AI奇袭金融业，如何抢占下一个十年高地？|CCF-GAIR 2019

　　导语：2019年7月13日，CCF-GAIR将开设「AI金融」专场。现场我们将依照金融行业的几个AI技术点，邀请行业中该技术点进展最优的公司高管发表演讲。

　　既古老又现代的金融业有一套自己的行事准则：数字、报表、审批流程…...如华尔街手拿公文包快速穿过街道的行业精英们，节奏快速准确，一丝不苟。

　　金融场景下高度结构化的数据给AI技术的发展提供了优渥的土壤，在此之上，身份识别、风控管理、流程优化等领域开始出现AI技术的身影。事实上，金融行业已成为AI落地众多场景中，发展最为迅速的领域之一，这从五年前开始的P2P浪潮之火爆程度就可见一斑。

　　正是由于语音、图像、模式识别等技术在风控、审批等环节的落地应用，单个信贷申请的受理成本大幅降低，曾经银行机构不愿意覆盖的长尾客群才有了信贷渠道。尽管从业门槛的降低带来了暂时的混乱，然而随着监管的收紧，真正拥有技术壁垒且精通商业运作的机构还是活了下来。

　　雷锋网AI金融评论在和这些公司机构交流的过程中，发现一点不得不重视的共通制胜之道，那便是要重视技术在当下的应用，并放眼未来积极进行技术布局。

　　语音语言处理：降低客服中心成本的利器

　　长久以来，客服部门是金融机构的成本中心，并且随着业务的增长，机构需要招募的客服人员也呈规模化增长。客服需要处理的问题数量随着机构的营销活动变化，因此机构需要的客服人员数量也非常弹性，如何快速招募并遣散客服又构成一道挑战。

　　随着语音语言处理技术的出现，围绕着客服中心的种种难题得到了解决。由于客户的问题集中化较为明显，因此基于语音语言技术的智能客服成为人工客服的第一道防线。不仅如此，智能客服还能代替人工客服进行大批量外呼，这样一来客服部门便从成本中心转变为利润中心，为金融机构带来实实在在的营收。

　　然而技术的落地并非一帆风顺，由于语音语言技术中的自然语言理解（NLP）环节尚存较大的发展空间，因此目前的智能客服表现并不尽如人意，答非所问的状况普遍存在。有机构跟踪智能客服与客户的对话发现，客户在发现与自己对话的是机器时，感受普遍降至冰点，甚至有些会非常愤怒。

　　这些现实迫使金融机构对自身技术部门或技术供应商提出更高需求。如何做好金融NLP，俨然已经成为直接与营收挂钩的重要任务。

　　生物特征识别：大幅简化审验流程

　　传统的金融账户登录验证多采用账号+密码+短信验证码的模式，流程繁琐且会产生一定的通信费用。目前已有一部分金融机构将生物特征识别技术用于账户登录、账户查询、支付等身份验证环节。

　　金融领域正在应用的生物识别技术包括但不限于指纹识别、声纹识别、虹膜识别、人脸识别等。以人脸识别为例，随着智能手机逐步拥有1:1的人脸比对能力，微信支付及支付宝两大支付巨头先后上线了「刷脸支付」功能，并在线下门店展开了刷脸支付设备推广战。支付宝推出蜻蜓，微信支付推出青蛙，大额各不相让。

　　借力移动支付的广泛普及，我国在金融生物识别领域呈领跑态势，甚至正在牵头设立一些国际标准。今年1月，在挪威约维克召开的ISO/IEC JTC1 SC27（信息安全分技术委员会）工作组会议上，23国代表投票支持由蚂蚁金服牵头推动的ISO/IEC 27553《移动设备生物特征识别身份认证安全要求》，无国家反对。

　　虽然和NLP技术相比，人脸识别已经相对成熟，在正常环境中的准确率能够得到基本保证，但其中涉及到的隐私风险尚待解决。「密码丢了可以换，但生物信息是不可再生的，一旦泄露，你不可能再有第二张脸。」全国政协委员谈剑锋在一份提案中变作此表示。

　　风控反欺诈：覆盖长尾人群及小微企业

　　如文章开头谈到，正是由于AI技术在风控方面的应用，使得单位受理成本降低，普惠金融成为可能。

　　针对C端长尾客群，行业曾经给出P2P这一普惠金融答卷。虽然入局者鱼龙混杂，曾给社会带来了不好的影响。然而监管加紧后，大浪淘沙中，呈现偏重技术样貌的公司还是得以留下。

　　以360金融为例，其官方表示欺诈亏损率低至0.2%，低于银行整体平均值0.4%。360金融副总裁郑彦曾在采访中向雷锋网透露，这得益于团队在工具层面引入复杂关系网络分析，在算法层面引入无监督机器学习，在系统层面实现全自动化建模。

　　然而，在B端的长尾客群——小微企业方面，AI技术显得有些无处着力。

　　今年两会的政府工作报告中多次提出解决小微企业融资难融资贵问题。2018年，政府已先后4次降低存款准备金率，多措并举缓解民营和小微企业资金紧张状况。尽管依靠宏观调控手段，融资成本上升势头已经得到初步遏制，然而技术的精进才是彻底解决问题的通路。

　　一方面在政府的号召下，一方面想要攻占小微企业信贷这一未来盈利高地，科技公司纷纷加大研发力度，推出对应产品。冰鉴科技、京东数字科技、360金融、蚂蚁金服等均是该赛道上的玩家。

　　企业信贷与个人信贷的风控需求差别颇大，考量维度更为复杂。小微企业的信用状况不仅与企业主个人息息相关，除了难以量化的经营能力，企业的还款能力还会受到所在行业的大环境影响。这些宏观的难以量化的因素为AI技术的发挥带来阻碍。AI技术到底该如何助力小微企业融资，尚需时日碰撞与探索。

　　理不辩不明

　　尽管技术带来的好处显而易见，然而金融作为一个庞大且坚固的传统领域，要接受新技术的渗透并没有那么简单。一方面，金融业务追求稳定，需要极高规格的安全与合规；另一方面，金融系统普遍庞杂，模块的替换或者新模块的加入需要很大的工作量。

　　因此，只有当技术带来的好处足以平衡应用技术所带来的成本时，AI才能在金融领域得以应用。这就意味着，处在金融领域的技术人还需要耐下心来，通过打磨技术赢得传统金融行业的入场通票。

　　文章转载自雷锋网

免责声明：

本文来自源互联网，仅供阅读，如有侵犯了您的权益请立即与我们联系！我们将及时删除。