近日，ChatGPT爆火，人工智能再次成為業(yè)界熱議的話題。金融機構(gòu)內(nèi)部市場競爭加劇、金融機構(gòu)人力成本上升，促進金融機構(gòu)改善傳統(tǒng)作業(yè)模式，提升金融業(yè)務(wù)運營水平。AI+金融是優(yōu)化金融業(yè)務(wù)場景的應(yīng)用技術(shù)工具。然而AI技術(shù)發(fā)展在開辟金融新風口的同時，也向各大商業(yè)銀行提出種種現(xiàn)實問題：現(xiàn)階段AI＋金融產(chǎn)品在銀行業(yè)務(wù)中的落地情況如何？其業(yè)務(wù)價值以及市場空間如何？在AI應(yīng)用發(fā)展過程中，各銀行還要面臨哪些問題？本文結(jié)合現(xiàn)實情景，從具體運用、市場展望、智投前景、業(yè)務(wù)回歸、挑戰(zhàn)應(yīng)對五大方面，對人工智能的銀行應(yīng)用深度剖析。

(資料圖片僅供參考)

一、具體應(yīng)用

1.AI+金融銀行前中后臺當前應(yīng)用場景

AI技術(shù)在銀行前中后臺的高效利用集中體現(xiàn)在智能語音、智能決策、智能管理、智能創(chuàng)新，以上內(nèi)容真正實現(xiàn)技術(shù)賦能。技術(shù)在營銷、風投等核心業(yè)務(wù)的應(yīng)用、開發(fā)是數(shù)字經(jīng)濟時代的關(guān)鍵，也是銀行智能發(fā)展的關(guān)鍵。

AI在前臺的應(yīng)用包括但不限于：（1）智能客服，同時智能客服又與智能坐席、智能外呼、智能催收等有緊密關(guān)聯(lián)，靈活交叉；（2）智能營銷，用于銀行客戶細分及群像描繪；（3）智能反詐等。

AI在中臺的應(yīng)用場景則為：（1）智能投研，負責如業(yè)務(wù)流程自動化、網(wǎng)點人流研判的智能決策；（2）智能風控，AI主要通過降低風險信息核查錯漏率、深度學習遠程信貸審查、建立風險識別與預測模型等實現(xiàn)。

AI在后臺的應(yīng)用場景有：（1）智能辦公，當前該場景AI的應(yīng)用主要有如開發(fā)崗位勝任力模型，AI助力實現(xiàn)行內(nèi)數(shù)據(jù)資源高效使用；（2）智能審計，該場景AI應(yīng)用附有的綜合機器學習、知識圖譜等技術(shù)，實現(xiàn)審計證據(jù)自動化和持續(xù)采集，進一步提高了內(nèi)部審計履職能力；（3）智能開源場景，AI也發(fā)揮了極大作用，如推動應(yīng)用研發(fā)，開源Turing text-to-SQL，而該軟件是一種將自然語言查詢轉(zhuǎn)換為SQL代碼的工具，使非技術(shù)用戶能夠使用關(guān)系數(shù)據(jù)庫。

2.AI+金融當下成熟應(yīng)用場景介紹

考慮商業(yè)銀行的盈利創(chuàng)收，開戶過程雖然看起來簡單，但通常涉及大量紙張的手動過程，須耗費大量時間。此外，開立銀行賬戶的過程便率先定義了客戶與銀行的未來關(guān)系。由此，對于業(yè)務(wù)效率、客戶體驗的提升格外迫切，智能客服應(yīng)運而生。

同時，由于數(shù)字金融已經(jīng)實現(xiàn)了從信息化到移動化的飛躍，故當前在客服場景的應(yīng)用較為成熟，而如智能風投等涉及智能化的應(yīng)用還未于市場普及。可以判斷的是，當前智能客服已打破了過去傳統(tǒng)對話機器人要窮舉用戶對話意圖的運營模式，智能客服能夠產(chǎn)生極其豐富的對話內(nèi)容和應(yīng)答范圍，致力于一站式業(yè)務(wù)解決方案。

目前，智能客服主要融合了較為成熟的智能語音、智能分案引擎等技術(shù)。利用人工智能，遠程客戶的注冊，已使用機器學習進行欺詐檢測。此法取代了利用傳統(tǒng)的、基于知識的身份驗證（Knowledge Based Authentication）方法進行的客戶盡職調(diào)查（Customer Due Diligence），節(jié)省大量的處理時間和成本。

