李霞

摘要：金融科技是技术驱动的金融创新，人工智能与金融的深度融合给银行业的发展带来了新的生机和活力。金融机构要想在新一轮科技革命和产业变革中赢得先机，就要深刻的认识到人工智能的影响，将语音识别、机器人、深度学习、人脸识别等人工智能的核心技术应用到银行业务和管理的关键流程、产品创新、客户营销、理财、运营、风险防控等细化领域，让人工智能成为促进银行业转型升级的新引擎。

关键词：人工智能 金融领域 深度学习 引擎

随着移动互联网、云计算、大数据、深度学习等技术的发展和不断的成熟，人类社会已经由信息时代迈入到以开放、兼容、共享为特征的数字化经济时代，人工智能也迎来了新的发展浪潮。人工智能在各行业的应用正在深刻改变人类社会的生产和生活方式，人工智能和金融的深度融合正在为银行业的发展提供源源不断的创新活力，推动金融行业形成新的经营模式、流程、产品和生态，人工智能在金融领域的广泛应用必将成为银行转型升级的新引擎。

一、人工智能的内涵

1950年艾伦.图灵在论文《计算机械与人工智能》中第一次引用人工智能的概念，1956年在达特茅斯夏季人工智能研究会议上，参会的专家达成共识：用“人工智能”一词作为本领域的名称，也标志着人工智能的诞生。

人工智能简单来理解就是机器可以像人类一样能够感知外界事物、形成认知并做成决策，人工智能的核心是“智能”。人工智能的“智能”表现在三个层面，分别为：运算智能、感知智能和认知智能。运算智能：计算机拥有快速计算和存储信息的能力，计算机的运算能力要远远的超过人类，AlphaGo能够横扫世界围棋高手就是机器出色运算能力的证明;感知能力：机器在与外界事物进行交互时拥有听觉、视觉、触觉等感知能力，如：语音识别和处理、人脸识别的底层技术就是基于机器的感知能力;认知智能：机器可以做到“能理解、会思考”，这是机器可以自主学习、深度学习的基础。随着人工智能技术的不断发展，人工智能已经逐步的从类人类行为模式、类人类思维模式向泛智能模式跨越，机器的运算智能、感知智能和认知智能的相互交互将使人工智能拥有着无限的潜能和应用价值。

二、人工智能对金融行业的影响

随着利率市场化改革、金融脱媒化、监管趋严、国际环境日趋复杂以及互联网金融的冲击，传统金融机构普遍面临着：传统业务增长乏力、客户忠诚度下降、市场洞察能力不够、收入下滑或停滞不前、内外部竞争压力大、产品创新速度有待提高等问题。

2017年3月5日，人工智能首次被寫入了我国政府工作报告，2017年7月8日，国务院印发《新一代人工智能发展规划》，2019年9月6日，中国人民银行印发《金融科技（FinTech）发展规划（2019-2021）》，人工智能的发展已经上升到国家战略的层面，人工智能的科研成果和应用正在深刻地影响并改变着金融行业，为银行业的发展开辟了新的创新方法、获客方式、营销路径、盈利模式、风控体系，要充分发挥人工智能在产品创新、精准营销、智能投顾、风险防控、提升用户体验等方面的先天优势对于传统金融机构来说既是机遇也是挑战。

三、人工智能将成为推动银行转型的新引擎

基于人工智能的核心技术：深度学习、算法模型、智能分析和决策，人工智能在金融领域的应用场景主要集中在智能身份认证、智能客服、精准营销、智能投顾、信贷服务、金融监管、反欺诈及信用风险防控等方面。

（一）智能身份认证

通常来说识别和验证客户身份是银行向不同客户提供差异化金融服务和产品、客户进行相关银行交易的第一步，也是决定客户体验的关键因素。受制于技术限制，传统的认证工具主要包括：支付密码、短信验证码、U盾，验证流程繁琐且存在着信息泄露、丢失、诈骗等潜在风险，随着人工智能技术的不断发展，各大银行开始在营业网点、手机银行、ATM、在线客服等渠道及转账、理财、信用卡支付等交易中广泛采用人脸识别、声纹识别、指纹识别等生物识别验证，拥有着快速准确识别能力的生物验证在提高金融服务效率的同时，在很大程度上保证了客户隐私的安全，极大的改善用户体验。

