人工智能深度赋能金融 科技风口呼唤领军人才

1. 人工智能深度赋能金融 科技风口呼唤领军人才

  科技 改变世界，创新引领时代。
   8月29日至31日，2019世界人工智能大会在上海世博中心召开，大会围绕“智联世界 无限可能”的主题，从技术趋势、应用落地、产业生态、人才培养和公共治理等多角度，对人工智能领域的前沿技术、重点行业和重要话题进行深入探讨。
      AI深度赋能金融 
   提及金融业务，脑海中立马浮现风控、反欺诈、大数据等系列专业名词，但这些在普通人看来，未免太过晦涩难懂。现在，在今年人工智能大会的浦东世博展览馆中，金融 科技 公司提供一种更为精彩的体验，以更加“好玩”的方式，高效拉近我们与金融之间的“最后一公里”。
     “微表情识别技术，可以识别人类开心、愤怒、厌恶、恐惧、伤心、惊讶以及面无表情这七大类情绪，总计54种情绪的识别能力、39种面部动作单元，并且可以识别90%以上表情变化。”在展览现场，金融壹账通技术人员介绍称。
   据了解，该微表情识别技术曾斩获国际面部动作单元识别竞赛世界第一名的荣誉，并大量运用在贷款面审环节中，帮助面审人员提示骗贷风险。
   “不仅是表情上的情绪，机器甚至都可以识别出文字的情绪。”现场人员介绍称，体验者打开“Gamma O”开放平台，里面有各式各样的人工智能技术，其中有一项便是文字情绪识别。只要体验者输入一段话，就可智能识别出体验者输入文字的情绪。
   值得注意的是，AI技术在金融领域的应用，并不仅仅限于To B（针对行业）领域，在其他To C（针对个人）的金融服务领域，比如客服方面，也可以大展身手。
   此次大会上，金融壹账通还展示了多轮对话、语义理解等技术，无论是体验者说的、写的，聪明的机器都能理解，并通过对应逻辑分析所需结果。相关工作人员向体验者介绍称，多轮对话、语义理解技术可以应用到智能外呼机器人中，通过搭建AI机器人代替人工完成基础工作。在智能外呼机器人中，增加情绪识别技术，还可以感知客户的情绪变化，减少人工投诉的同时，能够找到业务突破口。该服务可应用于多个金融业务场景，包括存量客户经营、新产品推荐、还款提醒、客户回访调研等。通过机器人取代大量人工客服，从而大幅降低呼叫中心的人力成本，提高服务效率。
   随着人工智能 科技 的快速发展，被誉为金融 科技 “无人区”的AI 科技 ，正成为财富管理行业的重要创新方向，同时也是“兵家必争之地”。在大会期间，陆金所宣布，其正通过金融 科技 的技术与经验，用 科技 赋能信托行业，帮助传统信托行业解决资产风控难、运营效率低、客户体验差、市场触达难、获客成本高等五大痛点。
   同时，陆金所正式对外展示“4KY”体系，即陆金所将AI技术融入全财富管理场景，全面升级智能理财交互体验，为用户提供个性化财富管理服务，重塑财富管理行业。
   目前，陆金所平台已经开始尝试，使用智能理财机器人与用户进行自然语言交流与开放式对话，并为用户提供涵盖账户查询、产品咨询、市场分析、投资者教育在内的各种金融服务。通过运用人工智能进行客户服务，陆金所力求解决用户与产品的匹配问题，并解决更多用户仍未满足的大量金融服务需求，希望能够扭转金融服务仅为部分顶层人群服务的刻板印象，让金融服务普惠大众。
   数据显示，借助AI的帮助，陆金所平台的用户服务交互频率比以往提升了5倍，极大地提升用户服务面及响应速度。同时，人工智能客服的问题解决率提升了2倍，大大提升了用户的服务效率。
