯對話記錄，建立風險模型，及時發現可疑交易等。識別並標記視頻監控中發現的員工可疑行為錄像片段，提示後台人員進行查看；同時，對一線操作人員起到心理震懾作用。

3、核心區域安全監控

（1）實現目標

在銀行內部核心區域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。如集中運營中心、數據中心機房等。

（2）具體內容

集中運營中心、機房、保險柜、金庫等重要場所可採用人臉門禁提高內部安全控制，通過人臉識別的驗證方式，實現銀行內部安全管理，有效地防範不法分子的非法入侵，同時進行多人的人臉識別，實現智能識別，達到安全防範的目標。

（三）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(結構化，非結構)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。比如：壞資產可直接標籤為「司法訴訟」，並提醒相關人員進行訴訟流程。通過提取個人及企業在其主頁、社交媒體等地方的數據，一來可以判斷企業或其產品在社會中的影響力，比如觀測App下載量，微博中提及產品的次數，對其產品的評價;此外將數據結構化後，也可推測投資的風險點。藉助機器學習完成傳統金融企業無法做到的放貸過程中對借款人還貸能力進行實時監控，從而及時對後續可能無法還貸的人進行事前的干預，以減少因壞賬而帶來的損失。

3、智能投顧

（1）實現目標

根據馬科維茨的現代資產組合理論（MTP），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。

（2）具體內容

運用人工智慧技術，採用多層神經網路，實時採集所有重要的經濟數據指標，智能投顧系統不斷進行學習。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，以不追求短期的漲跌回報、而期望長期的穩健回報為目標，進一步深刻踐行銀行長期服務客戶的理念。通過智能投顧解決方案，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。

（四）服務機器人技術應用

機房巡檢和網點智慧機器人：

（1）實現目標

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。

（2）具體內容

運用機器人技術，在網點或機房投放智慧機器人，實現指定區域自動巡航功能，可對客戶進行迎賓分流，進行語音互動交流，根據客戶知識庫內容進行標準業務諮詢和問答，減少大堂經理的重複性工作。同時通過前端採集客戶數據，可開展精準營銷工作。此外，增強銀行服務的科技創新感和服務新體驗，為銀行服務的轉型升級注入全新的因素。

後記展望

人工智慧聽起來很高大上，我們在現實生活或工作中也經常會遇到一味炒作概念的人，過分誇大人工智慧所能起到的作用以博取眼球。筆者認為，現階段人工智慧確實可以幫助提高工作效率，但撥開其光鮮外表迷霧，人工智慧最終的應用場景還需要我們繼續深入思考。短期來看，人工智慧在絕大部分領域還不能替代人力，但是能起到較大的輔助作用。而對於金融行業而言，最重要的是繼續緊跟這股智能潮流，可以嘗試在多個領域運用相關技術，不管是提升客戶體驗還是內部管理效率，或者是風險防範，都需要更多的人加入到這個新的領域，也需要更多的探索和嘗試。