智能客服大幅度節(jié)省成本，主要是因為攻克了傳統(tǒng)身份核驗的一些難以解決的痛點、難點。傳統(tǒng)方法主要采用密碼驗證、人工驗證相結(jié)合的方式，賬戶密碼與客戶身份關(guān)聯(lián)性較差，密碼一旦泄露則可能被不法分子利用；人工驗證的效率、準確率受到工作人員能力等因素影響。人臉識別、指紋識別、活體檢測等基于人工智能的新型方式，不僅可以豐富驗證手段，提高賬戶冒用難度，還提高驗證效率和結(jié)果的準確性。

智能客服場景下，銀行業(yè)還廣泛應(yīng)用了人工智能進行催收。通過智能外呼，批量電話催收，及時將還款計劃傳達給欠款人。而且，在未來的應(yīng)用中，商業(yè)銀行可利用人工智能數(shù)據(jù)篩選等技術(shù)，依據(jù)企業(yè)情況，指導制定合理的解決方案，幫助企業(yè)提升催款還款效率。

AI在前臺方面的運用普遍廣泛。除去以上例子，AI的前臺的實際應(yīng)用有：興農(nóng)E貸、居民養(yǎng)老、無碼查驗、無感支付、電子亮證、抵押登記、財務(wù)報銷、二代支付票據(jù)截留等。

二、市場展望

在智能風投場景有更大的業(yè)務(wù)價值和市場空間。過去多年中，很多企業(yè)都開始了智能風投的應(yīng)用和探索之路。但是數(shù)據(jù)缺乏、模型應(yīng)用場景適應(yīng)度不足、持續(xù)優(yōu)化投入難度高等問題，智能風投的應(yīng)用尚不成熟，卻側(cè)面映射出了在分析投資場景的極大上升空間、潛在市場價值。

（1）第一是因為商業(yè)銀行發(fā)展對核心業(yè)務(wù)風控的需求在競爭環(huán)境中只增不減。針對銀行信貸業(yè)務(wù)中的交易欺詐、網(wǎng)貸申請欺詐、信貸全生命周期風險管理、客戶價值分析、預期客戶管理等場景的痛點及問題，銀行形成一套完整的、高效的智能風控系統(tǒng)是必不可少的。

（2）第二是因為商業(yè)銀行發(fā)展對創(chuàng)新開拓的增益期望。銀行使用智能風投，在突破傳統(tǒng)業(yè)務(wù)模式同時，還有可能讓商業(yè)銀行全面實現(xiàn)一次革新，成為行業(yè)迎來全新的領(lǐng)軍。數(shù)據(jù)時代存在很多不確定因素，涉及到方方面面因素的變化，對數(shù)據(jù)的深挖利用，將帶來極大的利潤

（3）第三是因為隨著技術(shù)發(fā)展，智能風投的可操作性提升。如交通銀行在風險信息監(jiān)測自動化流程中，利用RPA機器人從各個信息系統(tǒng)中自動獲取客戶風險信息并整理至本地，降低了風險信息核查錯漏率。應(yīng)用OCR等人工智能技術(shù)，在手工錄入場景逐步實現(xiàn)技術(shù)換人，降低銀行的操作風險，提高工作效率。

實際應(yīng)用中，加拿大皇家銀行RBC目前計劃嘗試使訓練AI深度強化學習并適應(yīng)不斷變化的市場條件，實現(xiàn)人工智能計算，幫助減少滑點（預期和實際交易價格之間的差異）。

三、智投前景

智能投顧與量化交易之間有比較良好的結(jié)合可能。

從宏觀角度看，多數(shù)銀行停止智能投顧業(yè)務(wù)，主要還是由于市場波動。過去，很多智能投顧的模型算法針對性弱，它的智能性相對有限。當市場出現(xiàn)波動比較大的時期，智能投顧盈利、營收，可能不一定能夠很好的表現(xiàn)，所以很多銀行紛紛地停止了智能投顧業(yè)務(wù)。某種程度上，智能投顧在基于過去的人工智能模型時，對市場把握預測的并不是特別好，并不能真正的成為一個核心的賣點。但是著眼未來，智能化，尤其是以chatgtp為核心的大模型，在金融領(lǐng)域，特別是投顧領(lǐng)域，在量化領(lǐng)域得到深度的應(yīng)用之后，是非常有前景的。

