人工智能在银行业的应用与实践

一、人工智能的发展和应用是大势所趋2017年以来,国际主要银行纷纷通过设立人工智能项目等方式,加快人工智能在银行业务的创新和应用。如美银美林在2017年2月建立了线上智能投顾平台,同年8月推出了基于机器学习和人工智能的应收账款管理服务系统解决方案,10月推出了建立在API和人工智能基础上的智能分析、预测工具,主要面向现金管理客户;富国银行2017年4月推出人工智能Facebook客服。

人工智能涉及包括信息学、控制技术、计算机技术、VR、仿生学和生物学等在内的诸多学科,业内至今没有统一定义。1956年的达特茅斯会议首次正式提出人工智能的定义:使机器能通过模仿人类智能的方式作出行为反应的机器和技术,简言之就是“将人类智能赋予机器”。

近年来随着深度学习和博弈论的兴起,发展迅速。我国政府高度重视人工智能的发展应用,国务院于2017年7月出台《人工智能发展规划》,党的十九大进一步强调发展人工智能。

二、银行业在人工智能应用上的探索和实践

人工智能在银行等金融领域具有广阔的应用前景,随着语言及自然语言处理、计算机视觉、机器学习技术在金融领域的深入运用,人工智能正在推动银行业进行颠覆式变革。

1.智能投顾。智能投顾(ROBO-Advisor),是指在投资组合管理等模型基础上运用智能算法、机器学习,根据投资者的风险偏好和投资目标,为投资者提供资产配置再平衡和投资建议。2010年美国出现全球第一家智能投顾公司,Betterment在纽约成立,同年美国的理财公司Futures Advisor开始为全美1000家证券公司提供自动的投资、退休金账户管理服务。

美国作为智能投顾的发源地,已成为全球智能投顾行业领头羊。根据Statista统计显示,2017年全球智能投顾管理资产超过2248亿美元,中国智能投顾管理的资产达288亿美元,全球资产管理规模前10位的智能投顾公司中美国占了8家。美国的智能投顾产品在核心模式、资金门槛、投资标的、费用等方面各具特色。比如智能投顾平台Betterment通过深入分析投资者的年龄、投资目标、投资周期,为投资者提供优化的投资组合服务,投资者可以自主选择平台推荐的投资计划,直接在平台上完成投资交易,然后再由平台对账户资产进行智能化管理。

我国已有多家银行开展智能投顾业务,开发出诸多代表性产品。比较有代表性的是招商银行2016年底推出的“摩羯智投”,把投资者风险等级划分为十级,按照投资周期分为低于1年、1年~3年和3年及以上,风险等级越高、投资周期越长,预期投资收益率越高,之后根据客户收益要求构建投资组合,由客户自主进行决策、“一键购买”并享受后续专业服务。广发银行在2017年9月份推出了“广发智投”,客户可以结合智能基金配置建议,选择公私募基金。2018年6月,光大银行推出了“光云智投”,拥有更为智能的市场分析系统,能够准确跟踪市场热点与舆情风险,为客户提供一站式全球资产配置。与传统的人工投顾比较,智能投顾兼具投资服务门槛低、智能化和分散化等优势。

2.AI+人脸识别。生物识别是指利用人体固有的某些生物特征,采用生物统计学算法和计算机运算能力,鉴别出个人身份。生物识别源主要包括人脸、指纹、虹膜、静脉、声纹等。在各项技术中,指纹识别发展最早,应用也最为广泛,其次是人脸识别和虹膜识别。人脸识别最大的优点在于“非接触性”,这可以大大提升系统响应速度,提高使用便捷度,同时避免指纹等接触式识别产生的疾病传播等卫生隐患。

在银行业,目前生物识别主要用于进程开户,只是由于技术不完善人脸识别开户时仍会出现错误,需要人工进一步的核对。我国商业银行积极推进“刷脸取款”,同时还将人脸识别、手机号码验证、密码验证统一起来,进行多重防护。以农行为例,2017年10月28日,农业银行开始在柜面应用人脸识别技术,站在农行ATM机前,客户看一眼摄像头,再输入手机号、取款金额和密码等信息,ATM机可以自动吐钞。未来随着技术水平的提升,错误率的降低,生物识别将应用于银行业的更多领域如账户登录、在线取款、在线转账等。

人工智能在银行业的应用与实践

●唐飞泉杨律铭

摘要:顺应人工智能时代大趋势，银行不断探索人工智能技术的应用和实践，并在智能投顾、AI+人脸识别、智能客服、智能柜台、智能风控和无人银行等方面取得了一定进展。然而，由于针对人工智能的监管机制变革滞后、技术不成熟的原因，也存在人工智能应用简单、对数据价值挖掘不充分、安全技术风险隐患突出等问题。应加强人工智能基础设施建设，拓展应用场景；完善风险安全防范机制，提高人工智能应用风险防控水平。

关键词：人工智能；银行；探索；应用场景

55

--

3.智能客服和智能柜台服务。随着人工智能技术的迅速迭代,机器在模拟人类的功能方面日益成熟。应用人工智能,银行加快智能语音服务发展进程。目前智能语音服务主要集中在电话端,用语音直接查账单、咨询理财等业务的智能语音导航系统。在银行服务的前台,应用人工智能可以向广大长尾客户提供更加人性化、智能化和专业化的服务,降低银行成本,提升用户服务和营销体验;中台方面,应用人工智能技术可以为金融分析交易和银行授信提供专业决策支持。智能机器使用超声红外自动避障、雷达智能导航、语音智能识别、语义解析、视觉识别、人脸识别等技术手段,可完成基本行为、感知、交云功能,通过机器人智能和后台进程支持,实现厅堂迎宾、业务咨询、业务办理、分流引导、产品营销等多个功能。比如民生银行的“智能厅堂机器人”的大堂机器人可以接待指导客户,还可办理数十种不同类别的常见大堂业务,其中包括开卡、修改信息、卡激活、挂失、卡密码(重置、修改、解锁)等。交通银行于2015年率先推出我国首台智能机器人“娇娇”,经过迭代发展后,当前不仅可以进行人机互动语音交流,还能准确回答客户的各种提问,准确识别熟悉的客户。