   事实上，客服智能化、人性化服务的背后，正是AI、大数据、云计算等 科技 力量共同驱动的。蚂蚁金服和埃森哲近日联合推出的《新客服行业白皮书》用户调研显示，80%的用户希望客服更加了解自己；71%的用户表示，相比与人沟通，希望可以自助解决问题。消费者对客户服务的普惠性、技术化、定制化，以及洞察力、自助化程度有了更高要求。
   2017年8月，支付宝提出“新客服”理念，并借助AI等手段，将被动式、等待式的传统服务模式转变为主动挖掘用户潜在需求，给用户提供更为普惠的服务。两年间，随着人工智能技术、大数据等技术发展，新客服进一升级为完整的行业解决方案。在服务好海量支付宝用户的同时，还可以把新客服的系统技术能力输出给行业，提高整个行业的效能，减少呼叫中心的运维成本。
   蚂蚁金服方面数据显示，相较于2016年，2018年整体业务量增长了120%，但人力仅增长11%，满意度达到80%，大大提升服务效能。通过数据分析和人工智能手段，可以更加准确地扫描客户全程行为，同时预判、识别客户服务需求点，使得呼叫中心资源的调配使用更加精确。
    浪潮之巅的“生产力” 
   在这些神奇且令人惊叹的技术背后，是AI正在潜移默化地改变着金融行业的业态。
           目前，AI技术在金融领域的应用，想象的翅膀已为外界所塑造，但事实上，除了金融领域，自动驾驶、医疗、语音识别、图像识别等领域也是AI的重要赛道。那么，为什么偏偏金融会成为更加令人瞩目的“幸运儿”呢？
   具体来说，朱明杰分析到，能够让AI成功应用的行业有一些共通点：
   首先是信息化基础和数据量充沛；其次是应用场景和用户体量足够大，核心业务数据驱动；再次是付费意愿。因此，最先得到成功应用的是互联网行业。今天的金融行业也具备了这些条件，数据是金融的核心价值，通过人工智能、大数据、云计算等信息技术与金融业务深度融合的金融 科技 ，成为推动金融转型升级的新引擎。
   不过，吴中也坦言，结合DATAVISOR的领域——智能风控反欺诈来看，其实也存在着不少难点。“在数据积累方面有很多的前期工作需要做，金融机构重视数据采集的结构化，电子化是基础。和其他领域有所不同，AI在智能风控领域的应用，拥有较强的攻防演变。坏人恶意欺诈的标签其实积累的比较少，而且需要不停的变化，因为攻击者一旦被拦截，会变化手法。
   “在反欺诈的领域里，怎么在没有标签数据或者很少的标签数据情况下，解决一个比较大的问题，值得思考。其实很多AI的落地，使用大的数据样本，去解决一个小问题或者一个单点问题。但在金融领域，特别是反欺诈领域，是要用小的训练数据去解决很大的问题。”吴中说。
   而在财富管理行业，“我们不仅要知道客户现在需要什么、能买什么，更要预测用户以后需要什么、适合什么。” 陆金所CTO毛进亮总结道，“AI技术正在从各个层面重塑财富管理行业。它不仅能解决传统人力理财顾问普遍面临的供需失衡、利益导向、成本高、门槛高、服务水平参差不齐的痛点，还可以通过大数据、机器学习等技术为投资者进行‘精准画像’，让机构更加了解客户需求、资产状况、风险偏好等方面，真正实现千人千面的个性化服务。从监管层面来说，AI技术与其他技术的配合，也能让财富管理服务流程更加公开透明，并且拥有完整的服务记录，为有效监管提供支持。”