對于銀行、商家來說，如果成功依托于大模型，銀行在未來便能夠很好的了解一個細分領(lǐng)域的市場。無論是宏觀市場還是微觀市場，都將有很好的把握能力，達成滿足投顧業(yè)務(wù)的基本要求：對市場特別了解、有經(jīng)驗、能夠應(yīng)對于市場的變化，迅速做出調(diào)整。

在大模型助力下，智能投顧將成為銀行的一個賣點，實現(xiàn)“一棋三用”：第一，可以實現(xiàn)開發(fā)自己的相關(guān)產(chǎn)品，第二，可以做更精準的市場營銷，第三點，可以形成自己的產(chǎn)品“護城河”。

對于廣大消費者來說，有了智能投顧產(chǎn)品之后，最核心的目的達成：第一是可以通過產(chǎn)品可以為資金尋找到一個跟自己的風險偏好相一致、合適的企業(yè)，保值增值；第二點，就是偏好一致的情況之下，在一定程度上實現(xiàn)真正的財富保值增值，對資金負責。

四、業(yè)務(wù)回歸

未來智投業(yè)務(wù)的轉(zhuǎn)型回歸或?qū)⑼ㄟ^三個主要維度實現(xiàn)。

（1）大數(shù)據(jù)訓練。智能投顧回歸的第一點，便是進一步的優(yōu)化提升以往模型算法，依托于大模型，依托于大量的數(shù)據(jù)、案例和經(jīng)驗來進行精確化訓練。

（2）差異化發(fā)展。本業(yè)務(wù)回歸的第二點就是差異化發(fā)展，不同的銀行采用了不同的算法，有不同的數(shù)據(jù)庫，逐步提升訓練出來的智能投顧系統(tǒng)的核心競爭力。智能投顧不僅僅是個噱頭，最后不同銀行的智能投顧，依然要進行收益比較。智能投顧提供的投資策略，需要在市場上競爭。如果市場的有關(guān)產(chǎn)品充足，并且市場足夠透明的話，那消費者就可以看出來，不同家銀行的不同的智能投顧產(chǎn)品，可能各銀行的收益就不一樣。給予消費者充分的自由選擇權(quán)利，進而充分競爭，從這一點而言，對于銀行，甚至相關(guān)行業(yè)，比較大的競爭壓力可能會推動技術(shù)的進一步解放。

（3）個性化建議。最后，第三，未來的智能投顧，在針對大客戶，高凈值客戶時，需要更多的提供精準化的個性化的投資組合。基于對這個大模型訓練，各銀行需考慮不同客戶在有同樣的資金時的訴求。具體而言，客戶的業(yè)務(wù)組合，包括客戶的買入買出時機都是不一樣的。因為有了深度人工智能，智能投顧業(yè)務(wù)可以根據(jù)客戶個人的偏好，根據(jù)客戶以往的經(jīng)驗，根據(jù)客戶輸入的相關(guān)的數(shù)據(jù)程序要求，給你做出個性化的選擇。但現(xiàn)目前階段的智能投顧，可能還是偏規(guī)范化的。但未來該項業(yè)務(wù)要轉(zhuǎn)型回歸，便一定是個性化的，甚至說每個客戶不同時期的投資組合，投資策略都是不一樣的。

當前，摩根大通（JPM）依托大模型，使用機器學習，將公共和私人來源的房地產(chǎn)數(shù)據(jù)匯集，為其商業(yè)房地產(chǎn)客戶提供深入的房地產(chǎn)洞察，提供私人化的投資策略。

五、挑戰(zhàn)應(yīng)對

人工智能應(yīng)用于金融領(lǐng)域，必然面臨數(shù)據(jù)安全、算法可信以及大數(shù)據(jù)殺熟等公平公正的挑戰(zhàn)。在未來的發(fā)展中，銀行如何應(yīng)對上述挑戰(zhàn)，為客戶交出“一份滿意的答卷”是重中之重。

1.挑戰(zhàn)解析

厘清挑戰(zhàn)的產(chǎn)生原因可以幫助各大銀行提出更具有針對性的應(yīng)對。，

（1）數(shù)據(jù)安全。首先，數(shù)據(jù)安全涉及面極廣，銀行數(shù)據(jù)安全隱患可能會出現(xiàn)在數(shù)據(jù)流動的各種場景，包括終端和郵件。這些在各種場景中流動的信息會包含大量客戶數(shù)據(jù)、公司重要信息、知識財產(chǎn)甚至敏感或機密文件。由于人工智能對網(wǎng)絡(luò)中的信息進行無差別收集與獲取，以上各種信息的安全難以得到保證。

