人工智慧 金融添雙翼（聚焦高質量發展·關注人工智慧⑤）

　　朱慧卿繪（人民視覺）

　　越來越「聽話」的智能客服，比你更懂你的智能投顧

　　劉罡在深圳一家互聯網公司工作，最近他在手機上辦理了微眾銀行開戶，體驗全然一新。

　　劉罡先通過手機上的微眾銀行APP掃描了身份證，之後屏幕上顯示出一段阿拉伯數字，需要他跟讀。在讀數的時候，系統開始識別人像是否和身份證上的是同一個人，確認表情是否自然。如果系統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。

　　「人臉識別就和去櫃檯辦業務時核對身份一樣。只不過在櫃檯辦理時，是銀行工作人員來核實，現在機器就能遠程核實，方便快捷。」劉罡說。

　　人臉識別技術，是人工智慧在金融領域的一種運用。「在遠程客戶認證方面，我們基於公安部公民身份信息庫和身份聯網核查系統，結合騰訊優圖的人臉識別及活體檢測技術，建成了一套準確度較高的遠程身份識別系統。系統可自動識別並採取多因子核身手段，保障用戶資金安全，整體差錯率被控制在接近百萬分之一。」微眾銀行行長李南青說。

　　機器不僅能識人，也能待客、答疑。用支付寶、逛京東，人們發現越來越多的平台開始用機器人代替人工客服，回答客戶提問，或是接收語音指令。測試數據顯示，支付寶客服平台小螞答完成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—300萬的用戶諮詢。2017年，小螞答客戶滿意率比人工客服還高出了3個百分點。

　　人工智慧技術還讓信貸過程變得越來越「聰明」。幾年前，馬金瑜回青海創業，經營高原蜂蜜和藏族手工藝品等特產，還在網上開了一家微店。開店之初，她與當地牧民做生意都是現金結賬，每次進貨基本上都把所有的現金「抽干」。小生意艱難維持的時候，微店支付業務的工作人員告訴她，可以直接在微店APP申請小微貸款。

　　「人工智慧在信貸中的應用核心是機器學習模型，這貫穿於信貸全程。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，系統就能在線迅速搜集、加工、分析數據，發放貸款前後只要15分鐘。授信後，智能信貸流程並未結束，會時刻監測微店業務數據，跟蹤學慣用戶和企業行為模式變化，預測客戶貸中風險，據此調整客戶授信額度。比如，店裡銷售商品種類突然變了，機器學習模型能捕捉到這一信息，調整客戶的動態風險。」為微店小貸業務提供技術支持的品鈦讀秒科學決策副總裁任然說。

　　金融正變得更場景化、高頻化和個性化

　　易觀諮詢此前發布的《人工智慧理財市場專題分析》報告預測，到2020年，中國人工智慧理財規模將達到5.22萬億元。

　　而在我國，人工智慧技術已經初步滲入到金融科技的各個領域，從智能客服到反欺詐，從商家營銷到貸款模型，從財經資訊推送到智能投顧，從車險圖像定損到保險對話機器人等。不但互聯網公司發力人工智慧，銀行業也利用人工智慧改造傳統的信貸流程和理財模式。

　　家家人工智慧的時代，什麼樣的技術運用才算得上是真正的「智能」？業內普遍認為，一般的系統只能根據設計者確定好的程序去運轉，是一個相對靜態的模型。而人工智慧是一類像人類一樣思考、學習和決策的系統。利用基於大數據的深入學習，機器能合理感知、規劃、推理和自我優化，進行理性決策。

　　以智能客服為例，用戶的不斷使用、機器的自我學習，讓客服變得越來越「聰明」。據螞蟻金服相關負責人介紹，智能客服眼下已是各大服務平台的標配，沒有引入人工智慧技術的客服更接近於一個搜索引擎，將用戶輸入的關鍵詞與資料庫的相關答案匹配。對於口語化的提問，這樣的智能客服往往很難給出「聰明」的回答。真正的人工智慧客服能自我學習，在不同的語境中學習調整提升，問題回答得越多，越精準，尤其對於口語化、表述不夠完整的提問，能夠主動理解。

　　人工智慧似乎成為金融的「新大陸」，藉助人工智慧技術、通過挖掘海量信息，大幅提高了金融服務效率、降低服務成本，從而降低金融服務門檻，這些變化正是金融未來發展的核心競爭點。

　　國際人工智慧協會主席、微眾銀行獨立董事楊強說，人工智慧的引入使得銀行服務發生本質的變化，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則，一個團隊一年最多可以寫上萬條規則，但是人工智慧的模型可以寫出上億條規則，這些規則使得模型能夠適配於各種不同的細分場景。同時，人工智慧讓金融服務從人為主導的服務變為自動的服務，拓展了金融服務的能力。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，卻可以應付上千萬人的需求。金融服務也從通用化的服務，演化到千人千面的服務。未來人工智慧不僅會改變金融，還將使得金融變得更加的場景化，高頻交易。

　　人工智慧技術發展越成熟，機器還能突破人的思維，發現一些按照人類傳統思維難以發現的問題。任然舉例說，公司曾為一家電商合作夥伴平台打造了「預支付」功能，為信用良好的用戶提供先消費、後付款服務。但在這個工程中卻發現有一批用戶在進行了一系列複雜流程後，卻在最後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，或者認為申請流程複雜等等。但在人工智慧的幫助下才發現，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的某個瀏覽器的某個版本下的某解析度，導致支付按鈕無法顯示。「人工智慧最終幫助我們挽回了一批不應該損失的用戶。」任然說。

　　機器並不完美，人工不能缺席

　　人工智慧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域打通線上線下。楊強說，現在沒有實現的主要原因在於數據沒有連通，以及人工智慧技術的應用還不到位。

　　大數據是人工智慧實現的基礎，人工智慧對於精確數據的需求會越來越強烈，驅動著開放平台的建立。《人工智慧理財市場專題分析》指出，各個巨頭將打破單一的生態循環，將更多的渠道和產品納入自己的開發平台之上，以便獲取更多的數據，多維度地理解用戶需求，做出相應的匹配，從而完成對數據的整合和加工。預測未來5年機構之間會加速滲透，雙方協同發展的基礎集中在演算法、流量、創新技術開發與市場教育。

　　行業合作已經開始，互聯網巨頭正打開合作、共享的平台。據統計，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據、風控、營銷等科技能力輸出。目前，京東金融的金融服務人群已經涵蓋1.5億用戶，合作夥伴已經達到50萬家。螞蟻金服成熟的人工智慧技術也向行業陸續開放，螞蟻智能理財顧問向金融機構開放一個月後，日均交易額比一個月前增長了243%，日均客單的漲幅也達到了190%。螞蟻圖像定損能力開放給保險公司後，人工智慧幾秒鐘就能對事故車做出準確定損結果，有望每年為行業節約案件處理成本20億元。

　　不過機器並不完美，人工不能缺席。任然介紹，機器學習模型基於歷史數據進行學習、預測，相對穩定，但市場和數據總是變化的，在實際運行中難免出現舊數據源不穩定、新增數據源和客群變化等極端情況。在這種不穩定的情況下，放任人工智慧模型自行迭代，可能會導致模型準確度和穩定性不足的問題。這時候需要一些人工參與，替換數據或者調整數據在模型中的權重。