   事实上，除了金融行业，金融 科技 的玩家们也在 探索 其他能够用上AI这把“锤子”的场景。吴中谈及，“我们现在除了金融方面，也在对互联网领域进行有益的 探索 。结合无监督技术，我们会变得更加开放，并且变成一个平台化的产品。可以赋能更多不同的银行和其他金融机构，让他们在信息化的过程中，以较小的成本去接入比较好机器学习和无监督的技术，不用重新造轮子。 ”
   同时，“我们也看到，比如保险业中的车险、寿险和社保，还有航旅等场景，都还拥有很多机会。”吴中说。
    垂青AI创新人才 
   支撑AI向前发展的动力，是不断创新更迭的技术。而在技术背后，更是一代代“AI人”的持续 探索 与精进。我们不禁发问，一个优秀的“AI人”，应该是怎样的呢？
   对此，在上海交通大学党委常委、副校长毛军发看来，扎实的数理基础、宽广的知识面、敏捷的思维必不可少。他还提出，对于有心从事人工智能行业的学生而言，如果真正喜欢的就去做，不喜欢也不要去凑热闹，选准的话就要坚持。“可能你会发现做AI这个行业没有你想象那么热闹，没有那么浪漫，但选准的话，就长时间坚持下去，一定会成功”。
   微软全球执行副总裁沈向洋认为，对人工智能而言，现在是很激动人心的时代，有很多事项可去执行。然而，最重要的事情还是要志向高远。如果有机会做人工智能的科研，并且有这样的志向，一定可以做出了不起的工作。
     2017年，国务院发布《新一代人工智能发展规划》，设定以2030年为期限的AI发展目标。为了达到这一目标，到2020年，许多里程碑需要达到，包括在基础研究领域做出重大贡献、成为吸引世界新兴人才的目的地，以及在人工智能产业上达到世界领先水平等。
   以世界人工智能大会为契机，上海加快推进人工智能深度应用和产业发展，努力打造国家人工智能发展高地，成为全国领先的人工智能创新策源地、应用示范地、产业集聚地和人才高地。目前，上海已拥有人工智能核心企业1000余家，泛人工智能企业超过3000家，相关产业规模超700亿元，位居全国第一梯队。
   朱明杰在AI青年科学家高端会议上抛出了这样的问题：
   “今天的世界人工智能大会，有AI时代最优秀的年轻人们，最杰出的科学家们，富有经验的工业界前辈们，与这么多关心智能产业的领导们齐聚在上海，在这个刚刚开启的AI时代，能不能在上海也打造这样的闭环呢？”
   在此次人工智能大会上，除了全球AI知名企业领袖齐聚、顶级学术大咖云集、人工智能新锐势力集体亮相外，AI青年科学家联盟的“A班计划”亦浮出水面。
     对此，同为“A班计划”发起人的朱明杰表示：“对比硅谷的创业氛围和资源，我们要给年轻人更多的机会，让他们站在同一起跑线上。” 他认为，“相较更年轻的AI人才，我们年长几岁，有过创业经验，学术界教授也有很好的实验室资源。希望通过‘A班计划’这样一个项目，加速AI人才走向成功的速度。”
   据了解，A班计划在遴选之初，即将目光瞄向全球范围内的优秀博士生和初创企业创始人（融资不超过A轮），“硬性条件”包括年龄在20-30岁之间，世界顶级学术会议的认可度，创业方向的 科技 含量等。
   结合在氪信 科技 的实践经验，朱明杰表示，AI的时代风口，更加垂青于全才型AI创业者，创业公司首先要解答好商业本质问题，完成“从产品到客户到研发再投入”的商业闭环，确保自身茁壮成长，才有可能成为伟大的 科技 企业。人才之外，有效的环境是人才、市场、科研之间形成不断迭代的成功闭环。
   本文源自国际金融报
   更多精彩资讯，请来金融界网站(www.jrj.com.cn)

