人工智能如何助力银行更“智慧”？

本篇文章2061字，读完约5分钟

人工智能技术的不断落地已经成为新一轮产业发展的核心驱动力，这不仅使各个行业进入变革时代，也深刻地影响着每个人的生活。人工智能的发展和登陆离不开“算法+计算能力+数据+场景”。金融业因其数据积累和科技属性发展的优势，已成为人工智能应用落地的最佳“试验田”。业界的共识是，在庞大的金融系统中，银行已经成为人工智能应用最多的“场景”。

在此背景下，中国银行东方银行高级管理学院金融技术实验室(601988)行业协会和白蓉金融服务业研究中心联合发布了《智能金融时代银行转型白皮书》(2019)(以下简称《白皮书》)。白皮书从人工智能的概念和发展历史入手，梳理了人工智能产业链的全球布局，阐述了热点技术的发展现状，重点介绍了人工智能在银行业转型中的应用，并提出了许多建议；它为金融行业提供了详细的数据分析和行业思维，以适应未来的趋势，拥抱人工智能技术。

聚焦五大智能应用银行业，进入4.0时代

根据白皮书的分析，继线下网点(1.0)、自动取款机(2.0)和智能手机(3.0)之后，随着人工智能(ai)、现实增强(ar)、语音识别设备、佩戴智能设备、无人驾驶、5g通信和区块链等创新技术的发展和普及，银行业已经进入了4.0时代。这使得银行业务的有效性和体验不再依赖于特定的金融产品，而是直接嵌入到日常生活场景中，银行将通过智能服务成为人们数字生活的一部分。

据报道，目前，人工智能在银行业4.0时代的应用主要包括智能风险控制、智能支付、智能投资、智能营销和智能客户服务。白皮书着重于上述五个方面，并深入分析了人工智能的应用和局限性。

人工智能在风险控制中的应用优势主要体现在两个主要方面:风险控制过程的效率和信用审查的准确性。风险控制流程的效率包括降低审批成本(包括人工和其他)和提高审批效率(例如，从每天100个订单到每天10，000个订单)，而信用审核的准确性是指更准确地评估大数据应用带来的客户风险的方法。

白皮书重点介绍了人工智能在整体信贷风险控制过程中的成熟应用，以及主要的行业难点。具体而言，人脸识别、关系网络地图、智能机器人(300024)和底层模型的应用是当前信贷流程中的典型技术工具，其他三项技术贯穿整个信贷流程，人脸识别除外，人脸识别主要用于贷前访问。

关系网络在银行风险控制中的应用是白皮书中阐述的重要内容之一。白皮书指出，除了以往对申请人异常相关信息的追踪之外，信贷机构目前面临的主要挑战是识别集团案例和中介机构。网络型团伙诈骗的特点是手段多样、形成迅速、隐蔽潜伏，而黑中介比群体案件更隐蔽。白皮书建议，金融机构应通过人工智能技术建立反欺诈群体案例模型，并使用规则视图快速筛选和聚类分析，以帮助反欺诈人员更直观地调查风险。在贷后过程中，关系网络可以帮助机构召回丢失的客户。

近年来，智能机器人也开始进入银行业，白皮书对此进行了深入分析。在贷款前和贷款过程中的风险控制过程中，智能语音机器人可以起到审批和回访的作用。例如，在人工验证后对申请人进行回访的模拟中，智能语音机器人可以通过特定的过程验证借款人的身份和贷款情况。

转变智能银行的三大方向

白皮书指出，智能风险控制、智能支付、智能投资、智能营销和智能客户服务将使银行更加“智能化”，这也是银行业未来的发展趋势之一，也是成功的关键。

白皮书显示，人工智能对支付的影响主要体现在支付方式的多样化和便捷性，以及对账户安全的保护和智能管理。

基于现代投资(000900)理论，智能投资是应用大数据、知识地图和机器学习等技术实现结构化智能投资决策的过程。根据白皮书的分析，在投资决策方面，国内的智能投资平台还没有达到真正意义上的智能投资。这是因为在投资策略匹配的过程中，它不可能完全脱离人工操作，实现纯智能。

谈到智能营销，白皮书的观点是，银行正在不断探索客户群分层分组的新途径。顾客的分层可以是一维的，由几个属性决定，但这太粗糙了；多维精细的分层是精准营销的可靠基础。

随着云计算、大数据等技术的成熟，人工智能的发展迎来了第三次浪潮。人工智能可以取代大面积的低端分析工作，在时间维度上进行预测，从而达到优化决策的效果，减少情感干扰，达到最优博弈的目的。因此，白皮书预测，人工智能将极大地改变银行业的现有模式，使银行服务更加个性化和智能化。白皮书建议，银行应紧跟人工智能应用趋势，进一步整合内外数据资源，研究人工智能相关核心技术，探索人工智能新的应用场景，完成新时期向智能银行的转型。

具体来说，白皮书建议银行应该在三个方面做出努力。首先，银行基于相应的信息技术和互联网技术，嵌入人工智能的新应用，协调银行与客户在销售、营销和服务方面的互动，从而提升其管理方式，为客户提供创新的个性化服务。通过数据挖掘、价值发现、智能触摸等。，我们最终可以吸引新客户，留住老客户，并将现有客户转变为忠实客户。其次，通过人工智能提高风险控制流程的效率，降低审批成本，对基础数据进行综合处理后，对客户风险进行综合评估。第三，在支付场景和智能客户服务方面，人工智能有着广泛的应用场景。