未來 | 人工智慧在金融業還會有怎樣的突破？

隨著新一輪科技和產業革命的爆發，人工智慧（AI）已經成為全球經濟發展的新引擎，各行各業都在積極部署，推進人工智慧應用落地。如今，人工智慧的觸角早已慢慢滲透到了金融、財會、諮詢法律等門檻較高的專業領域，可見AI結合萬物的時代正悄悄來臨。

在我國，近年來人工智慧領域空前火熱，政策環境利好。隨著《互聯網+人工智慧三年行動實施方案》、《新一代人工智慧發展規劃的通知》、《促進新一代人工智慧產業發展三年行動規劃》等多項政策與指導意見的印發，人工智慧技術產業有望迎來新一輪的發展，特別是在產業結構、人才培養、創新孵化等維度上的升級轉型。

一、人工智慧簡介

人工智慧的概念最早誕生於五十年代的美國。最初，人工智慧（AI）被定義為用機器來模仿人腦思考以及關聯的智能行為。在構建過程中，AI不斷結合數學、計算機科學、生理學、哲學等內容，並逐步發展壯大。

而就目前來看，經過半個世紀的發展，人工智慧已現成為影響全球各行各業的熱點技術，且部分應用在特定領域已經超過了人腦表現。

近年來，各領域的投資熱度逐步攀升，醫療健康、移動通訊、教育培訓等類更是受到資本熱捧。

二、人工智慧的發展概況

人工智慧領域的研究架構大致可分為：基礎層、演算法層、方案層及應用層。由下至上、層層遞進。基礎層的數據與計算能力越強、中層的演算法、技術等越成熟，上層建築（即解決方案）才能更為牢靠。

而就行業圖譜來看，主流趨勢為各企業機構之間分工明晰，聚焦明確。當然，業內也不乏像BAT、谷歌、微軟等打造跨層級的整體服務與方案的巨頭企業。

在人工智慧的諸多應用行業中，金融領域受到主要關注。AI作為眾多技術手段之一，對金融行業產生前所未有的巨大影響。

語言識別處理、視覺生物識別、神經網路機器學習等人工智慧技術已融入金融領域的各類作業流程中。

以銀行為例，領先銀行早已在不同作業層面做出大量人工智慧投入，通過實時分析、機器人、深度學習、圖像解析等技術，提高服務質量、降低經營成本。

三、商業銀行人工智慧案例

美國銀行是美國最大的商業銀行之一，也是最早一批人工智慧在金融領域運用的實例之一。該行的成立可以追溯到1784年的馬薩諸塞州銀行——美國第二個歷史最悠久的銀行。08年，美國銀行以大約440億美元的價格收購美林證券，隨即合併成為美銀美林，將傳統商業銀行業務版圖向大投行方向擴建。目前，美銀美林已涉足投資，融資，諮詢，保險和相關的產品及服務，包括：證券經紀，交易，承銷；投資銀行，策略諮詢服務，合併與收購、投資管理；互換，期權，遠期，期貨和其它衍生品及外匯產品的創設、信託，貸款、按揭貸款和相關服務、保險銷售和承銷服務。

伴隨業務版圖擴張的，是美銀美林對於科技的不懈投入。而人工智慧作為其最大的科技投入，已打造出不少較為成熟的應用方案。其中，智能投顧機器人Erica、全自動化ROBO分行、應收賬款解決方案HighRadius是美銀美林AI應用中的佼佼者。

定位於成為用戶「可信任的金融諮詢師」Erica，是美銀美林智能投顧機器人的代表。推出Erica虛擬助手，使用人工智慧為客戶提出改進財務的建議，客戶能夠在手機上通過文字和聲音和「她」進行交談。該助手會使用預測分析來提出自己的話題，而不是僅僅回答客戶提出的問題。比如，Erica會使用預測分析和認知消息來幫助客戶執行付款或償還債務等，此外Erica能為消費者培養更好的理財習慣，並向用戶發送建議性消息：「米歇爾，我找到了一個很好的機會，減少你的債務並節省300美元。」不僅如此，她還會引導人們查看他們的FICO分數，提醒客戶採取措施來解除「她」注意到的下滑信用評級。

除了智能機器人，美銀美林還打造了人工智慧應收賬款解決方案HighRadius。此解決方案彙集了AI，機器學習和光學字元識別（OCR），為應收賬款對賬和支付匹配設定了一個新的條件，通過四個步驟實現了直接對賬：

1. 識別付款人並將其付款聯繫到單獨收到的匯款；
2. 從電子郵件，電子郵件附件，電子數據交換（EDI）和付款人門戶網站提取匯款數據；
3. 使用豐富的匯款數據來開立應收賬款；
4. 創建客戶端上傳到其ERP系統的應收賬款過賬文件。

此外，該方案還有以下亮點：

1. 在無法自動匹配發票的情況下，一個異常門戶允許應收賬款工作人員上傳支持數據或進行其他調整以啟用匹配；
2. 客戶可以設置自動生成的電子郵件並發送給付款人，要求他們識別出他們想要支付的發票；
3. 解決方案指示板的報告具有現金預測功能，可以幫助客戶更好地理解付款人的行為；
4. 支持公司向那些債務未償還的客戶發送自動提示。