（二）智能投顾

智能投顾是依托人工智能的算法模型，基于客户的风险偏好、经济情况、理财目标等个性化、差异化因素，为客户量身定制最佳投资方案，并通过对市场经济环境、资产配置方案的实时跟踪和调整，实现客户在一定风险下的收益最大化。由于智能投顾拥有分散投资和风险、注重长期投资效益、较人工投资顾问收费低、收益高等特点，这种新的投资理财的模式已经开始逐渐的得到客户的认可和尊崇，也必将风靡整个投资理财界。根据专业咨询公司的统计，预计到2020年，金融行业资产管理规模将达到15970亿-22000亿美元，智能投顾占比将提升到5%，智能投顾市场蕴含的商机和利润也就不言而喻，目前各大金融机构和互联网金融企业也在纷纷推成自己的智能投顾品牌，比如：蚂蚁金服的“蚂蚁聚宝”、中国银行的“中银慧投”、招商银行的“摩羯智投”等。

（三）智能风险防控

商业银行从本质上来说是经营风险的金融机构，防范和化解金融风险是银行永恒的主题。金融风险主要包括：信用风险、市场风险、操作风险、流动性风险等。从贷款业务来看：信息不对称、征信成本高、欺诈性交易、信用违约等是传统信贷业务的痛点，也是银行之前无法向中小微企业、低净值人群广泛开展信贷业务的重要原因，随着大数据、人工智能深度学习算法及图数据关联关系等技术的不断发展，通过大数据分析可以对贷款客户进行精准画像并将其作为是否授信、授信金额的重要依据，实现贷前风险控制;同时人工智能通过对大量的反欺诈交易、信用违约案例、市场环境数据的深度学习、自主学习，使银行对贷款业务的实时监测成为可能，从而实现各类风险的快速识别、预警和处理。依托于人工智能的计算机视觉技术、机器学习，各类凭证的自动识别能力提高，机器识别代替人工录入信息，提高了信息识别的准确性并在很大程度中降低了银行的操作风险。

（四）智能客服

人工智能在算法上的巨大突破使复杂任务处理的效率和准确率得到了极大提升，同时随着人工智能的三大核心技術：语音识别技术、计算机视觉、自然语言处理的快速发展，人工智能开始深入地参与到金融领域的客户服务中。智能客服通过大量学习金融领域的知识，拥有了为客户提供各类咨询的基础和依据，同时在与客户的听、说、触等多元化的沟通互动中，智能客服通过自主学习，可以快速的掌握客户心理、常见问题、客观严谨的回答、令人感觉舒适的语音语调、智能导航客户快速获得所需金融服务，从而可以为客户提供更加快高效、贴心、人性化的服务，提高了用户体验及客户满意度。入选《MIT科技评论》“最聪明50家公司”的蚂蚁金服一直秉持人工智能即服务的战略方针，将人工智能技术完美的融合到对客服务中，该公司推出的“小蚂答”智能客服平均每天可以处理200-300万条客户咨询，同时还为客户提供账户的实时检测、一键挂失、基金推荐等增值服务。

（五）智能金融监管

金融监管体系是保障金融安全的一道重要的屏障，人工智能为建立新型金融监管体制和模式提供了技术支撑。人工智能通过规则推理和案例推理两种方式学习各类金融监管的业务场景，从而自动推理相关金融行为是否合规并迅速的采取应对措施。基于人工智能的复杂算法，人工智能拥有着快速学习各类法律、法规、金融数据等的先天优势，也会给出更加精准的监管判断及可行的监管措施，从而提高监管的效率，助力构建更加健康、和谐的金融生态。

对于金融机构而言，在金融和的AI的融合中要始终坚持金融为本，技术为手段的定位，用AI赋能传统金融，一方面要清晰定义目前和未来人工智能在银行经营和管理上的内外部应用场景，另一方面要深入研究人工智能发展的基础和技术支撑点：大数据、云计算、深度学习等。在转型发展内生需求和技术变革外部驱动的共同作用下，各金融机构纷纷加大资源投入探索运用人工智能技术促进业务创新发展，在深入分析国际国内经济金融环境、市场、客户需求等外部数据的基础上持续挖掘人工智能在金融领域的利润增长点，人工智能必将成为推动银行金融供给侧结构改革及转型升级的新引擎。

参考文献：

[1]张泽谦.《人工智能：未来商业与场景落地实操》.北京：中国邮电出版社，ISBN：9787115509222.

[2]罗素.《人工智能：一种现代的方法》.北京：电子工业出版社，ISBN：9787302331094.

[3]李德毅.《人工智能导论》.北京：中国科学技术出版社，ISBN： 9787115453587.

作者单位：建设银行运营数据中心