近两年来智能柜台机加速应用,基本上可以自助办理所有的柜台业务,对于客户而言可以提高效率。比如中国银行的智能柜台机,传统柜台办理同样的开卡业务用时大约为10分钟~15分钟,而智能柜台机只需要5分钟~10分钟。常见的流水打印业务传统柜台约需10分钟~30分钟,智能柜台则只需2分钟。目前,中国银行的智能柜台主要对个人非先进业务进行迁移,包括开卡、开通网银、流水打印和投资理财等。兴业银行推出的智能柜台经过迭代升级,目前已升级到了4.0版,服务效率比传统柜面高58.2%。

4.智能风控。商业银行在传统对公金融信贷业务中积累了丰富的风控经验,AI技术的应用有助于提高大数据处理能力,优化风险评估模型,提高风险识别能力和实时性。在智能风控方面,商业银行的探索主要有: (1)建立基于大数据技术的银行风险防控解决方案,人工智能技术基于现有大数据系统,打造基于人工智能技术的智能化银行风险监控预警体系。智能化银行风险监控预警体系包括:内外部数据整合、预警方法和工具、对应的机制和组织架构、建立在智能数据洞察基础上的全流程应用、风险预警系统规划五个方面。

(2)针对高风险交易特点及行为特征,建立相应评估模型。比如目前的“生物探针”技术,通过手机用户握手机的角度、移动手机的速度、点击按钮的习惯、留在页面的特征、触点的间距等指标用以判断“是不是本人”,自动识别交易欺诈,并进行拦截,降低风险。

(3)采用大数据和人工智能技术,通过对数据信息的收集与识别,账务用户的日常行为习惯,并录入到数据库中,经过人工智能的实时处理,形成客户的自我征信体系,防范潜在风险。

从我国商业银行的应用来看,智能风控的应用主要体现在网络端与零售端。兰州银行于2017年在反欺诈、挖掘潜在客户、风险亊件预警等多个银行业务场景中,引入了人工智能技术,同时为贷前决策评估、贷后风控提供有关的数据以降低金融风险。人工智能系统通过学习和推理,可以挖掘并识别企业与企业间的集团关系、投资关系和担保关系;以及企业与个人间的职业关系、股权控制关系,如果某个节点出现重大事件或暴露重大风险,可以通过人工智能系统及时预警风险。

5.无人智能银行。日益成熟的人工智能技术、VR技术使得无人银行成为可能,中国建设银行于2018年4月9日在上海成立了我国第一家“无人银行”,没有柜员、保安和大堂经理,设置了智能机器人在网点引导客户操作,客户通过智慧柜员机和远程视频柜员机,就可以快速办理贷款和理财咨询等业务,老年人可以通过远程VR与客户经理建立联系,通过远程互动解决客户难题。客户只要第一次通过刷脸验证之后,不需要银行卡和密码直接刷脸就能办理业务。无人银行通过引入机器,提高客审核速度和准确率,简化了办事流程,业务办理效率得到大幅提升,客户排队时间大大缩短。

三尧我国银行业人工智能应用存在的问题

人工智能技术在银行领域的应用,有助于提升银行竞争力和经营效率,促进银行脱虚入实、服务实体经济的能力。但是,人工智能在我国银行领域的应用还存在一些问题。

1.针对人工智能的监管机制变革滞后。在金融创新与金融科技快速发展的新时代,我国金融监管基本依靠事后监管,缺乏前瞻性的研究。央行与其他金融相关管理部门虽然多次提及金融科技的监管思路,但是仍未出台针对人工智能在金融领域应用的系统性法律法规。人工智能的深入应用正在对银行的信贷、风险控制和资产定价、营销和客服等重要环节和业务产生重大影响。如果发生意外突发金融风险,波及范围和影响将会超过传统银行和互联网金融。在实践中,人工智能的应用涉及多项设备和技术,当出现故障并造成金融市场出现异常波动,并对投资者造成损失,该如何厘清责任、如何处罚没有法规可循。

2.人工智能应用简单,对数据价值挖掘不充分。当前,我国人工智能技术处于发展初期,自主研发能力有待提高,加上银行处于数字化、人工智能发展的初级阶段,人工智能在银行的应用较为简单,以常规客服与智能化机具为主,在智能风控和营销等领域应用及其有限。人工智能在银行领域的应用,关键之一就是建立智能数据收集和分析模型。我国银行内部的各项数据尚未全面联网,信息和大数据存在分散和不规范等诸多难题。银行缺乏整体的数据资产架构规划与大数据资产管理手段,未树立起大数据时代"数据即资产"的先进经营理念,数据信息相关供应链还不健全,没有充分挖掘数据的经济价值。此外,数据清洗、过滤模型构建成本高,导致基于大数据的人工智能应用升级进展缓慢。

3.人工智能应用存在潜在技术安全风险。银行在人工智能技术尚未成熟的探索期,不可避免会遇到一系列技术

56 --