王茜程都：人工智慧如何影響銀行業轉型

人工智慧通過無人化的客戶交互方式降低銀行經營成本

在銀行業的「二八」定律被打破後，零售業務將逐漸成為銀行轉型發展的重點和盈利的重要引擎。客戶群體的快速擴張使得銀行業的人工需求大幅增加。在當前人口紅利逐漸消失、工資成本攀升的階段，快速擴張員工隊伍支撐零售業務的發展必然導致銀行財務負擔的快速增長。調查顯示，國內銀行零售業務的成本收入比高達60%～80%，發展零售業務面臨巨大的成本控制壓力。

人工智慧技術則可以通過語音識別、自然語言處理和圖像識別系統提供智能機器服務，將客服中心和櫃檯的大量人工解放出來，還可通過智能巡檢替代人工監控，從而促使商業銀行的零售業務由勞動密集型轉變為資本密集和智力密集型，大幅提升運營效率，降低服務成本。典型的應用場景有基於語音識別和人臉識別技術的智能客服、櫃員業務輔助、大堂智能引導等。

目前，在國外已有歐洲的英國蘇格蘭皇家銀行、瑞典北歐斯安銀行、西班牙桑坦德銀行等開始使用人工智慧客服，日本軟體銀行也啟動機器人pepper與客戶交流互動，三菱東京UFJ銀行推出機器人NAO接待顧客等。在我國，已有工商銀行推出智能機器人解答客戶諮詢，建設銀行啟用智慧櫃員機STM為客戶提供智能服務，招商銀行推出微信客服機器人等。基於人工智慧技術的人機交互服務方式大大降低了銀行的運營成本，提升了服務效率。例如，瑞典銀行的人工智慧客服Nina可同時處理超過350個客戶的提問；中國建設銀行的智慧櫃員機最高業務辦理效率較櫃面平均提升5倍多。

人工智慧通過個性化的金融服務有效改善用戶體驗

商業銀行總分行流程分割的組織架構導致銀行業務流程繁瑣，金融服務的資源配置能力較弱。同時，在傳統銀行業務中，銀行與客戶主要通過網點這一媒介進行業務諮詢與交流。由於網點的銀行人員主要進行櫃面業務，因此會由於櫃面業務量大而難以對客戶的深層次金融需求進行深入了解，從而無法提供專業化、個性化的投資諮詢和理財服務。

人工智慧技術能夠重新解構金融服務生態，簡化業務流程，改變現有人與信息系統的交互方式，更加主動地判斷單個客戶的需求，並根據客戶的信用能力為其選擇適合的金融產品和服務。因此，銀行可通過人工智慧技術精準應對客戶需求，批量為特定客戶提供個性化、定製化的金融服務，從而有效提升客戶對銀行服務的體驗。典型的應用場景有基於機器學習與神經網路技術的智能投顧、保險定價等。

智能投顧。對於用戶的投資理財需求，將以量化投資演算法和現代資產組合理論（MPT）為基礎，結合客戶風險偏好特徵和理財目標，構建多元化的投資組合，提供智能化、精準化、個性化的綜合理財服務和投資建議，通過低門檻、低傭金，批量化釋放投資理財的「長尾」市場。

保險定價。通過模型演算法解決傳統保險中的道德風險和信息不對稱問題，提供精準風控方案和個性化定價模型，為用戶提供定製化保單。例如在車險領域，可通過跟蹤駕駛人的駕駛習慣，建立基於駕駛數據的定價模型，將基於車輛的「從車」保險轉變為基於駕駛行為的「從人」保險，實現保險定價的人性化和動態化。

目前，在國外，已有瑞士銀行UBS嘗試利用人工智慧技術通過客戶表情分析提供投資決策；美國Wealthfront和Betterment作為智能投顧平台為客戶提供資產投資建議，Kensho投資機器人智能解答金融投資疑問。在我國，招商銀行推出了國內首家智能投顧服務——摩羯智投。在這些金融服務中，針對某一特定用戶的需求洞察、信用甄別、金融產品和服務選擇，以及交易過程、服務反饋、信用再調整等一系列工作都可由人工智慧在短時間內完成，極大地優化、豐富了用戶體驗。