2. 人工智能如何赋能金融行业发展？

人工智能如何赋能金融行业发展，主要体现以下几个方面：
构建客户画像，促进客户管理
结合人脸核身、文字识别、语音识别等人工智能产品，打造一个统一注册、统一认证的安全高效平台。为银行及保险客户建立优质的客户大数据和知识图谱打下基础。
利用AI人工智能，可以大程度地简化收集客户有效信息的过程，包括他（她）目前持有的保险单的详细信息、部分财务信息以及网上可查阅的客户帐户中的个人信息等。帮助构建客户的人物画像，对客户进行分层次管理，以便向其提供最为优质的服务。
准客户分析，智能推荐产品
根据用户基本信息、用户行为、消费行为、兴趣、关注、常住位置、实时位置、app行为、信用评分等纬度，通过大数据平台处理后建立用户群体画像。经过客群画像的数据积累，分析不同客户群体的基础标签，提炼出用户特征，为客户推荐与其需求最匹配的产品，实现精准营销。
数据有效整合，提供实时决策
接收数据源后，根据后台的数据计算处理程序，实现数据的实时共享和投放，包括智能核保、智能核赔、金牌话术及实时大屏演示等。利用人工智能对数据进行整合并应用，可以大幅缩减核保时间，降低冗杂劳务开销，从而降低成本。
打破数据孤岛，建立大数据风控
AI人工智能，具有超强的收集，处理、整合数据的能力，通过运用大数据构建模型的方法，对金融企业客户借贷进行风险管理控制和提示。收集贷款人的相关信用信息后，可通过预测、分析其近来的信用变动情况，及时做出相应提醒。
其次，整合金融行业的主流机构数据，利用集团公司的数据及行业数据形成共享，打破数据孤岛，更快、更精准的识别信贷黑名单。
展望整个金融行业的未来，尤其是在互联网保险及银行领域，随着AI深度学习的不断发展，人工智能的运用将会越来越广泛，越来越明显。
人工智能的开发最主要的目的就是为了替人类做复杂、有危险难度、重复枯燥等的工作，所以人工智能是以人类的结构来设计开发的，人工智能在得到较好的开发后国家也是全力给予支持。人工智能的开发主要也是为了帮助和便利人类的生活。所以人工智能的定义一直以来都是以“协助人类”而存在的。人工智能概念的火热促进了不少行业的兴起，比如域名，许多相关的.top域名已经被注册。

3. 人工智能应用在金融领域的关键技术

人工智能应用在金融领域的关键技术如下：
(一)充当智能顾问
智能顾问就是投资个人或者机构提供投资的偏好、收益目标以及承担的风险水平等要求，人工智能就能在此基础上，进行智能核算，对投资组合进行优化，提供最符合用户需求的投资参考。
对于投资机构而言，人工智能能够对金融数据进行整理分析，构建和调整交易的模型，逐步完善该投资模型；同时，人工智能还能对投资的风险技术发现，运用大数据综合剖析多方数据，了解其他竞争机构以及本机构的投资情况。
对于普通个人而言，人工智能会搜集有关投资者的风险偏好、经济基础等个人信息，进而进行科学与客观地分析，制定符合个人的投资理财方案。
(二)充当智能客服
在以银行为代表的金融机构中，智能客服不仅是一种服务手段，更是金融领域象征科技实力的标准化服务产品。
目前，消费者在借助APP、手机及网页等办理相关业务时，智能客服能够科学分析消费者的数据与需求，并给予消费者所需信息的及时答复，为消费者的业务咨询和办理提供方便。在特殊情况下，如果智能客服的服务不能令消费者满意，则系统会自动转入人工客服。
智能客服的应用不仅有效降低人工客服的工作压力，减少相关企业的运营成本，还提升消费者的服务体验。因此，就需要加强对智能客服技术的更新，加强语言的识别与处理技术，使其应用更加广阔。

(三)对风险进行管控
人工智能技术在风险管控中的应用主要体现在能够在收集和分析消费者个人相关信息的基础上，构建出风险预测模型，进而能够确定风险程度。以银行贷款业务为例，早期的银行贷款业务需要经过人工审核，耗时需要好几天，甚至更长时间。
但运用人工智能技术，在短短几秒时间就能够完成审批任务，知道审批结果。不仅能够有效避免银行在长时间审批过程中错失消费者，还具有短时间审批的优势，且风险管控模型更具有准确性和科学性。
此外，人工智能还能有效识别国际监管的可疑交易，通过扫描数据库中的数据，提取利益的主体，继而对交易行为特征以及交易的轨迹展开分析，对相关的违法犯罪行为进行打击。最后，人工智能技术还能预防威胁金融稳定发展的不良因素的干扰，识别异常的风险主体，进而实现稳定金融发展的目标。