人工智能在金融中能发挥什么样的作用

人工智能在金融中能发挥什么样的作用

金融包括银行、保险、证券，是一个很大的行业。下面只能笼统说一些使用场景。

人工智能使用的范围很广，在金融领域也能大展身手。能发挥什么作用，取决于金融领域有哪些做得不好，而人工智能实施的性价比足够划算的领域，将是会爆发的点。

从大堂的现场业务办理，人工智能可以引入各类机器人，替代窗口的人工操作。如自助办卡、自助办业务。中间的身份识别、信用管理、人机互动等都可以引入人工智能模块。

在无线远程服务上，可以引入人工智能客服，帮助用户完成业务咨询、业务受理等工作，提高服务效率。

在金融业务服务上，可以为客户提供大数据分析，依据用户个性化需求，给出人工智能的业务建议。

在后台管理上，可以基于大数据分析，做业务设计、风险管控、危机预警等。

欢迎补充你所遇到的金融中的人工智能场景。

人工智能在金融领域是可以发挥多样性作用，但首先我们要了解人工智能是什么？

百度百科上的解释是：人工智能，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

也就是说利用人本身的智能与分析问题、解决问题，形成一种算法机制。

在金融中，获客、风控、身份识别、客服等金融行业中的内容都可以利用人工智能进行改变，以较容易理解的客服为例，传统的金融客服都是人工的，而通过人工智能技术和自然语言处理，可以将客户问题进行分析，通过算法给出准确的回复，这就大大节省了金融服务的成本，在这一方面，传统金融机构并不都具备这样的技术实力，但是许多大型互联网公司都结合自身技术优势对此进行了技术研发，并将研发成果输出给金融机构，形成了良性循环。

例如，百度就已经开始利用多年积累的自然语言处理技术，向传统金融机构赋能。利用人工智能，更好地理解用户意图，通过多轮会话的形式解决用户的提问，使用户体验大大提升。

数据显示：百度金融智能客服能够处理97%的在线咨询，金融业务问题解决率达90%以上；在语音场景中，基于语音识别能力，智能语音质检在多个关键服务项的覆盖率达到100%，保障了更好的服务体验。

人工智能在金融领域如何落地

仅仅从技术上来讲，人工智能在金融领域的落地还是相当容易的。为什么这么说呢？众所周知，人工智能技术主要看的还是其中深度学习算法。

在对深度学习算法进行训练的时候，我们需要的是海量的数据，在将深度学习算法付诸于实践的时候，它所处理的依旧是海量的数据。而在金融领域，我们最不缺的、日常所需要处理的也都是各种数据。所以说，人工智能与金融领域还是很“般配”的。

目前，金融领域已经出现了多个人工智能应用：

智能投顾：通过对海量数据的处理，人工智能能够对接下来的走势做出一定的预判，从而帮助客户合理的在股票、基金等上面分配资金，已达到收益最大化；

反欺诈：基于对欺诈案例和信用评估等数据的训练，创建一个深度学习算法模型，从而对之后的所提交的贷款申请等等进行欺诈风险的评估；

智能客服：利用语音识别、自然语言处理等人工智能技术，系统可以自行准确的回答成千上万的客户所咨询的问题，从而减轻人工客服的压力；

……

不过，前面我们也说了，这一可行性仅仅是建立在技术基础上。在现实生活中，人工智能要想在金融领域完成落地，还有一些问题需要解决。

人工智能的一切操作都是在互联网上进行的，我们都知道，互联网是个很难有“隐私”的地方，所以，在AI+金融上，我们需要考虑如何更有效的保证信息的安全性和保密性。又比如监管问题，在AI+金融这方面，国内还尚未出台相关有效的监管体系，这无疑为人工智能的操作性增加了一些风险……虽然人工智能与金融领域很契合，但是这些问题也是亟待解决的。

文/张立钧 编辑/姚顺意来源 | 普华永道《2018年中国金融科技调查报告》，财资一家（TreasuryChina）首发，转载注明>泉源/blockquote>

随着数据收集手段的丰富，市场对非结构化数据的转化需求与日俱增，海量非结构化数据如何转化为可持续分析的“数据资产”，是从业机构发展人工智能的重点研究方向之一。近半数受访者认为非结构化数据的处理是人工智能最有价值的应用，体现了从业机构对人工智能技术认识的深入。

大数据舆情分析技术也是人工智能应用的热点，如资产与财富管理行业利用人工智能进行舆情分析与投资预测等。在金融支付领域，生物识别/身份识别、图像识别等技术发展比较成熟，从业机构可采用直接采购的方式，将技术植入业务场景。在客服机器人领域，人工智能让金融产品与服务更加便捷化、个性化，如传统金融机构的智能客服机器人（如交通银行的“娇娇”）和金融科技公司的在线智能客服（如蚂蚁金服的AI客服）等（如图）。

▲图 人工智能技术的分支在金融服务领域的应用>代价/p>

人工智能的应用价值已被广泛认可，但大部分受访者认为人工智能开展的各项基础条件都比较欠缺，尤其在数据与团队方面面临巨大挑战，发展现状不容乐观。

在数据方面，数据质量和数据打通问题最为严重。这也是金融行业在数据集中之前各业务板块、条线各自独立发展，缺少统一规划统筹的后果。目前，从业机构正通过建立数据统筹机制、整合结构化和非结构化数据、打造大数据平台等方式对数据进行全面整合，为今后数据全面应用夯实基础。

在团队方面，从业机构在科技人才上的竞争尤为激烈。以BATJ为首的科技巨头，在薪资待遇、技术储备、场景应用上优于传统金融机构，导致后者的人工智能团队储备捉襟见肘。随着高校及培训机构不断产出科技人才及开源技术的发展，人工智能的门槛将越来越低，团队的压力将有所降低。

在技术方面，传统金融机构对于目前比较新颖的分布式计算、机器学习类和深度学习类基础平台的掌握与运用依然比较欠缺。但在这方面，市场上有发展比较成熟的供应商，可提供完整的解决方案与定制开发，因此传统金融机构可通过购买这些产品与服务，在短期内获得较大的技术提升。

在场景方面，发展人工智能面临的挑战主要集中在前台。前台部门与客户交互较多，运用金融科技对业绩的提升有立竿见影的效果。因此，传统金融机构在前台场景的竞争十分激烈。如何进一步提升精准营销的有效性、降低从业机构的获客成本，将是金融科技下一步场景运用所的焦点。

在机制方面，大部分受访机构目前还没有为人工智能团队设置单独的流程规范和考核机制，任其自然发展。相信随着人工智能技术在企业中战略地位的提升、科技应用场景的增加和科技团队人员的扩充，从业机构对人工智能团队的管理将有所转变，从“粗放型”向规范化的模式发展。

标签：人工智能金融