無人銀行是國內最近才開始興起的熱點話題。然而早在兩年前，美銀美林就已經開始試點完全沒有現場員工、全自動化的分支機構。目前，在明尼阿波利斯、丹佛開設了所謂的「ROBO分行」共三家。與Apple Genius Bar類似，客戶可以通過銀行手機應用程序預約。到現場後，客戶將與一個遠程工作的銀行僱員進行一對一的視頻對話。

通常，美國傳統銀行的分支機構佔地面積大約為5000平方英尺。新的ROBO分支機構由於減少了人員辦公要素，將佔地規模減至原來的四分之一。目前，「ROBO分行」已經支持的業務有基礎類交易、兌現支票、出售抵押貸款、信用卡以及汽車貸款等。

由上可見，美國銀行的人工智慧布局已久，不論是智能機器人、還是無人銀行等，都是實打實的技術運用，非常值得其他同業學習借鑒。

四、金融科技廠商之人工智慧案例

螞蟻金服作為國內領先的金融科技公司，在人工智慧領域具備較為前沿的實踐應用經驗。在螞蟻金服內部，專門設有一支研究人臉識別、圖像識別、機器學習等人工智慧技術的科學家團隊，其團隊的科技產出被不斷地應用於螞蟻金服的各個金融業務環節之中，目前已經在智能客服、財富管理以及車險定損等若干個場景落地。

重複、單調且規律性較強的客服工作一直被視為人工智慧將會取代的崗位職能。螞蟻金服打造的「新客服平台」正在發力這一領域，基於AI語言識別與自然語言處理技術的「小蟻答」智能客服是其中最具代表性的產品。傳統意義上的客服過程較為機械化，用戶撥號之後需要聽完1至9個號碼的提示解說再選擇按鍵進入下一個流程，存在點錯率高、耗時較長等一系列影響客戶體驗的問題。「小蟻答」智能客服則完全改變了觸達客戶的方式。客戶只需要通過語音「發號施令」，「小蟻答」便可通過自動識別語音為客戶提供秒級的服務，甚至可以根據用戶的行為、偏好等數據預測用戶即將提出的問題，據估算其效率約為人工客服的30至60倍。

財富管理領域也是螞蟻金服重點發力的人工智慧場景之一。過去，基金公司一直被客戶留存問題所困擾。螞蟻金服上線的財富號平台利用人工智慧技術，巧妙地在金融機構與客戶之間構建了一座連通的橋樑，彌補了原先基金公司難以精準觸達客戶的短板。具體而言，財富號平台中的AI智能引擎「如意」可以將不同的客戶群細化分類，為每個客戶群推送最符合其需求的個性化基金產品；智能運營參謀「司南」可以衡量推送效果，評估客戶滿意程度，從而優化改善運營過程；智能節流器則可以用AI協助基金公司對推送內容進行拼圖、設計、美化等工作。據統計，該節流器可以將用戶交易轉化率增加約40%。

此外，「定損寶」是螞蟻金服將人工智慧運用於車險定損領域的典型案例。傳統的車險定損環節需要查勘員到出險現場拍攝照片，然後交由定損員對車輛損傷情況進行鑒定並決定賠償金額。對於客戶而言，會遭遇理賠流程繁瑣、賠償等待時間過長等痛點；對保險公司而言，若恰逢交通高峰擁堵期或出險現場偏遠等狀況，會面臨理賠人員人手不足等痛點，甚至還有不法之徒進行騙保的風險。使用了深度學習圖像技術的「定損寶」解決方案則可以很好地解決這些問題，前期需要將海量帶有標註的車輛圖片灌輸給演算法模型，並根據光照、顏色等各類環境變數對模型進行持續的迭代與完善，使之具備精準識別車輛刮擦損毀程度的能力。用戶只需要將帶牌照的出險車輛照片上傳至「定損寶」，5秒鐘之內就可以準確估算出理賠金額、維修價格等信息，並顯示周邊距離最近的維修廠定位。總體而言，「定損寶」大大壓縮了理賠人力成本，降低了欺詐風險，提升了客戶粘性。

五、展望

根據Gartner預測，人工智慧對行業的影響將在不久的將來大規模爆發。例如，到2020年，AI在取代180萬個工作崗位的同時，創造230萬個新型工作機會；到2021年，AI將帶來近3萬億美元的商業價值並節省62億小時的工作量；到2022年，20%的非重複性崗位將重度依賴AI技術並且有40%的客戶服務崗位必須在虛擬助手的幫助下才能進行決策與流程執行。

而對於金融業來說，人工智慧無疑將對傳統金融業帶來深遠的影響，在削減重複性崗位及流程的同時，提升金融行業整體效率。對此，傳統金融機構應主動謀求轉型，強化AI技術，建設配套的經營能力。