（2）算法可信。然后，算法的可信度會受到研究員對模型的理解、訓練數(shù)據(jù)的影響。一旦訓練數(shù)據(jù)中混入帶有偏見的異常數(shù)據(jù)，這種偏見也就會伴隨智能系統(tǒng)成為一個持續(xù)存在的問題。

（3）大數(shù)據(jù)殺熟。最后，大數(shù)據(jù)殺熟問題的緣由，除了信息采集方的不規(guī)范使用，還有部分是技術(shù)透明度不足，方導致了客戶不信任。客戶對于內(nèi)部處理過程的疏遠，限制了客戶對于技術(shù)的理解力，進而導致人工智能業(yè)務(wù)和用戶之間的信息不對稱，顧客產(chǎn)生了對大數(shù)據(jù)殺熟的憂慮，便不足為奇。

2.應(yīng)對思路

（1）安全計算與人工復核。數(shù)據(jù)安全和隱私作為銀行業(yè)智能化的頭等大事，針對此問題應(yīng)當“雙管齊下”，從技術(shù)與制度規(guī)范角度切入。

在技術(shù)層面，銀行研發(fā)部門應(yīng)加強技術(shù)創(chuàng)新，積極運用技術(shù)手段解決人工智能的隱私安全風險。在收集用戶數(shù)據(jù)時，注重數(shù)據(jù)模型的設(shè)計和使用，防止算法層面引發(fā)的數(shù)據(jù)安全與隱私風險。制度規(guī)范層面，應(yīng)建立起完善的人工復核及兜底機制。對于自動生成的人工智能模型，銀行應(yīng)在固定節(jié)點加入人工審批的流程。

（2）數(shù)據(jù)劃分更新與模塊適配考察。提高算法可信度應(yīng)當考量數(shù)據(jù)與技術(shù)兩大變量。通常，算法偏差是由于數(shù)據(jù)采集的不充分所引起的。對此，銀行應(yīng)安排多個技術(shù)人員對數(shù)據(jù)集進行定義和劃分，并且要盡力保證數(shù)據(jù)劃分過程中的客觀性。在構(gòu)建出初始數(shù)據(jù)集后，銀行應(yīng)及時對數(shù)據(jù)集進行同步和更新，消除因為數(shù)據(jù)遺漏和數(shù)據(jù)過時帶來的數(shù)據(jù)類問題。在算法技術(shù)解讀方面，應(yīng)加強對技術(shù)人員的培訓，避免人員知識滯后或缺失導致的算法偏見。最后，同數(shù)據(jù)更新一般，銀行也需增設(shè)技術(shù)層面相應(yīng)審核流程，避免模塊間功能不適配而導致的系統(tǒng)風險。

（3）行業(yè)技術(shù)標準與責任歸屬說明。解決大數(shù)據(jù)殺熟問題，行業(yè)整體和個體機構(gòu)需要做好人工智能模型的解釋工作。行業(yè)整體需要制定嚴格的銀行人工智能標準與規(guī)范，對于不同層次的模型進行規(guī)范化定義。此外，銀行在運用人工智能開發(fā)各項銀行業(yè)務(wù)功能時，應(yīng)按照行業(yè)規(guī)范標準向監(jiān)管機構(gòu)提供全面解釋，包括人工智能系統(tǒng)的解決方案、算法實現(xiàn)原理、模型訓練方法等，盡量提供額外的解釋性材料，如數(shù)據(jù)治理報告和責任歸屬說明等。

要注意，普通投資者往往缺少人工智能的相關(guān)背景知識。銀行應(yīng)積極向用戶告知人工智能算法的固有缺陷和使用風險，充分保護投資者的知情權(quán)和自主決策權(quán)，避免相關(guān)的聲譽風險。

AI作為當今發(fā)展的風口技術(shù)，正引導社會觀念，推動生產(chǎn)，智能化化方式有效打破時空阻隔，在經(jīng)濟等重大領(lǐng)域發(fā)揮的影響力。AI+金融為金融改革提供了不竭動力。在數(shù)字化、智能化浪潮中，各企業(yè)應(yīng)抓住機遇，迎接挑戰(zhàn)，塑造金融新業(yè)態(tài)。

本文系未央網(wǎng)專欄作者:王 鵬 發(fā)表，內(nèi)容屬作者個人觀點，不代表網(wǎng)站觀點，未經(jīng)許可嚴禁轉(zhuǎn)載，違者必究！

關(guān)鍵詞：