人工智慧通過智能化信息識別提升銀行風險管理能力

風險控制是銀行核心能力，但如何有效控制風險，同時又能維持業務量，是商業銀行面臨的巨大挑戰。雖然全國徵信系統已經運行了多年，但是對於零售業務的客戶群體，信息量遠遠不能覆蓋；雖然互聯網平台也積累了大量潛在客戶的多維信息，但與銀行傳統的風險處理系統還不能匹配。零散而薄弱的基礎數據和嚴重匱乏的數據專業人員造成商業銀行處理大規模業務的風險控制能力有限。

人工智慧將融合大數據、雲計算技術，對數據信息的收集、識別、判斷實現實時處理。由此，用戶的日常金融行為可被迅速數字化收納到銀行的數據池中，經過人工智慧的即時處理，對個人信用產生邊際影響，最終形成客戶的自我徵信體系，防控潛在風險。同時，深度學習技術可利用海量金融交易數據，自動識別欺詐交易行為，進而實時攔截，以降低風險。典型應用場景有基於知識圖譜技術的徵信與風險控制、反欺詐等。

徵信與風控。人工智慧技術將結合大數據技術，通過多維度獲取用戶交易數據、網路留存信息，建立模型對用戶進行全方位畫像，依據模型評分結果對用戶個人信用進行評級、評估，並對行為數據進行整合，運用知識圖譜監測數據中的不一致性，規避風險點。

反欺詐。通過語音識別、指紋識別、人像識別和虹膜識別技術降低交易過程中的識別錯誤率，防止盜刷卡、惡意套現、營銷作弊等欺詐交易行為；通過深度學習技術從海量交易數據中學習規則，預測交易變化趨勢，為客戶和機構提供交易安全保障。

在我國，中國銀行正在探索實踐人工智慧技術在反洗錢偵測中的應用。工商銀行運用神經網路技術實時計算潛在欺詐風險，運用機器學習等技術智能預測信貸客戶潛在信用違約風險。通過人工智慧風控理論應用、技術體系與銀行業務的融合發展，銀行風險控制的專業度和準確度將大幅提升。

發展建議

綜上所述，人工智慧技術在銀行零售業務中的應用前景廣闊，有助於全面推動銀行業轉型發展。因此，建議從以下幾方面著手，迎接人工智慧技術的到來，加速銀行業實現轉型突破。

分階段戰略部署，拓展業務生態。根據當前的實際應用情況，結合不同人工智慧技術的發展成熟度和應用難度，建議銀行業依據「並行開展，重點突破」的原則，分三個階段推動人工智慧技術的推廣應用。第一階段，優先發展以語音識別為代表的智能識別類場景應用，圍繞此類技術已有國內外廣泛成熟案例，實現難度較低。第二階段，著重發展基於機器學習與神經網路技術的場景應用，在國內外初步探索使用的基礎上深化研究，實現精準營銷服務的價值回報。第三階段，側重發展基於知識圖譜技術的場景應用，全方位實現智能銀行的自我優化和風險管控。

加強基礎設施建設，積累數據資產。銀行要加速建立支撐數字化變革的IT基礎設施以及相應的組織管理架構，加強銀行內部各部門以及銀行間數據流交換和應用，消除「信息孤島」。拓展各種類型的數據信息源，不僅要容納本機構產生的傳統結構化數據，還要積累線下網點、移動互聯網、衍生商業平台、簡訊、客服音頻視頻等海量信息，集聚數據資產，構建具有本機構特色的數據池，形成人工智慧「馴養」能力。

積極儲備新型人才，優化人才結構。未來的人工智慧服務必然大量替代人類的普通勞動甚至部分高級勞動，銀行業對員工技能的要求也會發生較大的變化。可能的變化是，銀行對員工的需求將逐漸向專業開發人員、數據科學家、基礎設施架構師、編碼倫理學家和人工智慧培訓師轉變，並且這些人會擔任更加關鍵的職能。銀行業要積極把握轉型節奏，做好新型人才儲備工作。此外，針對現有員工應開展系統培訓，幫助員工結合自身知識儲備，掌握新技術，在未來的人才體系中找到新的定位。

(作者單位：中國電子信息產業發展研究院，中國社會科學院研究生院財經系)